用Google搜索数据加机器学习预测澳大利亚各州流感周报数，最佳模型相关系数从-0.353到0.977
该研究用2018至2019年Google Trends周搜索量与澳大利亚国家法定传染病监测系统（NNDSS）的流感周报数对比，为除首都领地外的各州和领地分别训练弹性网、支持向量回归、随机森林和前馈神经网络四种监督回归模型，做当周（nowcast）及提前一至两周的预测，发现搜索量与流感报告率随时间相关，随机森林与弹性网总体表现较好，除北领地和塔斯马尼亚外每个建模辖区都至少有两个搜索词与流感通报呈中度至强Pearson相关，最佳模型预测准确度（Pearson相关系数）因辖区而异（-0.353至0.977），且提前一至两周的准确度更低，人口较少的辖区准确度也更低。