Space-time disease mapping by combining Bayesian maximum entropy and Kalman filter: the BME-Kalman approach
Space-time disease mapping by combining Bayesian maximum entropy and Kalman filter: the BME-Kalman approach
复制标题
结合贝叶斯最大熵和卡尔曼滤波器的时空疾病绘图：BME-卡尔曼方法
DOI：
10.1080/13658816.2020.1795177
复制
发表时间：
2020-07
影响因子：
5.7
通讯作者：
Hui Lin
中科院分区：
文献类型：
--
作者：
Bisong Hu;Jingyu Qiu;Haiying Chen;Vincent Tao;Jinfeng Wang;Hui Lin
摘要在这项工作中，在时空疾病映射的背景下，提出了一种综合贝叶斯最大熵(BME)和卡尔曼滤波(KF)的方法，它们增强了各自的优势，克服了它们在时空映射方面的某些弱点。所提出的BME-Kalman综合允许BME使用来自参数回归建模和KF估计的信息，从而增强知识库。应用贝叶斯-卡尔曼合成方法对山东省(中国)2008年5月1日至2009年3月19日手足口病发病时空地图进行了研究。结果表明，BME-Kalman方法表现出很好的回归和预测精度，即使在低发期和极低发期也保持很好的表现，与传统的作图技术相比，BME-Kalman方法提供了更好的分级疾病特征描述，并对未抽样地点的空间分层发病异质性提供了清晰的解释。BME-Kalman方法具有通用性和灵活性，可以根据应用的需要进行修改和调整。
ABSTRACT In this work, a synthesis of the Bayesian maximum entropy (BME) and the Kalman filter (KF) methods, which enhances their individual strengths and overcomes certain of their weaknesses for spatiotemporal mapping purposes, is proposed in a spatiotemporal disease mapping context. The proposed BME-Kalman synthesis allows BME to use information from both parametric regression modeling and KF estimation leading to enhanced knowledge bases. The BME-Kalman synthetic approach is used to study the space-time incidence mapping of the hand, foot and mouth disease (HFMD) in Shandong province (China) during the period May 1st, 2008 to March 19th, 2009. The results showed that the BME-Kalman approach exhibited very good regressive and predictive accuracies, maintained a very good performance even during low-incidence and extremely low-incidence periods, offered an improved description of hierarchical disease characteristics compared to traditional mapping techniques, and provided a clear explanation of the spatial stratified incidence heterogeneity at unsampled locations. The BME-Kalman approach is versatile and flexible so that it can be modified and adjusted according to the needs of the application.
登录
查看更多内容
影响因子：
11.4
作者：
Kloog I;Nordio F;Coull BA;Schwartz J
通讯作者：
Schwartz J
DOI：
10.1109/9780470544334.ch9
发表时间：
2001
期刊：
Comput. Electron. Agric.
影响因子：
--
作者：
T. Başar
通讯作者：
T. Başar
影响因子：
3.7
作者：
Angulo J;Yu HL;Langousis A;Kolovos A;Wang J;Madrid AE;Christakos G
通讯作者：
Christakos G
DOI：
--
发表时间：
2000-11
期刊：
--
影响因子：
--
作者：
G. Christakos
通讯作者：
G. Christakos
DOI：
10.1016/j.jag.2017.12.007
发表时间：
2018-05
期刊：
Int. J. Appl. Earth Obs. Geoinformation
影响因子：
--
作者：
B. P. Salmon;W. Kleynhans;J. Olivier;F. V. D. Bergh;K. Wessels
通讯作者：
B. P. Salmon;W. Kleynhans;J. Olivier;F. V. D. Bergh;K. Wessels