先使用流行病学描述性统计,刻画温州市手足口病的病理学特点。selleck Captisol并建立温州市2010-2018年手足口病的地理信息管理系统,VX-765体内在建立的地理信息系统上,使用空间地理学的趋势面分析、核密度分析、克里金插值法和空间自相关,全面描绘温州市2010-2018年手足口病时空变换格局。描述性分析的内容,如果以年份为尺度,2010-2018年温州市手足口病报告病例数在2014年前后波动较大。以月份为尺度,手足口病发病率受气候变化影响大,4-7月是病例高峰期,4月合计占全年病例的57.6%,2月最低,仅占全年病例数的1.6%。对温州市境内医疗设施的核密度分析显示,医疗保健场所呈现自东向西的阶梯式下降。对温州市降水量的克里金插值分析说明,温州市降水具有明显的季节性特点。趋势面分析显示温州市境内手足口病发病率具有鲜明的空间特点,东部较西部发病数量多,从北到南手足口病明显下降。空间自相关分析显示,温州市2010-2018年手足口病病害的分布形Molecular Biology Reagents态呈现聚集的特点;广义G统计分析显示,鹿城区附近的聚集类型为高值聚集;局部自相关分析显示,热点区域由南向中部扩散。spearman相关分析显示,气象因素中降水量和气温,社会经济因素中人口密度、人口自然增长率,这些都与手足口病发病数呈正相关关系,而每千人拥有病床数、日照时数、人均生产总值、城镇化率则呈负相关关系,多元线性回归模型没有通过P值检验,故舍弃,主成分回归模型的预测能效偏低,也不宜采纳。最后,综合比较建立的14种机器学习算法,最优秀的预测模型是Elman-GRNN组合模型,其平均绝对误差MAE为3.141,均方根误差RMSE为3.697。众多机器学习方法都可以用于温州市手足口病发病率的预测,总体来说,如果前置模型的预测能力不差,组合预测模型的预测能效大概率会优于各自的单一预测模型。