概论篇

1．传染病数据

1.1 传染病监测

1.2 监测数据特征

1.2.1 传染病数据在空间上的特征

1.2.2 传染病数据在时间上的特征

2．时空分析方法概述

2.1 空间聚集性探测

2.2 时间序列分析

2.3 时空联合预警

2.4 时空变异及其规律挖掘

空间聚集性探测篇

3．Knox方法

3.1 概述

3.2 基本原理

3.2.1 Knox方法的基本形式

3.2.2 时间、空间临界值的确定

3.2.3 统计推断方法

3.2.4 时空聚集强度的确定

3.3 实例分析

3.3.1 流行性乙型脑炎聚集性分析结果

3.3.2 地区差异

3.3.3 年龄差异

3.3.4 地区差异与年龄差异之间的关联

3.3.5 应用小结

4．Rogerson空间模式监测

4.1 概述

4.2 基本原理

4.2.1 Tango方法原理及其改进

4.2.2 累积和方法原理及参数设置

4.3 实例分析

4.3.1 分析结果

4.3.2 应用小结

5．Turnbull方法

5.1 概述

5.2 基本原理

5.3 实例分析

5.3.1 发病概况

5.3.2 流行病学特征

5.3.3 空间聚集性分析

5.3.4 应用小结

6．Besag-Newell方法

6.1 概述

6.2 基本原理

6.3 实例分析

6.3.1 分析结果

6.3.2 应用小结

时间序列分析篇

7．时间序列基本框架及概念

8．ARIMA模型

8.1 概述

8.2 基本原理

8.2.1 ARIMA模型

8.2.2 季节效应的处理

8.3 实例分析

8.3.1 肺结核ARIMA建模

8.3.2 猩红热X-11-ARIMA建模

9．条件异方差模型

9.1 概述

9.2 基本原理

9.2.1 异方差的判断

9.2.2 ARCH模型

9.2.3 GARCH模型

9.2.4 GARCH模型的变体

9.2.5 AR-GARCH模型

9.3 实例分析

10．马尔可夫模型

10.1 概述

10.2 基本原理

10.2.1 马尔可夫链

10.2.2 马尔可夫链模型

10.3 实例分析

10.3.1 方法和结果

10.3.2 讨论

11．隐马尔可夫模型

11.1 概述

11.2 基本原理

11.2.1 基本概念

11.2.2 HMMs的三个基本问题及算法

11.2.3 贝叶斯HMMs

11.3 实例分析

11.3.1 贝叶斯估计

11.3.2 贝叶斯隐马尔可夫建模

11.3.3 应用小结

12．Cyclical回归模型

12.1 概述

12.2 基本原理

12.3 实例分析

12.3.1 流感Cyclical回归

12.3.2 应用小结

13．神经网络

13.1 概述

13.2 基本原理

13.2.1 BP神经网络

13.2.2 小波神经网络

13.3 实例分析

13.3.1 梅毒发病率的预测

13.3.2 肾综合征出血热发病率的预测

13.3.3 应用小结

14．模糊时间序列

14.1 概述

14.1.1 模糊集合理论起源及应用

14.1.2 模糊时间序列基本概念

14.2 基本原理

14.2.1 模糊时间序列

14.2.2 模糊时间序列建模

14.3 实例分析

14.3.1 肾综合征出血热模糊时间序列模型

14.3.2 应用小结

时空联合预警篇

15．时空扫描统计量

15.1 概述

15.2 基本原理

15.2.1 概率模型

15.2.2 无效和备择假设

15.2.3 扫描统计量的构建

15.2.4 随机化检验

15.2.5 检验效能

15.2.6 次级聚集性区域

15.2.7 扫描窗口形态的拓展

15.3 实例分析

15.3.1 分析结果

15.3.2 应用小结

16．WSARE

16.1 概述

16.2 基本原理

16.2.1 基于历史数据的基线

16.2.2 基于贝叶斯网络的基线

16.2.3 选取最佳得分规则

16.2.4 确定规则P值

16.3 实例分析

16.3.1 WSARE软件

16.3.2 实例分析结果

16.3.3 WSARE与时空扫描统计量联合预警

时空变异及规律挖掘篇

17．空间建模的基本问题

17.1 空间数据的类型

17.2 点数据的识别和建模

17.3 格数据的识别和建模

18．空间自相关分析

18.1 概述

18.2 基本原理

18.2.1 空间权重矩阵

18.2.2 空间自相关系数

18.3 实例分析

18.3.1 全局空间自相关分析

18.3.2 局域空间自相关分析

18.3.3 Moran散点图分析结果

18.3.4 局域Gj分析结果

19．空间自回归模型

19.1 概述

19.2 基本原理

19.2.1 空间自回归基本模型

19.2.2 空间自回归模型

19.2.3 空间自相关检验及空间自回归模型选择

19.3 空间自回归建模的局限性

19.4 实例分析

20．地理加权回归模型

20.1 概述

20.2 基本原理

20.2.1 GWR的基本模型

20.2.2 空间权函数的选择

20.2.3 空间权函数带宽的优化

20.3 实例分析

20.3.1 探索性分析

20.3.2 OLS建模

20.3.3 GWR建模

20.3.4 OLS与GWR模型的比较

20.3.5 讨论

21．贝叶斯时空模型

21.1 概述

21.2 基本原理

21.2.1 贝叶斯统计的基本原理

21.2.2 区域数据的贝叶斯空间模型

21.2.3 区域数据的贝叶斯时空模型

21.2.4 先验分布和超先验分布的选择

21.2.5 空间权重矩阵的选择

21.2.6 算法与模型诊断和评价

21.3 实例分析

21.3.1 布氏菌病贝叶斯时空建模

21.3.2 疟疾贝叶斯时空建模

22．多水平时空模型

22.1 多水平模型的数据结构

22.1.1 标准层次结构

22.1.2 交叉分类结构

22.1.3 多重成员结构

22.2 多水平时空模型

22.3 实例分析