百度指数在我国H7N9与登革热疫情分析上的应用研究
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第13-20页 |
1.1 课题研究背景及意义 | 第13-14页 |
1.2 国内外文献综述 | 第14-18页 |
1.2.1 国外文献综述 | 第14-16页 |
1.2.2 国内文献综述 | 第16-18页 |
1.3 本文的主要工作及结构组织 | 第18-20页 |
1.3.1 本文的主要工作 | 第18页 |
1.3.2 本文的组织结构 | 第18-20页 |
第2章 相关技术介绍 | 第20-29页 |
2.1 传染病的基础知识 | 第20-21页 |
2.1.1 禽流感H7N9病毒 | 第20页 |
2.1.2 登革热 | 第20-21页 |
2.2 百度指数介绍 | 第21-22页 |
2.3 数据来源 | 第22-23页 |
2.3.1 H7N9人感染病例数据 | 第22页 |
2.3.2 H7N9相关关键词的百度指数数据 | 第22页 |
2.3.3 登革热病例数据 | 第22-23页 |
2.3.4 登革热相关关键词的百度指数数据 | 第23页 |
2.4 相关技术 | 第23-27页 |
2.4.1 相关性分析 | 第23-24页 |
2.4.2 差异性检验 | 第24页 |
2.4.3 多元线性回归分析 | 第24-25页 |
2.4.4 预测模型 | 第25-26页 |
2.4.5 疫情预测的方法步骤 | 第26-27页 |
2.4.6 分析软件 | 第27页 |
2.5 本章小结 | 第27-29页 |
第3章 实际疫情数据分析与系统建立 | 第29-43页 |
3.1 | 第29-34页 |
3.1.1 统计学分析 | 第29-31页 |
3.1.2 传播特征变化分析 | 第31-32页 |
3.1.3 时空特征分析 | 第32-34页 |
3.2 登革热疫情分析 | 第34-35页 |
3.2.1 登革热疫情分布 | 第34-35页 |
3.3 H7N9与登革热疫情对比 | 第35页 |
3.4 疫情数据分析系统的建立 | 第35-42页 |
3.4.1 系统的框架模式 | 第35-36页 |
3.4.2 系统的搭建技术 | 第36-39页 |
3.4.3 系统的功能结构设计 | 第39-40页 |
3.4.4 系统的功能页面实现 | 第40-42页 |
3.5 本章小结 | 第42-43页 |
第4章 百度指数在疫情关注度分析上的应用 | 第43-55页 |
4.1 百度指数与H7N9疫情 | 第43-47页 |
4.1.1 H7N9在全国的用户关注度分析 | 第43-45页 |
4.1.2 百度指数与实际疫情的时间相关性 | 第45-46页 |
4.1.3 百度指数与实际疫情的空间相关性 | 第46-47页 |
4.2 百度指数与登革热疫情 | 第47-53页 |
4.2.1 登革热在全国的用户关注度分析 | 第47-49页 |
4.2.2 登革热在广东省的用户关注度分析 | 第49-51页 |
4.2.3 百度指数与实际疫情的时间相关性 | 第51-52页 |
4.2.4 百度指数与实际疫情的空间相关性 | 第52-53页 |
4.3 H7N9与登革热疫情的受关注度对比 | 第53-54页 |
4.4 本章小结 | 第54-55页 |
第5章 百度指数在疫情预测上的应用 | 第55-66页 |
5.1 百度指数与H7N9疫情预测 | 第55-59页 |
5.1.1 关键词选取与相关性 | 第55-56页 |
5.1.2 MLRM_H7N9的模型训练 | 第56-57页 |
5.1.3 MLRM_H7N9的模型评估 | 第57-58页 |
5.1.4 MLRM_H7N9的疫情预测 | 第58-59页 |
5.2 百度指数与登革热疫情预测 | 第59-64页 |
5.2.1 关键词选取与相关性 | 第60-61页 |
5.2.2 MLRM_Dengue的模型训练 | 第61页 |
5.2.3 MLRM_Dengue的模型评估 | 第61-62页 |
5.2.4 MLRM_Dengue的疫情预测 | 第62-64页 |
5.3 H7N9和登革热的疫情预测结果分析 | 第64-65页 |
5.4 本章小结 | 第65-66页 |
结论 | 第66-68页 |
参考文献 | 第68-72页 |
致谢 | 第72-73页 |
附录A 攻读学位期间所发表的学术论文 | 第73-74页 |
附录B 攻读学位期间所参与的项目 | 第74页 |