The Innovation | 数据驱动的布鲁氏菌病传播动力学研究

本文针对布鲁氏菌病传播预测精度与模型可解释性难以兼顾的问题，提出了一种新型混合建模框架KHDMDsp-LSTM。该框架通过基于混合核函数的稀疏Hankel动态模态分解方法（KHDMDsp），将监测数据映射到高维空间以实现非线性动力学的线性化表征，并利用贝叶斯优化和正则化策略自动寻优并识别主导模态，从而在保留物理可解释性的同时提升预测性能。研究基于2010–2020年内蒙古监测数据，成功识别出季度、年和长周期等关键传播模式，并确定了疫情热点区域。模型性能对比显示其重构误差显著低于传统方法。最终，该框架集成了LSTM网络以增强长期预测能力，为公共卫生部门制定精准防控策略提供了科学工具。