您当前所在的位置: 首页 -> 新闻动态 -> 中心新闻 -> 正文

中央财经大学—电子科技大学联合数据研究中心数据科学系列讲座第五讲 《COVID-19时空动力模型及其对美国疫情的实施预报和长期预测》成功举办

发布日期:2020-07-20   点击量:

   2020年7月16日上午10:00,中央财经大学—电子科技大学联合数据研究中心(CEDC)通过腾讯平台举办了数据科学系列讲座的第五讲,此次讲座邀请了爱荷华州立大学Lily Wang教授主讲,人力资本中心、中央财经大学—电子科技大学联合数据研究中心(CEDC)特聘教授李海峥教授主持。

   Lily Wang教授,爱荷华州立大学统计系终身教授,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。     

本次讲座的主题是《COVID-19时空动力模型及其对美国疫情的实施预报和长期预测》,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,王教授团队通过结合经典的数学和统计模型,构建了科学的预测模型,来预估病毒的传播程度以及可能的致死人数,帮助实现疾病预防、决策和资源分配,抗击疫情。     

王教授指出,在流行病的建模中,传统的数学模型尽管非常有用,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、人口统计细分及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。     

校内外教师、博士生以及研究生等数十人参加讲座,并积极与王教授交流互动。

       感谢各位老师同学的参加与交流,更多讲座内容将会通过CEDC门户网站(cedc.cufe.edu.cn)和微信公众号(中财大-电子科大数据中心)推送。

  


  

中央财经大学—电子科技大学联合数据研究中心(CEDC)简介

中央财经大学—电子科技大学联合数据研究中心(CEDC)于2018年4月成立,是中央财经大学的校级研究机构,以服务国家发展战略、政府经济决策、国内外学术研究以及企业数据需求为宗旨,融合中央财经大学的财经优势和电子科技大学的技术特色,致力于将中心建设成支撑我校经济学、金融学、财政学和管理学等各学科全面发展的数据共享服务平台。

CEDC现有主任1名、执行副主任2名、特聘指导专家11名、兼职研究员6名、行政人员2名、兼职学生助理3名。

自成立以来CEDC积极开展项目支持工作,截至目前共支持数据项目8个,其中包括两个大型特色数据库项目,即“人力资本数据库”和“中国财政基础信息数据库”项目。同时,CEDC与国家卫生健康委流动人口服务中心建立合作,共享其大量流动人口数据。此外,CEDC还将与中央财经大学经济学院和北京大学合作进行ESICE数据调查。

从长远来看,CEDC除了支持其他项目的数据共享外,还计划建设自己的数据。计划在未来与经济合作与发展组织(OECD)建立合作,在整合国内数据的同时,引入PIAAC及多项国际数据库,完成数据本土化处理工作,实现CEDC的国际化。


中央财经大学—电子科技大学

联合数据研究中心  

2020年7月20日

版权所有: 中央财经大学-电子科技大学联合数据中心 地址:北京市海淀区学院南路39号 邮编:100081

京ICP备05004636号 京公网安备110402430071号