上海生命科学院的研究人员,使用随机森林算法,结合全球气象数据和非洲猪瘟发病案例数据,搭建了一个非瘟爆发预测模型。并基于该模型搭建了全球非瘟爆发在线预测系统。他们的研究发现,最干旱月份的降水对非瘟爆发的影响最大,并且推测非瘟的爆发与降水量显著相关。
研究文章发表在《Transbonday and Emerging Diseases》。
摘要:
本研究中,我们使用了非瘟爆发数据和WorldClim数据库的气象数据,并选择了CfsSubset Evaluator-Best First特征选择方法与随机森林算法相结合,构建了非洲猪瘟爆发的预测模型。
随后,我们使用非建模数据集进行了测试,该模型在独立测试集上的ACC值准确度范围为76.02%-84.64%,这表明建模效果良好,预测精度高于之前的估计。
此外,我们对用于建模的数据的12个特征进行了逻辑回归分析,并绘制了ROC曲线。结果表明,bio14特征(最干旱月份的降水)对非洲猪瘟爆发的影响最大,并且推测该流行病的爆发与降水显着相关。
最后,我们使用这种定性预测模型为ASF疫情建立了一个全球在线预测系统,希望这项研究将有助于决策者们采取相应的预防和控制措施,以阻止该流行病未来的进一步扩散。