大数据驱动的新发传染病建模与疫情防控决策支持
项目介绍
AI项目解读
基本信息
- 批准号:92046010
- 项目类别:重大研究计划
- 资助金额:20.0万
- 负责人:
- 依托单位:
- 学科分类:G0112.信息系统与管理
- 结题年份:2021
- 批准年份:2020
- 项目状态:已结题
- 起止时间:2021-01-01 至2021-12-31
- 项目参与者:戚晓鹏; 潘达岩; 王培宇; 杨晨; 寄家豪; 林鑫; 王冰; 其勒格日; 贾焕庭;
- 关键词:
项目摘要
In response to the threat of emerging infectious diseases to global public health, a team of researchers in the fields of big data and epidemiology has been established for the project. By introducing big data and deep learning to the context of public health, we developed a set of decision support techniques for epidemic prevention and control based on the big data-driven paradigm. Based on the team’s previous study of big data decision support services for COVID-19 prevention and control in collaboration with the Joint Prevention and Control Mechanism of the State Council, the research covers three aspects including i) mining of factors influencing infection based on interpretable deep learning techniques (aiming to introduce interpretable deep learning into the mining and processing of epidemic data), ii) predictive simulation modeling based on the integration of epidemiology and big data (aiming to develop a model for simulation and prediction of the pandemic through the combination of big data methods and knowledge of epidemiology), and iii) application of decision support for regular and precise epidemic prevention and control (aiming to apply key techniques of the project to typical scenarios such as urban response for emergent epidemic and the prevention and control of imported cases). As a specific application of the “panoramic PAGE framework” in the field of public health decision-making during COVID-19 pandemic, the research results of this project will be applied to the Joint Prevention and Control Mechanism of the State Council, Chinese Center for Disease Control and Prevention, and Beijing Epidemic Prevention and Control Office for decision-making about normalized epidemic prevention and control.
为应对新发传染病对公共卫生的威胁,本项目组建了大数据学科和流行病学科联合的科研团队,拟通过大数据、深度学习与流行病学融合的技术路线,研发一套基于“大数据驱动范式”的传染病建模与防控决策支持技术。该研究建立在申请团队对国务院联防联控机制等部门的大数据疫情防控决策支持服务之上,研究内容包括:1)“基于可解释深度学习的疫情影响因素挖掘”,目的是将可解释深度学习引入疫情大数据的挖掘处理当中;2)“传染病学与大数据相融合的预测仿真建模”,目的是将大数据方法与流行病领域知识相结合,研发传染病的仿真预测模型;3)“面向常态化精准疫情防控的决策支持应用”,目的是选择城市突发疫情应急和海外输入疫情防控等典型场景,将项目关键技术在实际应用中进行验证。本项目的研究成果将被应用于国务院联防联控机制、中国疾控中心、北京市疫情防控办的常态化防控决策当中;该项目是“全景式PAGE框架”在公共卫生决策研究领域的具体应用。
结项摘要
项目背景与研究内容:新发传染病对人类的社会经济造成了巨大的危害,尤其是2019 年末出现的新型冠状病毒肺炎疫情,已成为最近一百年来最严重的全球性公共卫生事件。为了应对新发传染病对全球公共卫生的威胁,本项目组建了大数据学科和流行病学科联合的科研团队,通过大数据、深度学习与流行病学相融合的技术路线,研发基于“大数据驱动范式”的疫情防控决策支持技术。项目根据“大数据驱动的管理与决策研究”重大研究计划所提出的“全景式PAGE框架”,建立了以“影响因素挖掘”→“数据融合建模”→“疫情动态预测”为主线的新冠肺炎疫情建模、仿真与防控决策支持技术体系。..项目研究成果:本项目取得的学术成果包括在数据挖掘领域的顶级期刊、会议IEEE TKDE、ACM SIGKDD、ACM TOIS,以及公共卫生的权威期刊BMJ子刊等发表学术论文9篇,获得600余次的引用,进入ESI高被引。技术成果形成中美发明专利各2项、软件著作权2项。系统平台被纳入国务院电子政务办“互联网+”监管平台。向国务院联防联控机制、北京疾控中心、北京冬奥组委等部门提供专题研究报告上百份,应对突发疫情超过20次。获得刘鹤副总理等国家领导人批示,以及国务院联防联控机制、北京冬奥组等部门的书面感谢,关于温湿度对于新冠疫情传播能力影响的研究结论进入WHO疫情防控指南。以项目团队为主体的“北航新冠疫情大数据分析团队”获得了“全国科技系统抗击新冠肺炎疫情先进集体”,项目成员获得“北京市抗击新冠肺炎疫情先进个人”、“全国工信系统抗疫先进个人”、“全国科技系统抗疫先进个人”等荣誉表彰。..项目成果的科学意义:本项目的研究成果在学术上创建了大数据驱动的传染病建模范式,是大数据公共卫生管理领域重要的基础性学术创新。在应用上,本项目的研究成果直接服务了新冠肺炎疫情的防控,是大数据公共卫生管理理论创新的实践验证,具有非常重要的学术价值和现实意义。
项目成果
期刊论文数量(5)
专著数量(0)
科研奖励数量(4)
会议论文数量(1)
专利数量(1)
Impact of temperature and relative humidity on the transmission of COVID-19: a modelling study in China and the United States.
温度和相对湿度对 COVID-19 传播的影响:中国和美国的建模研究
- DOI:10.1136/bmjopen-2020-043863
- 发表时间:2021-02-17
- 期刊:BMJ open
- 影响因子:2.9
- 作者:Wang J;Tang K;Feng K;Lin X;Lv W;Chen K;Wang F
- 通讯作者:Wang F
Personalized Route Recommendation with Neural Network Enhanced A Search Algorithm
神经网络增强搜索算法的个性化路线推荐
- DOI:--
- 发表时间:2021
- 期刊:IEEE Transactions on Knowledge and Data Engineering
- 影响因子:8.9
- 作者:Ning Wu;Xin Zhao;Jingyuan Wang
- 通讯作者:Jingyuan Wang
Transmission dynamics and the effects of non-pharmaceutical interventions in the COVID-19 outbreak resurged in Beijing, China: a descriptive and modelling study.
中国北京 COVID-19 疫情再次爆发时的传播动力学和非药物干预措施的影响:一项描述性和建模研究
- DOI:10.1136/bmjopen-2020-047227
- 发表时间:2021-09-07
- 期刊:BMJ open
- 影响因子:2.9
- 作者:Cui X;Zhao L;Zhou Y;Lin X;Ye R;Ma K;Jiang JF;Jiang B;Xiong Z;Shi H;Wang J;Jia N;Cao W
- 通讯作者:Cao W
Coronavirus disease 2019 outbreak in Beijing's Xinfadi Market, China: a modeling study to inform future resurgence response.
2019 年冠状病毒病在中国北京新发地市场爆发:一项为未来复苏应对措施提供信息的模型研究
- DOI:10.1186/s40249-021-00843-2
- 发表时间:2021-05-07
- 期刊:Infectious diseases of poverty
- 影响因子:8.1
- 作者:Wang XL;Lin X;Yang P;Wu ZY;Li G;McGoogan JM;Jiao ZT;He XJ;Li SQ;Shi HH;Wang JY;Lai SJ;Huang C;Wang QY
- 通讯作者:Wang QY
Big data analytics for sustainable cities: An information triangulation study of hazardous materials transportation
可持续城市的大数据分析:危险材料运输的信息三角测量研究
- DOI:10.1016/j.jbusres.2021.01.057
- 发表时间:2021-05
- 期刊:Journal of Business Research
- 影响因子:11.3
- 作者:Lisha Ye;Junjie Wu;Jingyuan Wang;Shan L Pan;Xiaoying Dong
- 通讯作者:Xiaoying Dong
数据更新时间:{{ journalArticles.updateTime }}
{{
item.title }}
{{ item.translation_title }}
- DOI:{{ item.doi || "--"}}
- 发表时间:{{ item.publish_year || "--" }}
- 期刊:{{ item.journal_name }}
- 影响因子:{{ item.factor || "--"}}
- 作者:{{ item.authors }}
- 通讯作者:{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:{{ item.authors }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:{{ item.authors }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:{{ item.authors }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:{{ item.authors }}
数据更新时间:{{ patent.updateTime }}
其他文献
以数据为中心的智慧城市研究综述
- DOI:--
- 发表时间:2014
- 期刊:计算机研究与发展
- 影响因子:--
- 作者:王静远;李超;熊璋;单志广
- 通讯作者:单志广
三层虚拟工作流模型的非线性制造工艺多目标优化算法研究
- DOI:--
- 发表时间:2019
- 期刊:自动化学报
- 影响因子:--
- 作者:罗智勇;王静远;谢志强
- 通讯作者:谢志强
基于多源数据时空熵的城市功能混合度识别评价
- DOI:--
- 发表时间:--
- 期刊:城市规划
- 影响因子:--
- 作者:李苗裔;马妍;王静远
- 通讯作者:王静远
数据智能:趋势与挑战
- DOI:--
- 发表时间:2020
- 期刊:系统工程理论与实践
- 影响因子:--
- 作者:吴俊杰;刘冠男;王静远;左源;部慧;林浩
- 通讯作者:林浩
其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:{{ item.doi || "--" }}
- 发表时间:{{ item.publish_year || "--"}}
- 期刊:{{ item.journal_name }}
- 影响因子:{{ item.factor || "--" }}
- 作者:{{ item.authors }}
- 通讯作者:{{ item.author }}
内容获取失败,请点击重试
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:
AI项目摘要
AI项目思路
AI技术路线图
请为本次AI项目解读的内容对您的实用性打分
非常不实用
非常实用
1
2
3
4
5
6
7
8
9
10
您认为此功能如何分析更能满足您的需求,请填写您的反馈:
王静远的其他基金
基于深度学习的城市风险时空态势可解释预测研究
- 批准号:
- 批准年份:2021
- 资助金额:48 万元
- 项目类别:
新冠肺炎大流行定量分析多层次框架:数学建模方法研究
- 批准号:72171013
- 批准年份:2021
- 资助金额:200 万元
- 项目类别:国际(地区)合作与交流项目
以多源城市数据为支撑的城市计算研究
- 批准号:61572059
- 批准年份:2015
- 资助金额:67.0 万元
- 项目类别:面上项目
基于效用优化理论的数据中心网络TCP拥塞控制建模与实现方法研究
- 批准号:61202426
- 批准年份:2012
- 资助金额:23.0 万元
- 项目类别:青年科学基金项目
相似国自然基金
{{ item.name }}
- 批准号:{{ item.ratify_no }}
- 批准年份:{{ item.approval_year }}
- 资助金额:{{ item.support_num }}
- 项目类别:{{ item.project_type }}
相似海外基金
{{
item.name }}
{{ item.translate_name }}
- 批准号:{{ item.ratify_no }}
- 财政年份:{{ item.approval_year }}
- 资助金额:{{ item.support_num }}
- 项目类别:{{ item.project_type }}