一、医疗气象预报系统简介（论文文献综述）
南鹏飞[1]（2021）在《基于WRF的未来（2050s）城市气候预测及适应性规划策略》文中研究指明全球气候变暖已是当前最紧迫的环境危机之一,与城市化的叠加则会加剧城市热岛效应,从而导致极端高温天气的出现,严重影响城市宜居环境和居民的健康与安全。为了更好的缓解气候变暖和城市热岛效应对城市居民生活的影响,避免高温热浪事件的发生,需要通过科学的方法对全球变暖背景下的城市热岛效应进行研究,并提出适应性的规划策略。本文利用CMIP5（Coupled Model Intercomparison Project phase 5）全球气候模式与中尺度气象模型WRF（Weather Research And Forecasting）进行耦合,针对RCP8.5（Representative Concentration Pathways,代表性浓度路径）情境下的大连市未来城市气候进行研究,提供高分辨率的气候变化预测数据,以此预估气候变化背景下的城市热岛潜在变化。研究利用WRF进行了两组数值模拟研究,一组为当前气候所对应的初始边界条件,另一组为未来气候对应的初始边界条件。当前气候条件下,利用GIS（Geographic Information System）将大连市现状土地利用数据转换为WRF静态地理场,通过NCEP（National Centers for Environmental Prediction,美国国家环境预报中心）的FNL（Final）气象数据驱动WRF模型,以2005年作为气候现状代表年,8月为典型月进行逐时模拟;采用5个国际气象交换站气象观测数据对WRF模拟结果进行验证,模拟数据与实测数据的皮尔逊相关系数R值在0.8-0.9之间,结果表明了WRF模型的准确性;未来气候条件下,土地利用数据保持不变,通过RCP8.5代表性浓度路径气象数据驱动WRF模型,以2041-2050年作为未来气候代表年,8月为典型月进行逐时模拟。结果表明,在RCP8.5情境下2050年大连市8月份地面2m平均温度为27.8℃;相较于2005年8月份平均温度将增加3.8℃,2044、2048年8月份地面2m平均温度为29.2℃,相较于2005年8月份平均温度将增加5.2℃。2041-2050年8月份大连市高温热浪天数达81天。将高温热浪日数叠加求平均值得到高温热浪期间平均温度,与大连市土地利用数据相叠加,得到大连市暴露度空间分布图,对大连市未来高温热浪风险进行评估。高风险区主要集中在核心区、金州城区和营城子区域,中风险区集中在旅顺城区、金州城区、西部沿海和北部沿海区域,低风险区集中在大黑山、西郊山体群、北部山区等。最后从城市规划、城市设计和城市管理层面针对热浪灾害高风险区提出适应性规划策略。城市规划包括城市气候分区、城市“冷岛”保护、构建城市通风廊道、高温避灾场所规划等。城市设计包括街道布局设计,拓宽街道、调整街道朝向利于通风,增加绿化带及隔离带缓解高温现象;控制沿海区域建筑高度、建筑密度、建筑形态和建筑群布局组合,更大限度发挥城市通风作用;通过调整下垫面材质、增加遮阳设施、降温喷雾设施和立体绿化改善区域热环境,提升局部环境热舒适。城市管理层面通过建立高温热浪预警体系、制定相关政策法规、加强公众宣传、健全医疗体系、脆弱人群保障体系来降低高温热浪灾害对城市和居民健康的影响。
邓彩霞[2]（2021）在《基于情景分析的青海农牧社区减灾能力建设研究》文中指出自然灾害风险一直以来威胁着人类生存与安全,也一直学术界关注的焦点问题和政府治理的重要内容。随着科技的进步以及灾害治理经验的积累,人类的减灾能力得到较大的提升,然而,随着全球气候变化以及人类社会生活对自然环境干预范围和深度的增加,人与自然的关系也日益变得紧张,灾害风险日益加剧。青海省位于青藏高原,是一个集西部地区、民族地区、高原地区和欠发达地区所有特点于一体的省份,各种传统和非传统、自然和社会的安全风险时刻威胁着社会的可持续发展。青海特定的环境条件决定了当地灾害频发,同时也是全国自然灾害较为严重的省份之一,具有灾害种类多、分布地域广、发生频率高、造成损失重等特点。社区作为社会构成的基本单元,是防灾减灾的前沿阵地和基础。青海农牧社区基础设施落后,生态系统脆弱,受到自然灾害损害的可能性和严重性程度较高,被认为是防灾减灾工作的最薄弱地区。青海气象灾害多发,雪灾是青海省畜牧业的主要灾害,全省牧业区每年冬春期间不同程度遭受雪灾,“十年一大灾,五年一中灾,年年有小灾”已成为规律。在全球气候变暖以及极端天气现象的影响下,“黑天鹅”型雪灾不但对农牧民安全生产生活造成威胁,对区域经济社会全面协调可持续发展等形成挑战,而且还考验着地方政府的自然灾害的综合治理能力,思考如何提升农牧社区减灾能力刻不容缓。随着情景分析法在危机管理领域的应用,情景分析和构建被认为是提升应急能力的有效工具,对于农牧社区雪灾的减灾而言,在情景构建基础上所形成的实践分析结果对于现实问题的解决具有一定的战略指导意义。本研究聚焦于提升青海农牧社区减灾能力这一核心问题,以情景分析理论、危机管理理论、极值理论、复杂系统理论为研究的理论基础,运用实地调查法、情景分析法、德尔菲法、层次分析法等具体的研究方法,以“情景—任务—能力”分析框架为理论分析工具,首先从致灾因子的分析着手,对青海省农牧社区典型灾害进行识别;其次通过情景要素分析、关键要素选择、情景描述等方面着手对识别的典型灾害进行“最坏可信”情景构建,然后基于典型灾害的情景构建梳理出相应减灾任务,总结归纳出农牧社区不同减灾主体完成减灾任务所应该具备的能力条件,并结合现实对农牧社区减灾能力进行了定量与定性相结合的评估,最终分别从规则准备、资源准备、组织准备、知识准备、行动规划等方面提出农牧社区减灾能力提升的策略。本研究认为随着应急管理体系从“以体系建构”向“以能力建设”为重点的转变,着眼于全方位的能力建设,提升灾害治理的制度化、规范化、社会化水平是农牧社区减灾的必由之路。作为一种支撑应急全过程,以及应急管理中基础性行动的应急准备是能力建设的抓手。意识是行动的先导,要做好这一基础性行动其关键在于一个具备战略能力、拥有良好灾害价值观的领导体系,运用情景构建做好全面应急准备。完善的规则体系是应急准备、乃至采取应急行动所应遵循的的法定依据和行为准则;完善相应的法律法规,加强危机应急法规建设是做好农牧社区减灾工作的前提;良好的组织架构是提升农牧社区减灾能力的关键,加强各级政府部门在农牧区减灾中的核心地位和主导责任,坚持村社本位,实现以农牧民群众为主体,多元主体有效整合,形成灾害治理的协同格局。完备的知识准备是激发农牧社区减灾能力提升的内在动力,通过各种正式和非正式的渠道获取和累积灾害知识,形成正确的灾害价值观,占据减灾的主动地位;有针对性的借助信息技术,培养专门人才推动减灾专业化,助推农牧社区减灾能力提升。资源准备是农牧社区的减灾保障,构建合理的社区公共应急资源体系关键在于资源结构的优化。优先准备风险级别较高的减灾资源,优化资源存储数量和公共应急资源存储点,做好潜在资源共享平台,从而实现有限资源效用最大化。农牧社区减灾,规划先行,一套科学合理、行之有效的减灾指标体系是青海农牧区减灾管理的“指挥棒”,一项科学周密的专项减灾规划,是农牧区减灾任务实施的“路线图”和“控制表”。总之,在青海农牧社区灾害治理中,灾害情景构建与分析为灾害治理提供了一个全新的思路和发展方向。通过构建典型灾害具象化的“最坏可信情景”,让应急决策者、社区及其成员通过了解当前灾害态势,明确自身管理薄弱点,掌握可控干预节点,做好工作安排和充分的应急准备,预防灾害风险或者遏制灾后事态走向最坏局面。基于情景分析的农牧社区减灾能力的研究对于改进和完善现行农牧社区灾害应急管理体系,对于实现区域社会平安建设具有重大的实践和指导意义。
绍兴市人民政府办公室[3]（2020）在《绍兴市人民政府办公室关于印发绍兴市防汛防台抗旱、火灾事故、森林火灾应急预案及汤浦水库枯水期原水应急调度方案的通知》文中研究表明绍政办发[2020]34号各区、县（市）人民政府,市政府各部门、各单位:《绍兴市防汛防台抗旱应急预案》《绍兴市火灾事故应急预案》《绍兴市森林火灾应急预案》《绍兴市汤浦水库枯水期原水应急调度案方》已经市政府同意,现印发给你们,请认真贯彻实施。2020年9月30日
赵婉露[4]（2019）在《遵义地区循环系统疾病对天气与气候变化的响应及预测应用研究》文中进行了进一步梳理近年来,心脑血管疾病成为威胁全人类健康的罪魁祸首之一,而天气和气候的变化对该疾病的影响不容忽视。“健康中国2030”战略中提出我国的卫生事业应该以医疗为主向以预防为主转变。此外,在空气污染程度低、常驻人口多的西南地区气象医学的研究应用较少。针对这两个问题,本文使用遵义市2012-2017年的疾病数据和1961-2017年的气象数据详细分析该地气候和循环系统疾病特征,深入探究疾病发病与气象条件的关系,建立疾病预报模型并优选,最后设计构建遵义市气象敏感性疾病风险预报系统。主要结论如下:（1）1961-2016年遵义地区的气候变化的态势是增温、降湿、少雨。对遵义地区2005-2016年的体感温度和舒适度研究表明,该地区的广义舒适的日数最多,冷不舒适的日数第二;体感温度中,“舒适”等级占比最高,凉爽占比第二,未出现“酷热”、“很冷”和“严寒”和这三种等级;说明遵义地区非常适宜开展以避暑为主的康养旅游。（2）2012-2017年遵义地区循环系统疾病谱中高血压居于首位,患病人数占67.22%,很大程度上与该地饮食习惯有关。循环系统的发病人数性别构成中,男女比例为1.26:1,男性占比55.84%,女性占比44.16%;年龄分布呈双峰型,第一个峰值出现在4953岁,该时期属于中年衰老初显期,第二个峰值为59-70岁,发病人数高于第一个峰值,属于老年衰退加剧期。与一线城市对比发现,遵义地区发病人数的性别比例中男性偏高,年龄构成中高发人群的年龄偏小。（3）循环系统发病人数在不同的时间尺度有各自的特点。在逐日的人数变化中,2012-2014年有较明显的周期性,呈“双峰”型,但是2015-2017年,受其他因素的影响出现了线性上升的趋势。循环系统发病人数的峰值出现在夏季,高血压出现在春季,两者在在3月、5月、11月和12月就诊人数较多,均属于季节更替的月份。脑卒中和心脏病发病人数的较大值出现12月。（4）分析遵义地区循环系统在天气与气候变化时的发病风险发现,低温（日均气温-0.5℃以下）或者24h负变温时,或者相对湿度在39%60%,或者气压偏高和偏低时,对发病的影响具有即时性,且滞后性也强于高温（日均气温28℃以上）、高相对湿度对疾病的影响。低温、高湿和高压的天气条件的累积效应对疾病发病的危害最大。（5）根据就诊人数日变化规律,将2012-2014年的数据作为数据集1,2015-2017年的数据作为数据集2。多元逐步回归方法中,两个数据集中大部分样本中预测值都比实际值偏大。数据集1中全年预报方程的回代效果最优,夏季次之,回代准确率分别为63.1%和61.4%;数据集2中,夏季预报方程的试预报效果最优,春季预报方程次之,预测准确率分别为89.2%和79.1%,全年预报方程的预测准确率为70.4%。BP神经网络建立的预报模型中,使用随机方式选取训练集和按时间序列选取训练集,数据集1的预测准确率为60.07%和74.19%,数据集2的预测准确率为64.86%和78.75%;数据集2的预测效果更好,且按时间序列选取训练集的方式更有助于模型准确率的提高。从数据集2的全年预报方程来看,BP神经网络模型比多元逐步线性回归模型的效果更优。（6）基于以上研究,本文设计构建了遵义市气象敏感性疾病风险预报系统。该系统对气象、环境、人口健康数据进行有效的整合,便于分析遵义地区的气候、环境的周期、趋势和突变特征,以及人群患病率、病死率和疾病构成,再建立优选不同的气象敏感性疾病风险预报模型应用到疾病风险预报服务中,并且通过四级预警体系发布服务。该系统的构建拓展了气象服务范围,提高了医疗服务的深度,是对二者的有机结合,也对未来其他城市开展医疗气象预报服务有重要的指导意义。
蒋雨荷[5]（2019）在《贵州黔东南地区锦屏县呼吸系统疾病与气象要素的关系及预测方法》文中指出面对气候异常变化、“健康中国2030”战略目标实现的重大需求和应对人口老龄化社会的现实,气象医学作为预防医学新兴的交叉学科应运而生,其所关注的是“因天气和气候的异常变化而诱发或加重的气象敏感性疾病”。本文以贵州省黔东南苗族侗族自治州锦屏县为研究目标区域,主要利用锦屏县2016-2017年新农合门诊医疗补偿数据、1979-2017年的常规气象观测资料对锦屏县呼吸系统疾病发病特征、气候变化特征、气象因子对呼吸系统疾病的响应关系以及气象敏感性疾病预测方程等方面展开研究,所得结论如下:1.通过分析锦屏县2016-2017年的新农合医保数据可知:呼吸系统疾病是锦屏县发病人数最多的一类疾病,其中≥65岁的就诊人数是全年龄段中占比最大的一类人群。冬春季节是锦屏县呼吸系统疾病的高发时段,夏季为低发时段。年内变化时间序列呈现明显的“两头高、中间低”的趋势。分析其与24节气的关系可以看出:呼吸系统疾病发病人数与气温呈现显着的负相关关系。呼吸系统疾病发病的第一高峰出现在寒露到立冬时节,这个时段降温明显,可以在这个时段加强疾病预防的提醒。发病人数的次高峰出现在惊蛰到清明的时段。发病人数的低值区域出现在立夏到处暑期间,表明此时段的气象条件对疾病有一定的康养效应。此外,春分与秋分时节也分别出现两个发病人数的小高峰,主要是由于这两个时节昼夜时间相等,温差在一年中相对较大,从而导致发病人数突增。2.通过分析锦屏县48年的气候特征可以看出:锦屏县整体潮湿程度呈现增加的趋势,气温上升,高温高湿的趋势愈加明显。各个气象要素与呼吸系统疾病呈现出不同程度的相关性:气压、相对湿度对呼吸系统疾病的作用呈现不同程度的正相关,气温、风速、日较差呈现不同程度的负相关。气温与呼吸系统疾病发病人数呈现明显的冷滞后与热及时效应,相对湿度表现为高湿及时效应,24h平均变温和最低气温变温存在明显的冷效应。24h最高气温变温存在明显的冷效应和热效应。48h平均温差和最高温差存在明显的冷滞后与热及时效应。而48h最低温差存在明显的冷效应。3.比较多元逐步回归和基于广义相加模型的时间序列预测模型的方法建立呼吸系统疾病发病人数的预报方程可以看出:时间序列预测模型的准确率相对较高,并且全年的准确率要大于四季的准确率。多元逐步回归模型中,全年的准确率要高于春秋冬季,夏季的相关性最弱,故没有建立方程。考虑到业务化的应用,选用多元逐步回归的方法更具有实用性。根据之前的研究结论,建立气象数据与医疗数据的数据库与气象敏感性疾病的预报系统,以提高锦屏县气象敏感性疾病发病人数预报的自动化程度,提高研究成果的实用性,能够更好的为该地区气象资料、医疗数据查询与疾病预防、发病风险预报等提供服务。
谭玉龙[6]（2019）在《中国东西部不同地区气象要素对心脑血管疾病的影响及其预测》文中研究表明随着心脑血管疾病患病率持续走高及其造成的疾病经济负担持续增加,基于“治未病”、“防患于未然”的中国传统医学哲学思想和《“健康中国2030”规划纲要》,针对气象要素对处在不同气候类型的地区和不同人群之间心脑血管疾病影响的风险评估及其相关预测较少涉及的现状,本文以安徽省阜阳市阜南县和贵州省黔东南州锦屏县为研究目标区域,利用两地20152016年气象台地面观测数据和医疗信息化建设完成后的住院病例数据,剖析了研究时段内气象要素和因心脑血管疾病住院的不同人群变化趋势,同时也对因心脑血管疾病住院的不同人群对气象要素的响应及心脑血管疾病住院人数的时间序列预测进行研究,得出以下结论:（1）研究时段两县平均温度和住院人数均呈上升趋势。从心脑血管疾病住院人数的时间变化来看,3月在全年中最多;从季节变化上看,春季是一年四季中最多的。从人群分组分析,中年组3月住院人数均为最多;老年组和中年组占总病例数均超过90%且老年组病例数多于中年组,表明心脑血管疾病患病主体以老年人和中年人为主;两县老年组全年各月各季节女性住院数均多于男性。（2）两县心脑血管疾病对平均温度的响应不一致:阜南县在5℃、27℃累积滞后风险达到峰值,呈现双峰响应的特点;而锦屏县仅在6℃累积滞后风险达到峰值,呈现单峰响应的特点,表明锦屏县夏季适宜避暑康养。（3）剧烈的温度变化（包括24小时大幅降温和较大的昼夜温差）均会导致两县心脑血管疾病相对风险增加,同时存在一定的滞后效应。两县中年组对昼夜温差响应均最大,锦屏县≥65岁的老年人和阜南县男性对24小时大幅降温响应最大。（4）湿度对心脑血管疾病的影响较为明确,即在高湿条件下心脑血管疾病的相对风险相较处于干燥环境下会增加,但湿度对其影响存在滞后效应。（5）求和滑动平均自回归（ARIMA）对峰值的拟合相比多元回归较为精确,对阜南县心脑血管疾病住院数回代和预报的准确率均大于84%,Pearson相关系数0.60,且其短期预报趋势较为符合实际,在基础数据和新数据不断结合并产生短期预报的迭代过程中预测准确率会不断提高,从而助推医疗资源合理配置和管理,具有推广应用的潜力。
赵笑颜[7]（2018）在《气象要素对农村地区呼吸和循环系统疾病影响及干预方案研究与效果评估》文中研究表明随着气候异常变化的加剧,其对人类健康的影响越来越受到关注。天气与气候的异常变化会诱发或加重某些疾病（如呼吸系统疾病和循环系统疾病等）,此类疾病称为气象敏感性疾病。IPCC第五次报告指出,威胁人类健康的疾病已经从传染病转为慢性病与创伤。特别是在我国农村地区,近些年疾病谱发生显着的变化,呼吸系统和循环系统疾病是主要的两大高发疾病,患病率增长速度远高于城市。虽然以往对这两大系统与气象环境关系研究较多见,但均针对城市地区。而城市地区居民的饮食行为习惯、经济状况与所处的气象环境条件与农村地区有较大的差别,城市地区的研究结果直接作为农村地区疾病预防的依据针对性不足;同时以往研究均是气象要素对整体人群的影响分析,但是较少有针对发病风险大的年龄段做深入、细致研究。此外以往对于气象敏感性疾病的研究都停留在流行病学分析与发病机理的实验探讨,没有真正的将研究结果用于疾病的预防干预。而阜南县作为我国农村地区医联体示范县,把疾病的预防作为医疗改革重点,突破传统的预防干预方式,首次将气象敏感性疾病预防干预纳入医疗改革工作的组成部分,为本项研究提供预防干预试验基地。基于此,本文运用阜南县相关医疗机构全部住院数据,分析该地区疾病谱,发现该地区高发的两大系统疾病为呼吸系统疾病与循环系统疾病。然后运用广义相加模型及非线性分布滞后模型探析气象要素对农村地区两大系统疾病的影响,进一步分析气象要素对两系统脆弱人群的影响,并找到一个综合性指标—舒适度指数,探究温度与湿度综合作用在不同季节对两系统疾病的影响,做出疾病发病风险等级图。最后根据前期的研究结果,与当地政府管理部门合作,将研究与实践相结合,制定一套针对农村地区的两系统疾病干预方案,运用Elman神经网络算法模型构建该地区气象敏感性疾病预报系统,评估干预方案效果,将研究成果切实,有效可行地运用到农村地区疾病预防和干预中,为疾病预防和干预提供新思路及理论和技术支持。主要成果如下:1.阜南地区疾病谱特征及其脆弱人群分析（1）本研究发现该农村地区人群中患病率高的前五位系统分别是:循环系统、呼吸系统、消化系统、骨科系统和泌尿系统疾病,循环系统（32.45%）及呼吸系统（12.96%）占总患病率的45.41%,两系统疾病占比远高于城市地区的同类疾病。（2）呼吸系统疾病高发人群为3岁以下婴幼儿及60岁以上老年的脆弱人群,4555岁也是个发病的小高峰,男性住院人数大于女性;循环系统疾病的高发人群集中在60岁以上,女性高于男性。从疾病变化趋势看,循环系统疾病的增长速率显着高于呼吸系统。2.阜南地区气象要素对全人群呼吸与循环系统疾病影响的关联性分析（1）研究气象要素对农村地区呼吸系统疾病的影响发现:农村地区呼吸系统疾病更易受低温影响,当温度较低时呼吸系统疾病明显高发。由于没有热岛效应,高温对其影响不显着,因此低温是呼吸系统疾病的重点预防的气象要素。在48小时变温的研究中发现温度升高时是疾病发生的危险因素,且具有即时性。而湿度单独作用主要体现在低相对湿度的条件下,滞后24天为诱发该系统疾病高发的时间段。（2）气象要素对农村地区循环系统疾病的影响研究发现:由于农村地区取暖条件比城市差,日平均气温对循环系统的影响主要体现低温效应,温度在–5至5℃之间,滞后36天时,低温效应明显,呈高诱发因素。而高温也会引起疾病多发,但由于农村相对于城市高温强度减弱,其诱发效应也相应较弱。在变温对循环系统疾病影响的研究中发现无论是气温日较差还是24和48小时变温均表现在温度变化较大时（冬末初春）会增加循环系统疾病发病风险。相对湿度对其影响主要表现在当相对湿度低于45或是相对湿度高于80时为高诱发因素,无滞后效应,有一定的累积效应。3.阜南地区气象要素对脆弱人群呼吸与循环系统疾病影响的关联性分析（1）气象要素对脆弱人群呼吸系统的影响研究发现:对于3岁以下婴幼儿,日平均气温–5℃到5℃为高诱发温度区间,基本无滞后现象,作用效应可持续十天以上,低温的累积效应对婴幼儿影响比整体人群持续时间长;同时研究发现:高温对婴幼儿相对风险大于整体人群,相同温度下发病风险比整体人群高5%。同时变温对于婴幼儿风险高于整体人群,相对湿度较高时易发病。当温度变化较大,特别是突然增高的条件下,应更加注重预防。60岁以上老年人整体研究结果与3岁以下婴幼儿相似,但低温的诱发效应滞后35天,变温体现在温度升高,,易发病,同时相对湿度较低时易发病。（2）气象要素对脆弱人群循环系统的影响研究发现:该地区气象要素异常变化易对60岁以上人群诱发循环系统疾病,疾病诱发主要体现为低温效应;与整体人群相比,相同低温条件下60岁以上老年人发病风险高1%。气温日较差、24及48小时变温均体现在温度变化较大时疾病高发,相同变温幅度下60岁以上老年人循环系统疾病的发病风险比整体人群高,变温累积效应的影响更强。4.舒适度指数在不同季节与呼吸和循环系统疾病的关系前期研究发现该地区主要影响疾病发生的气象因素为温度与湿度,因此选取舒适度指数是一个比温度、湿度等单独作用更全面的气象指标,能更好的展现其与两系统疾病的关系。研究发现与城市地区不同,低舒适度指数（冷效应）是主要诱发呼吸系统和循环系统两类疾病高发,而不同季节诱发两系统疾病发病的舒适度指数与滞后天数区别较大。通过舒适度指数研究温度与湿度综合作用对两系统疾病风险时发现,当日相对湿度较低时,每日最高温度是影响两系统发病的主要因素;当日相对湿度较高时,每日最高温度及相对湿度都会对两系统疾病产生影响。5.阜南地区气象敏感性疾病预测系统构建运用多元回归模型,BP神经网络模型和Elman神经网络的机器学习方法对该地区呼吸系统和循环系统疾病发病进行预测,结果发现Elman神经网络对于时间序列的预测效果更好。因此,运用Elman神经网络的机器学习方法对该地区疾病发病做预测,并采用此预测模型构建阜南地区气象敏感性疾病预测系统,为当地疾病预防提供技术支持。6.阜南地区呼吸与循环系统疾病预防、干预方案设计及其效果评估本人作为团队骨干成员与当地政府合作设计两系统疾病预防干预方案,该方案于2016年开始在阜南地区7个乡镇实施,设立为干预组,与另外7个乡镇形成对照,研究发现,农村地区针对呼吸系统与循环系统干预取得良好的效果。对比对照组,干预组在2016年呼吸系统住院人数和疾病负担分别降低31.27%和35.47%,循环系统住院人数和疾病负担分别降低9.54%和9.39%。此效果评估表明,该干预方案及气象敏感性疾病预测系统在农村地区具有良好的使用价值预防效果,通过进一步修改和完善,可进行推广应用。
贾俊妹[8]（2017）在《石家庄地区三种天气敏感性疾病的医疗气象预报》文中进行了进一步梳理在气候变化的背景下,极端天气事件频发,且对人体健康的影响愈加显着,表现为通过直接或间接途径引起、诱发或加剧相关疾病。流行病学及统计学的许多研究表明,在许多由极端天气,如高温热浪、重污染等引发的健康事件中,心脑血管疾病和呼吸系统疾病的发生及死亡占据了很大一部分比例。近年来,国内外很多学者统计分析了呼吸系统疾病和心脑血管疾病的发病特征,发现很多种疾病的发病存在一定的季节性变化规律,且和某些气象要素有显着的相关性。在对同一种疾病细分病种后进行分析,发现同一种疾病的不同病种之间还可能存在不一样的季节性分布规律。所以,研究呼吸道和心脑血管等疾病与天气气候之间的关系,探索天气条件和气候变化对人体机能和身体健康影响的预报预测方法和有关技术研究,建立气象条件对人群健康的风险预报预警模型,对疾病的预防和治疗有重要的现实意义。本文使用石家庄站1961-2013年的逐日气象资料,分析了石家庄地区的气候特征,主要是气温的变化趋势。运用石家庄市某三甲医院的慢性肺阻、冠心病和脑梗塞疾病住院资料,分析了慢性肺阻、冠心病以及脑梗发病与气象因子之间的相关性,并针对这三种常见的气象疾病的发病趋势,建立了分季节的预测模型,并开发了健康气象预报系统。主要结论如下:1、石家庄地区近53年平均气温变化总体呈上升趋势,20世纪80年代后至今上升趋势明显。年平均最高气温、最低气温也在波动中呈现上升趋势,尤其年平均最低气温,平均增温率为0.594℃/10a,增温趋势显着。四季平均气温中冬季上升趋势最明显。2、慢性肺阻等呼吸疾病发病有明显的季节特征,秋冬季高,春季次之,夏季最少。不同季节,不同气象因素对COPD发病起着综合影响。24小时变温、最低气温和气温日较差是影响发病的三个主要气温指标。秋冬季节,变温小时大气稳定,空气污染是主要因素;春季天气回暖,温差增大,平均日温差为10.0℃,另外春季细菌活性开始增强,是导致发病的主要因素;夏季天气炎热,平均气压991.7hPa,高温、低压导致疾病复发。分季节建立的COPD发病预测模型,为疾病预测和减少该病的发生及其预报预警提供参考。此外,成人慢性肺阻病人男性占56.4%,多于女性;60岁以上的老年患者占51.2%,略多于中青年患者。因此,中老年人是预防该疾病的重点。3、冠心病发病人数存在月、季变化特征,6-8月最少,3月、10-11月最多。夏季最少,秋季最多,冬春季比平均值也略偏高。冠心病发病人数与风速变化、气压正相关,与水汽压、平均气温、平均最高气温、平均最低气温负相关。春夏过渡期,气温逐渐升高,发病人数随之呈现下降趋势,夏季气温最高,对应发病人数也最少,夏、秋交替,气温逐渐降低,发病人数又有所增加。冠心病就诊人数与风速、气压为正响应机制,发病人数整体呈现随着风速和气压增加而增加、反之降低的趋势。利用水汽压和风速变化因子建立冠心病日发病人数预报模型,经过检验,模型预报准确率为77%,预报结果基本反应了实际就诊人数的变化趋势。4、脑梗塞发病人数存在月、季变化特征,冬季明显偏少,其他3季基本相同。夏季脑梗塞发病人数只与气压显着正相关,春秋冬三季脑梗塞发病人数与相对湿度及其变化、平均气温、平均最高气温、平均最低气温显着正相关,与气压显着负相关。在此基础上,运用SPSS软件的回归分析,建立了脑梗塞夏季预报模型和春秋冬季预报模型。经过检验,夏季预报准确率为82%;冬季准确率为76%,基本反应了实际就诊人数的变化趋势。5、研发了健康气象预报系统,实现了业务化应用。
高欣,李婧婧[9]（2016）在《气象与疾病预控》文中进行了进一步梳理当今人类的生存环境变得日益恶劣,气候变化和频繁的灾害性天气不仅会影响人类的生产、生活,而且与人们的健康息息相关,使得大气环境对人类健康产生的影响也受到了更多的关注。不良的气象条件会造成健康人的不适反应和气象敏感人群某些疾病的发生,特别是一些特殊天气（或极端天气）往往会降低人体对疾病的抵御能力。但我国在这些领域的研究与国际水平仍有一定差距。本文主要对于天气变化引起的不同人群不同疾病预控方面提出几点建议,将气象服务由原来的观云测雨,现在的耕耘播雨,发展为未来的遮风挡雨。
翟广宇[10]（2015）在《基于大数据的医学气象服务方法与技术研究》文中提出随着信息技术不断的发展,医学及气象领域中产生的大量数据不断积累下来,与此同时,新的数据还在继续不断地产生,呈现出明显的大数据特征,这无疑为医学气象学这一新兴交叉学科的发展奠定了重要的数据基础,为深入研究天气气候变化对人类健康的影响注入了动力与活力。为此,本文旨在将大数据的理念引入至医学气象服务中来,探索大数据时代下的医学气象服务框架,研究大数据的方法与技术在医学气象服务中的应用,以利于推动医学气象学的快速发展。本文首先尝试建立了基于大数据的医学气象服务框架,该框架总体分为四层,从下到上依次为:数据源层、整合层、大数据平台层和应用层,可为基于大数据的医学气象服务提供了从数据的获取、存储、预处理、预报模型的建立及应用等一系列应用需求的解决方案。其次,针对医学气象数据的特点提出了基于大数据的数据存储模型,该模型利用分布式及网页爬取等先进技术,能够获取不同存储地点的结构化与非结构化的医学、气象及空气污染监测数据;该存储模型中还构建了医学气象数据仓库,将获取的相关数据进行及时质控与存储。同时本文还以兰州市某三甲医院的医学数据及相应的气象、空气污染指数数据为基础,进行了数据仓库实例的建设试验。再次,我们通过比较现有数据预处理技术的基础上,针对医学气象的大数据特点进行了数据的变换和预报因子的特征选择,结果表明:在没有进行数据分级处理（数据变换）时,对于高血压、上呼吸道感染及糖尿病病情变化就诊的人数预报的准确率分别为:4.20%、2.91%和2.70%,经过数据预处理后预报的准确率上升为为:25.50%、41.50%和19.50%,显然,预报准确性得到了明显的提高;再经过特征选择的优选预处理后,上述三种疾病的气象预报因子由进行特征选择之前的31个分别减少至9、10和10个,在同一服务器上三种疾病的预报建模（BP神经网络）时间由未进行处理前的19.45s、27.05s和31.04s,分别减少为:11.20s、20.38s和6.39s。由此可见,经过上述有针对性的医学气象大数据的科学预处理,从预报的准确性及建模时间上都有大幅的提高。此外,针对基于大数据的医学气象服务预报模型构建的现实需求,通过比较了已经在医学气象服务预报中使用的各种预报模型算法的优缺点,研究提出了大数据时代下,医学气象服务预报模型构建的一种新方法---基于遗传非线性规划的支持向量回归算法,并利用已存储的相关数据进行了检验,结果表明:（1）该算法的预报准确性比已使用的其它算法有大幅的提高,以高血压、上呼吸道感染及糖尿病病情变化就诊人数的预报为例,预报的准确率分别达到:75.50%、98.75和62.00%。（2）利用该算法进行预报模型的建立,建模时间明显优于其他算法,对于以上提出的三种疾病的建模时间分别降至为:4.57s、4.23s和3.20s。（3）该算法在应用时易于实现,本文中利用编程工具.NET2008中已有的库函数及相关技术,进行了算法的实现。其占用的存储空间较小,程序运行较快,适合于实时的医学气象预报服务业务应用。最后,本文尝试开发了医学气象预报及服务系统软件平台,除了研制开发WEB网站之外,还针对当前比较流行的移动互联网进行了开发,包括:基于Android系统、IOS系统的手机APP及微信公众号的开发。该软件平台不仅通过友好的界面可将医学气象预报结果以多种形式展现到使用者面前,还能够对用户进行定位,将其所在地的气象与环境信息及防病知识进行推送,及时提醒用户进行有效防护。此软件平台具有大数据时代的特征,对于相关疾病患者群体有较好的预警效能,目前已开始试用并显示出了良好的服务效果。
二、医疗气象预报系统简介（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、医疗气象预报系统简介（论文提纲范文）
（1）基于WRF的未来（2050s）城市气候预测及适应性规划策略（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 气候变化趋势 |
| 1.1.2 城市热岛效应 |
| 1.1.3 大连城市现状及气候特征 |
| 1.1.4 大连未来城市发展与气候变暖 |
| 1.2 国内外研究现状及发展动态分析 |
| 1.2.1 城市发展与城市气候 |
| 1.2.2 城市高温热浪风险 |
| 1.2.3 全球尺度气候模拟 |
| 1.2.4 区域尺度气候模拟 |
| 1.2.5 城市气候风险应对策略 |
| 1.3 研究目的和意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究意义 |
| 1.3.3 创新点 |
| 1.4 研究方法及技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 研究技术路线 |
| 1.5 本章小结 |
| 2 城市气候数值模拟方法 |
| 2.1 模拟资源 |
| 2.2 研究过程 |
| 2.3 模型设置 |
| 2.4 边界条件 |
| 2.4.1 地形和土地利用数据 |
| 2.4.2 气象数据 |
| 2.4.3 物理方案 |
| 2.4.4 城市形态参数和人为热 |
| 2.5 WRF数值模拟结果的验证 |
| 2.5.1 数据来源与处理 |
| 2.5.2 数据结果分析 |
| 2.6 本章小结 |
| 3 城市气候数值模拟结果分析 |
| 3.1 数值模拟结果处理 |
| 3.2 温度场数值提取分析 |
| 3.2.1 典型月平均温度空间分布特征 |
| 3.2.2 典型月平均温度增长趋势 |
| 3.2.3 典型月平均温度均值与极值分析 |
| 3.3 未来高温热浪风险评估 |
| 3.3.1 高温热浪灾害日数 |
| 3.3.2 暴露度空间分布图 |
| 3.4 本章小结 |
| 4 基于城市热浪风险的规划应对策略 |
| 4.1 城市规划应对热浪风险措施 |
| 4.2 城市设计应对热浪风险措施 |
| 4.2.1 主城区适应性规划设计策略 |
| 4.2.2 重点区域研究范围概况 |
| 4.2.3 街道空间布局 |
| 4.2.4 建筑设计策略 |
| 4.2.5 调整下垫面材质 |
| 4.2.6 城市降温设计 |
| 4.2.7 城市遮阳设计 |
| 4.2.8 立体绿化设计 |
| 4.3 城市管理应对热浪风险措施 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 附录A 图片索引 |
| 附录B 表格索引 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（2）基于情景分析的青海农牧社区减灾能力建设研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景、问题及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究问题 |
| 1.1.3 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 社区减灾能力研究 |
| 1.2.2 情景分析法相关研究 |
| 1.2.3 情景分析在公共危机管理中应用研究 |
| 1.2.4 研究述评 |
| 1.3 研究思路、内容、技术路线 |
| 1.3.1 研究思路 |
| 1.3.2 研究内容与框架 |
| 1.3.3 技术路线 |
| 第二章 相关理论与研究设计 |
| 2.1 相关概念界定 |
| 2.1.1 灾害情景分析 |
| 2.1.2 农牧社区 |
| 2.1.3 社区减灾能力 |
| 2.2 相关理论基础 |
| 2.2.1 情景分析理论 |
| 2.2.2 危机管理理论 |
| 2.2.3 极值理论 |
| 2.2.4 复杂系统理论 |
| 2.3 研究设计 |
| 2.3.1 基于“情境—任务—能力”的农牧社区减灾能力分析框架 |
| 2.3.2 研究方法 |
| 第三章 基于致灾因子分析的青海农牧社区典型灾害识别 |
| 3.1 农牧社区孕灾环境分析 |
| 3.1.1 农牧社区自然环境 |
| 3.1.2 农牧区社会经济状况 |
| 3.2 农牧社区致灾因子分析 |
| 3.2.1 气象致灾因子 |
| 3.2.2 地质致灾因子 |
| 3.2.3 生物致灾因子 |
| 3.3 农牧社区灾害脆弱性分析 |
| 3.3.1 农牧社区灾害脆弱性表现 |
| 3.3.2 农牧社区灾害脆弱性 |
| 3.3.3 农牧社区灾情分析 |
| 3.3.4 农牧社区典型灾害识别 |
| 3.4 小结 |
| 第四章 基于情景分析的青海农牧社区典型灾害情景构建 |
| 4.1 农牧社区的雪灾情况 |
| 4.1.1 雪灾的成因及影响 |
| 4.1.2 近年来青海雪灾事件 |
| 4.1.3 雪灾区域选择 |
| 4.2 农牧社区特大雪灾情景构建 |
| 4.2.1 农牧社区雪灾情景构建的参数分析 |
| 4.2.2 基于极值理论的关键情景参数选择 |
| 4.2.3 .农牧社区雪灾情景描述 |
| 4.2.4 雪灾演化过程分析 |
| 4.3 小结 |
| 第五章 基于灾害情景的青海农牧社区减灾任务与能力分析 |
| 5.1 农牧社区多元减灾主体 |
| 5.1.1 政府组织 |
| 5.1.2 社区组织 |
| 5.1.3 居民个体 |
| 5.1.4 社会力量 |
| 5.2 基于雪灾情景的农牧社区雪灾减灾任务分析 |
| 5.2.1 基于公共危机管理过程的社区常规减灾任务 |
| 5.2.2 农牧社区雪灾常规减灾任务识别 |
| 5.2.3 雪灾情景下的农牧社区雪灾减灾任务 |
| 5.2.4 基层政府雪灾减灾任务归属 |
| 5.3 基于任务的农牧社区雪灾减灾能力分析 |
| 5.3.1 农牧社区雪灾常规减灾能力分析 |
| 5.3.2 农牧社区雪灾减灾能力评估方案设计 |
| 5.3.3 农牧社区雪灾减灾能力评估模型 |
| 5.3.4 农牧社区雪灾能力矩阵分析 |
| 5.3.5 农牧社区雪灾减灾能力实践分析 |
| 5.4 小结 |
| 第六章 面向能力构建的青海农牧社区减灾对策 |
| 6.1 规则准备:提升制度运行能力 |
| 6.2 组织准备:提升应对协调联动能力 |
| 6.3 资源准备:提升持续保障能力 |
| 6.4 知识准备:激发农牧社区减灾动力 |
| 6.5 行动规划:增强行动执行能力 |
| 6.6 小结 |
| 第七章 结论与展望 |
| 7.1 研究结论和学术贡献 |
| 7.1.1 研究结论 |
| 7.1.2 学术贡献 |
| 7.2 研究不足和研究展望 |
| 7.2.1 研究不足 |
| 7.2.2 研究展望 |
| 参考文献 |
| 博士期间研究成果 |
| 致谢 |
| 附录1 第一轮德尔菲法专家咨询表 |
| 附录2 第二轮德尔菲法专家咨询表 |
| 附录3 第三轮德尔菲法专家咨询表 |
| 附录4 青海省农牧社区雪灾减灾能力评估 |
| 附录5 |
| 附录6 青海农牧区雪灾减灾能力现状调查问卷 |
| 附录7 青海农牧社区雪灾减灾能力公众评判 |
（4）遵义地区循环系统疾病对天气与气候变化的响应及预测应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 研究目的和内容 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 第二章 资料与方法 |
| 2.1 研究区域 |
| 2.2 资料来源 |
| 2.2.1 气象资料 |
| 2.2.2 疾病资料 |
| 2.3 研究方法 |
| 2.3.1 数据标准化 |
| 2.3.2 Spearman相关分析 |
| 2.3.3 基于黄金分割法的舒适度指数计算 |
| 2.3.4 相对危险度 |
| 2.3.5 分布滞后非线性模型和广义相加模型 |
| 2.3.6 多元回归分析 |
| 2.3.7 BP神经网络 |
| 第三章 遵义地区气候与舒适度变化特征 |
| 3.1 50 年来气象要素距平分析 |
| 3.2 遵义地区舒适度变化特征 |
| 3.3 本章小结 |
| 第四章 遵义地区循环系统疾病发病特征 |
| 4.1 遵义地区循环系统疾病谱和年龄、性别构成 |
| 4.2 遵义地区循环系统、高血压、脑卒中、心脏病发病特征 |
| 4.3 循环系统发病人数的时间分布特征 |
| 4.4 本章小结 |
| 第五章 遵义地区循环系统发病对气象要素的响应 |
| 5.1 日平均气温对循环系统发病的影响 |
| 5.2 24h 变温对循环系统疾病发病的影响 |
| 5.3 相对湿度对循环系统疾病发病的影响 |
| 5.4 日平均气压对循环系统疾病发病的影响 |
| 5.5 本章小结 |
| 第六章 遵义地区循环系统疾病预测模型的建立和预报应用 |
| 6.1 多元逐步回归模型 |
| 6.2 基于BP神经网络的预测模型 |
| 6.3 遵义气象敏感性疾病风险预报系统的设计与预报服务开展 |
| 6.4 本章小结 |
| 第七章 总结与讨论 |
| 7.1 总结 |
| 7.2 本文特色与创新点 |
| 7.3 讨论与展望 |
| 参考文献 |
| 作者在读期间科研成果简介 |
| 致谢 |
（5）贵州黔东南地区锦屏县呼吸系统疾病与气象要素的关系及预测方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 气温对呼吸系统疾病影响的研究现状 |
| 1.2.2 相对湿度对呼吸系统疾病的影响 |
| 1.3 研究目标与内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 第二章 研究方案 |
| 2.1 研究区域概况 |
| 2.2 资料来源与方法 |
| 2.2.1 气象要素观测资料 |
| 2.2.2 呼吸系统疾病资料 |
| 2.2.3 研究方法 |
| 2.3 统计软件 |
| 第三章 锦屏县近48年(1970-2017)基本气候特征 |
| 3.1 平均气温的基本变化特征 |
| 3.1.1 平均气温的年际变化特征 |
| 3.1.2 平均气温的年变化特征 |
| 3.1.3 平均气温的季节变化特征 |
| 3.2 锦屏县近48年(1970-2017)相对湿度基本特征 |
| 3.2.1 相对湿度年际变化特征 |
| 3.2.2 相对湿度的年内变化特征 |
| 3.2.3 相对湿度的季节变化特征 |
| 3.3 锦屏县近48年降水量基本特征 |
| 3.3.1 降水量的年际变化特征 |
| 3.3.2 降水量的年内变化特征 |
| 3.4 锦屏县比湿变化基本特征 |
| 3.5 小结与讨论 |
| 第四章 锦屏县 2016-2017 年呼吸系统疾病分布特征及其与主要气象要素的相关性 |
| 4.1 呼吸系统疾病的一般分布特征 |
| 4.2 呼吸系统疾病的季节分布特征 |
| 4.3 呼吸系统疾病与24节气的分布关系 |
| 4.4 呼吸系统疾病与主要气象因素的相关性分析 |
| 4.4.1 呼吸系统疾病与平均气象要素的关系 |
| 4.4.2 呼吸系统疾病与累积变气象要素之间的关系 |
| 4.4.3 呼吸系统疾病就诊人数与各季节气象要素的相关性 |
| 4.5 小结与讨论 |
| 第五章 气温对呼吸系统疾病的影响 |
| 5.1 平均气温对呼吸系统疾病的影响 |
| 5.2 最低气温对呼吸系统疾病的影响 |
| 5.3 最高气温对呼吸系统疾病的影响 |
| 5.4 当日最高、最低温差对呼吸系统疾病的影响 |
| 5.5 24h、48h变温对呼吸系统疾病的影响 |
| 5.6 小结与讨论 |
| 第六章 相对湿度对呼吸系统疾病的影响 |
| 6.1 平均相对湿度对呼吸系统疾病的影响 |
| 6.2 最小相对湿度对呼吸系统疾病的影响 |
| 6.3 小结与讨论 |
| 第七章 基于气象条件的呼吸系统疾病预报模型研究 |
| 7.1 多元逐步回归 |
| 7.1.1 总呼吸系统疾病多元逐步回归模型 |
| 7.1.2 春季多元回归方程 |
| 7.1.3 秋季多元回归方程 |
| 7.1.4 冬季多元回归方程 |
| 7.2 呼吸系统疾病的时间序列预测模型 |
| 7.3 预测系统展示 |
| 7.4 本章小结 |
| 第八章 结论与展望 |
| 8.1 结论 |
| 8.1.1 锦屏县呼吸系统疾病发病特征分析 |
| 8.1.2 锦屏县气候变化及其与疾病的关系分析 |
| 8.1.3 锦屏县气象敏感性疾病预报模型研究 |
| 8.2 本文特色与创新点 |
| 8.3 讨论与展望 |
| 参考文献 |
| 作者在读期间研究成果简介 |
| 致谢 |
（6）中国东西部不同地区气象要素对心脑血管疾病的影响及其预测（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究目的和意义 |
| 1.2 国内外研究进展 |
| 1.2.1 气象与人体各系统疾病研究进展 |
| 1.2.2 气象因子与心脑血管发病关系研究进展 |
| 1.2.3 国内外医疗气象业务成果简介 |
| 1.3 本文研究的目标和内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容简介 |
| 第二章 数据与方法 |
| 2.1 研究区域地理概况 |
| 2.2 医疗数据资料 |
| 2.3 气象数据资料 |
| 2.4 研究方法介绍 |
| 2.4.1 相对风险 |
| 2.4.2 分布滞后非线性模型 |
| 2.4.3 广义线性模型 |
| 2.4.4 Spearman相关分析 |
| 2.4.5 多元逐步回归 |
| 2.4.6 求和滑动平均自回归过程 |
| 2.4.7 人群亚组划分 |
| 2.4.8 模型预测准确率 |
| 第三章 心脑血管疾病住院数变化特征与气象要素统计分析 |
| 3.1 阜南县气象要素分析及其描述性统计 |
| 3.2 阜南县心脑血管疾病住院数变化分析及其描述性统计 |
| 3.3 锦屏县气象要素分析及其描述性统计 |
| 3.4 锦屏县心脑血管疾病住院数变化分析及其描述性统计 |
| 3.5 小结 |
| 第四章 阜南县气象要素与心脑血管疾病的人群分析和关系研究 |
| 4.1 气象因子与心脑血管疾病的相关性分析 |
| 4.2 气象因子对心脑血管疾病人群的影响及其滞后性分析 |
| 4.2.1 心脑血管疾病对平均气温的响应 |
| 4.2.2 心脑血管疾病对相对湿度的响应 |
| 4.2.3 心脑血管疾病对气温日较差的响应 |
| 4.2.4 心脑血管疾病对24小时变温的响应 |
| 4.3 小结 |
| 第五章 锦屏县气象要素与心脑血管疾病的人群分析和关系研究 |
| 5.1、气象因子与心脑血管疾病的相关性分析 |
| 5.2、气象因子对心脑血管疾病人群的影响及其滞后性分析 |
| 5.2.1 心脑血管疾病对气温的响应 |
| 5.2.2 心脑血管疾病对相对湿度的响应 |
| 5.2.3 心脑血管疾病对气温日较差的响应 |
| 5.2.4 心脑血管疾病对24小时变温的响应 |
| 5.3 小结 |
| 第六章 心脑血管疾病住院人数的时间序列预测 |
| 6.1 阜南县心脑血管疾病住院人数预测 |
| 6.1.1 多元逐步回归后退法 |
| 6.1.2 求和滑动平均自回归过程 |
| 6.1.3 阜南县预报方程评估及预测 |
| 6.1.4 小结 |
| 6.2 锦屏县心脑血管疾病住院人数预测 |
| 6.2.1 多元逐步回归后退法 |
| 6.2.2 求和滑动平均自回归过程 |
| 6.2.3 锦屏县预报方程评估 |
| 6.2.4 小结 |
| 第七章 结论与展望 |
| 7.1 全文总结 |
| 7.1.1 气候变化特征和心脑血管疾病住院数变化特征分析 |
| 7.1.2 气象要素对心脑血管疾病的影响分析 |
| 7.1.3 心脑血管疾病的预报模型 |
| 7.2 本文特色与创新点 |
| 7.3 讨论与展望 |
| 参考文献 |
| 附录 |
| 作者在读期间科研成果简介 |
| 致谢 |
（7）气象要素对农村地区呼吸和循环系统疾病影响及干预方案研究与效果评估（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 温度对呼吸系统及循环系统疾病的影响 |
| 1.2.2 相对湿度对呼吸系统及循环系统疾病的影响 |
| 1.2.3 气压对呼吸系统及循环系统疾病的影响 |
| 1.2.4 风速对呼吸系统及循环系统疾病的影响 |
| 1.2.5 研究中存在的问题 |
| 1.3 本文研究目的及内容 |
| 第二章 资料与方法 |
| 2.1 研究区概况简介 |
| 2.2 资料来源 |
| 2.2.1 疾病资料 |
| 2.2.2 气象资料 |
| 2.3 研究方法 |
| 2.3.1 流行病学 |
| 2.3.2 广义相加模型 |
| 2.3.3 分布滞后非线性模型 |
| 2.3.4 多元线性逐步回归模型 |
| 2.3.5 BP神经网络模型 |
| 2.3.6 Elman神经网络模型 |
| 2.3.7 软件应用 |
| 2.4 质量控制 |
| 第三章 阜南县疾病特征分析与近六十年气候特点 |
| 3.1 呼吸系统及循环系统疾病的特征分析 |
| 3.1.1 阜南县疾病谱排序 |
| 3.1.2 呼吸系统及循环系统发病的描述性特征 |
| 3.1.3 呼吸系统及循环系统年龄分布特征 |
| 3.1.4 呼吸系统及循环系统疾病变化趋势 |
| 3.1.5 呼吸系统及循环系统疾病节气分布图 |
| 3.2 近60年阜南县气象要素的基本特点 |
| 3.2.1 近60年阜南县气象要素的基本特点 |
| 3.2.2 近60年阜南县相对湿度的基本特点 |
| 3.2.3 近60年阜南县大气压强的基本特点 |
| 3.2.4 近60年阜南县平均风速的基本特点 |
| 3.2.5 近60年阜南县平均降水量的基本特点 |
| 3.3 本章小结与讨论 |
| 第四章 气象要素对呼吸系统和循环系统疾病的影响 |
| 4.1 气象要素与呼吸系统和循环系统疾病的关系 |
| 4.2 温度变化对呼吸系统和循环系统疾病的影响 |
| 4.2.1 温度变化对呼吸系统疾病的影响 |
| 4.2.2 温度变化对循环系统疾病的影响 |
| 4.3 其他气象要素对呼吸系统及循环系统疾病的影响 |
| 4.3.1 其它气象要素对呼吸系统疾病的影响 |
| 4.3.2 其它气象要素对循环系统疾病的影响 |
| 4.4 本章小结与讨论 |
| 第五章 气象要素对脆弱人群呼吸和循环系统疾病影响 |
| 5.1 气象要素与脆弱人群的呼吸系统和循环系统疾病相关性 |
| 5.2 气象要素对脆弱人群呼吸系统疾病的影响 |
| 5.2.1 温度变化对脆弱人群呼吸系统疾病的影响 |
| 5.2.2 其他气象要素对脆弱人群呼吸系统疾病的影响 |
| 5.3 气象要素脆弱人群循环系统疾病的影响 |
| 5.3.1 温度变化对脆弱人群循环系统疾病的影响 |
| 5.3.2 其他气象要素对脆弱人群循环系统疾病的影响 |
| 5.4 本章小结与讨论 |
| 第六章 不同季节舒适度指数对两系统疾病的影响 |
| 6.1 不同季节两系统及气象要素描述性特征 |
| 6.2 不同季节舒适度对呼吸系统疾病的影响 |
| 6.2.1 不同季节呼吸系统住院人数与气象要素的Spearson相关 |
| 6.2.2 舒适度指数对呼吸系统疾病的影响 |
| 6.2.4 不同季节舒适度指数对呼吸系统疾病影响 |
| 6.3 不同季节舒适度指数对循环系统疾病的影响 |
| 6.3.1 不同季节循环系统住院人数与气象要素的Spearson相关 |
| 6.3.2 舒适度指数对循环系统疾病的影响 |
| 6.3.3 不同季节舒适度指数对循环系统疾病影响 |
| 6.4 舒适度指数对两系统疾病住院人数影响的风险等级图 |
| 6.4.1 舒适度指数对呼吸系统疾病住院人数影响的风险等级图 |
| 6.4.2 舒适度指数对循环系统疾病住院人数影响的风险等级图 |
| 6.5 本章小结与讨论 |
| 第七章 气象敏感性系统构建、干预方案制定与效果评估 |
| 7.1 呼吸系统及循环系统预测模型构建优选 |
| 7.1.1 数据标准化和风险等级划分 |
| 7.1.2 呼吸系统及循环系统预测预报 |
| 7.2 阜南气象敏感性疾病预测系统研发 |
| 7.2.1 初步建立气象环境敏感性疾病数据库 |
| 7.2.2 建立气象资料数据库 |
| 7.2.3 天气敏感性疾病与气象因素相关性分析显示 |
| 7.2.4 构建天气敏感性疾病预报模型、建立预报系统、制作短、中期预报 |
| 7.2.5 疾病预报系统 |
| 7.3 农村地区气象敏感性疾病的干预方案 |
| 7.4 农村地区两系统疾病干预措施效果评估 |
| 7.5 本章小结与讨论 |
| 第八章 总结与展望 |
| 8.1 总结 |
| 8.1.1 阜南县疾病特征与气候特征分析 |
| 8.1.2 气象要素对两系统疾病影响 |
| 8.1.3 气象要素对农村地区脆弱人群两系统疾病影响 |
| 8.1.4 不同季节舒适度指数对两系统疾病影响 |
| 8.1.5 气象敏感性疾病预测系统构建、干预方案的研究及效果评估.. |
| 8.2 特色与创新点 |
| 8.3 存在的不足与展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 1、申请获得计算机软件着作权一项 |
| 2、发表学术论文 |
| 3、参与项目 |
| 致谢 |
（8）石家庄地区三种天气敏感性疾病的医疗气象预报（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究进展 |
| 1.2.1 国外的研究进展 |
| 1.2.2 国内的研究进展 |
| 1.2.3 国内外的研究方法 |
| 1.3 研究中存在的问题 |
| 1.4 本文研究内容与研究方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法与技术路线 |
| 第二章 石家庄地区气候特征 |
| 2.1 资料与方法 |
| 2.1.1 气象资料收集 |
| 2.1.2 季节划分方法 |
| 2.1.3 资料分析方法 |
| 2.2 结果与分析 |
| 2.2.1 年平均气温变化特征 |
| 2.2.2 年平均最高和年平均最低气温变化特征 |
| 2.2.3 高温日数的变化特征 |
| 2.2.4 四季平均气温变化差异 |
| 2.2.5 气温突变检验 |
| 2.3 本章小结 |
| 第三章 石家庄地区气象条件对慢性肺阻疾病的影响 |
| 3.1 对象与方法 |
| 3.1.1 对象 |
| 3.1.2 气象资料 |
| 3.1.3 环境资料 |
| 3.1.4 资料分析方法 |
| 3.2 慢性肺阻疾病发病规律特征 |
| 3.2.1 慢性肺阻疾病发生时间特征 |
| 3.2.2 慢性肺阻疾病男女比例特征 |
| 3.2.3 气象环境条件对慢性肺阻疾病相关性分析 |
| 3.2.4 气象环境条件对慢性肺阻疾病影响分析 |
| 3.2.5 气象环境条件对慢性肺阻疾病影响预测模型 |
| 3.2.6 等级划分标准及应用检验 |
| 3.3 本章小结 |
| 第四章 石家庄地区气象条件对冠心病的影响 |
| 4.1 对象与方法 |
| 4.1.1 对象 |
| 4.1.2 气象资料 |
| 4.1.3 资料分析方法 |
| 4.2 主要研究成果 |
| 4.2.1 石家庄平均气温统计及与常年对比 |
| 4.2.2 冠心病发病时间特征 |
| 4.2.3 气象环境条件对冠心病发病相关性分析 |
| 4.2.4 气象环境条件对冠心病影响预测模型 |
| 4.2.5 等级划分标准及应用检验 |
| 4.3 本章小结 |
| 第五章 石家庄地区气象条件对脑梗塞的影响 |
| 5.1 对象与方法 |
| 5.1.1 对象 |
| 5.1.2 气象资料 |
| 5.1.3 资料分析方法 |
| 5.2 主要研究成果 |
| 5.2.1 脑梗塞发病时间特征 |
| 5.2.2 气象环境条件对脑梗塞发病相关性分析 |
| 5.2.3 气象环境条件对脑梗塞疾病影响预测模型 |
| 5.2.4 等级划分标准及应用检验 |
| 5.3 本章小结 |
| 第六章 健康气象预报系统 |
| 6.1 系统简介 |
| 6.2 业务应用情况 |
| 第七章 总结与展望 |
| 7.1 主要结论 |
| 7.2 存在的不足及研究展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（9）气象与疾病预控（论文提纲范文）
| 0 引言 |
| 1 医疗气象学的概述 |
| 2 影响人体健康的气象因素 |
| 2.1 太阳辐射的影响 |
| 2.2 气温的影响 |
| 2.3 气压的影响 |
| 2.4 空气湿度的影响 |
| 2.5 风的影响 |
| 3 医疗气象预报 |
| 3.1 概念 |
| 3.2 医疗气象预报的研究内容 |
| 4 总结 |
（10）基于大数据的医学气象服务方法与技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 大数据技术及其应用研究现状 |
| 1.1.1 大数据的概念 |
| 1.1.2 大数据技术国内外研究现状 |
| 1.1.3 大数据技术在各领域的应用 |
| 1.2 医学气象及其服务中的大数据问题 |
| 1.2.1 医学气象学的研究内容 |
| 1.2.2 医学气象学的国内外研究现状 |
| 1.2.3 医学气象研究中的大数据问题 |
| 1.3 本文研究的目的和意义 |
| 1.4 本文的结构设计及主要内容 |
| 第二章 基于大数据的医学气象服务框架及数据存储技术的研究 |
| 2.1 基于大数据的医学气象服务框架的构建 |
| 2.1.1 框架概念模型的构建 |
| 2.1.2 总体框架体系 |
| 2.2 医学和气象数据的存储及存在的问题 |
| 2.2.1 医学数据的存储现状及问题 |
| 2.2.2 气象数据的存储现状及问题 |
| 2.3 基于大数据的医学气象数据存储模型 |
| 2.3.1 存储模型的构建 |
| 2.3.2 关键技术 |
| 2.4 存储构建实例分析 |
| 2.4.1 医学气象数据整合层的设计 |
| 2.4.2 医学气象数据仓库模型的构建 |
| 2.4.3 基于三种疾病的医学气象数据仓库的构建实例 |
| 2.5 本章小结 |
| 第三章 面向大数据的医学气象数据预处理技术 |
| 3.1 数据预处理技术 |
| 3.1.1 数据清洗 |
| 3.1.2 数据整合 |
| 3.1.3 数据变换 |
| 3.1.4 数据精简 |
| 3.2 基于大数据的医学气象数据预处理 |
| 3.2.1 大数据时代下医学气象数据的特点 |
| 3.2.2 医学气象大数据预处理 |
| 3.3 特征选择技术 |
| 3.3.1 特征选择的基本框架 |
| 3.3.2 特征选择算法介绍 |
| 3.4 基于遗传算法的特征选择技术在医学气象中的应用 |
| 3.4.1 问题描述 |
| 3.4.2 遗传算法概述 |
| 3.4.3 特征选择模型的建立 |
| 3.4.4 实验结果 |
| 3.5 本章小结 |
| 第四章 基于大数据挖掘的医学气象预报模型的研究 |
| 4.1 基于回归方法的预测模型 |
| 4.1.1 模型描述 |
| 4.1.2 实验结果 |
| 4.2 基于决策树的预测模型 |
| 4.2.1 模型描述 |
| 4.2.2 实验结果 |
| 4.3 基于神经网络的预测模型 |
| 4.3.1 模型描述 |
| 4.3.2 实验结果 |
| 4.4 基于支持向量机的预测模型 |
| 4.4.1 模型描述 |
| 4.4.2 实验结果 |
| 4.5 基于大数据的预测模型的构建 |
| 4.5.1 大数据时代下常用预报算法存在的问题 |
| 4.5.2 医学气象大数据挖掘关键技术 |
| 4.5.3 基于遗传非线性规划的支持向量回归模型的描述及流程 |
| 4.5.4 实验结果及性能分析 |
| 4.6 新算法与传统预测方法的比较 |
| 4.7 本章小结 |
| 第五章 面向大数据的医学气象预报系统的研制 |
| 5.1 医学气象预报系统的整体框架 |
| 5.1.1 总体技术框架 |
| 5.1.2 系统的功能框架 |
| 5.2 服务器端的搭建与PC端系统开发 |
| 5.2.1 服务器端的搭建及配置 |
| 5.2.2 PC端系统开发 |
| 5.3 移动客户端的设计 |
| 5.3.1 基于Android系统的APP设计 |
| 5.3.2 基于IOS系统的APP设计 |
| 5.3.3 基于微信的二次开发 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 特色与创新点 |
| 6.3 不足与展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
四、医疗气象预报系统简介（论文参考文献）
- [1]基于WRF的未来（2050s）城市气候预测及适应性规划策略[D]. 南鹏飞. 大连理工大学, 2021(01)
- [2]基于情景分析的青海农牧社区减灾能力建设研究[D]. 邓彩霞. 兰州大学, 2021(09)
- [3]绍兴市人民政府办公室关于印发绍兴市防汛防台抗旱、火灾事故、森林火灾应急预案及汤浦水库枯水期原水应急调度方案的通知[J]. 绍兴市人民政府办公室. 绍兴市人民政府公报, 2020(10)
- [4]遵义地区循环系统疾病对天气与气候变化的响应及预测应用研究[D]. 赵婉露. 成都信息工程大学, 2019(05)
- [5]贵州黔东南地区锦屏县呼吸系统疾病与气象要素的关系及预测方法[D]. 蒋雨荷. 成都信息工程大学, 2019(05)
- [6]中国东西部不同地区气象要素对心脑血管疾病的影响及其预测[D]. 谭玉龙. 成都信息工程大学, 2019(05)
- [7]气象要素对农村地区呼吸和循环系统疾病影响及干预方案研究与效果评估[D]. 赵笑颜. 兰州大学, 2018(11)
- [8]石家庄地区三种天气敏感性疾病的医疗气象预报[D]. 贾俊妹. 兰州大学, 2017(03)
- [9]气象与疾病预控[A]. 高欣,李婧婧. 第33届中国气象学会年会 S16 气候环境变化与人体健康, 2016
- [10]基于大数据的医学气象服务方法与技术研究[D]. 翟广宇. 兰州大学, 2015(03)