基于加窗相关的特征选择方法以改进登革热病例时间序列预测

数据驱动预测模型的性能取决于可用于模型训练的数据样本。学习某人群登革热发病率的模型使用该对应地点的历史数据。在数据不足之地，预测性能可能不佳。本文旨在通过方法学地加入邻近地点与流行病学相关的数据作为预测变量（特征），来增强时间受限的登革热病例数据。我们提出一种新框架，用于对发病率数据加窗并计算时移基于相关的度量以量化特征相关性。该框架通过将相关度量与空间距离及本地患病率另两种度量结合，对目标地点周边相邻地点的发病率数据进行排序。基于循环神经网络的预测模型使用所提方法相较仅用目标地点训练数据平均准确率提升达 33.6%。这些模型在巴西圣埃斯皮里图州登革热患病率最高的市镇的 [0,1] 归一化发病率数据上取得低至 0.128 的平均绝对误差（MAE）。当预测按地理生态区聚合的病例时，模型仅使用排序特征集中 6.5% 的发病率数据便实现达 16.5% 的准确率提升。本文还包含两种时间序列数据加窗技术：固定大小窗口与暴发检测窗口。两者表现相当，而窗口检测方法所用计算数据更少。本文框架与具体应用无关，可提升在空间相邻地点数据可得处的预测模型性能。