【7月16日】COVID-19时空动力模型及其对美国疫情的实时预报和长期预测
发布日期：2020-07-09时间：2020年7月16日（周四）上午10:00-11:15.
地点：腾讯会议会议号661 802 952；或复制链接参会https://meeting.tencent.com/s/lfPqrbjl4E6W
主讲人：Lily Wang教授
主讲人简介：Lily Wang教授是爱荷华州立大学统计系终身教授。王教授的主要研究领域包括统计学发展前沿的非参数与半参数方法、大数据集的统计（机器）学习、函数型数据和时空数据的分析方法、调查抽样、高维数据分析，以及统计学在计量经济学、工程学、神经影像学、官方统计、植物学、环境研究和生物医学问题中的应用。
讲座摘要：自2019年12月报告病例以来，新冠疫情已于数周内在全球蔓延。预估病毒的传播程度以及可能的致死人数，对于有效对抗疫情至关重要。科学的预测模型是回答上述问题，并最终帮助疾病预防、决策和资源分配的重要工具。在流行病的建模中，传统的数学模型尽管很有用，但是，它们是确定性的，且只能显示流行病的平均行为。王教授团队在经典的数学模型和统计模型之间构建了巧妙的链接，结合两种模型的优点开发出了更先进的模型来研究疾病传播的动态模式。 新模型通过引进隔离措施、环境影响、社会经济因素、卫生服务资源和人口流动分布状况等变量，为美国提供短期和长期县级感染/死亡人数预测。基于时空分析提出的模型增强了流行病学机制的动态性研究，有助于剖析疫情传播的时空结构，预测未来疫情在时间和空间上的发展趋势。为了评估与预测相关的不确定性，王教授团队开发了一个基于引导预测路径的投影带。实证研究表明，新方法不仅能对疫情进行精准的短期预测，而且能有效的识别高风险区域。根据研究结果，王教授团队开发了多个R Shiny应用程序，嵌入到COVID-19 Dashboard中，为美国疾控中心和地方社区等提供县和州两级新冠死亡人数的7天预测和4个月预测。以上这些就是本次讲座将要涉及到的内容。
欢迎感兴趣的师生踊跃参加！
