急性传染病的发病预测方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术涉及一种人工智能技术，揭露了一种急性传染病的发病预测方法，该方法包括：获得影响急性传染病发病的时序数据集，并按照预设方法对所述时序数据集执行数据处理，以从所述时序数据集中筛选出影响所述急性传染病发病的主成分因子数据；基于筛选出来的影响所述急性传染病发病的主成分因子数据，结合预设的多个单项预测模型的加权平均，构建急性传染病发病的组合预测模型；利用所述组合预测模型的计算公式自动化预测出所述急性传染病发病的爆发时期。本发明专利技术还提出一种装置以及一种计算机可读存储介质。本发明专利技术能够对急性传染病具有很好的预测效果。

Prediction of Acute Infectious Diseases: Methods, Devices and Computer Readable Storage Medium

【技术实现步骤摘要】
急性传染病的发病预测方法、装置及计算机可读存储介质
本专利技术涉及人工智能
，尤其涉及一种急性传染病的发病预测方法、装置及计算机可读存储介质。
技术介绍
水痘(chickenpox)是一种急性传染病，是由水痘-带状疱疹病毒引起的，多见于儿童的急性传染病，临床特征是同时出现的、全身性丘疹、水疱及结痂。水痘的传染性极强，中国水痘病例以小学生和托幼儿童为主，是学校公共卫生事件的主要原因之一，并引起较重的经济负担。对水痘的发病趋势进行预测是水痘防治工作的重要环节，及时、准确的预测不但有助于及早采取措施防范疫情暴发和流行，还可以用于对所实施的公共卫生措施的效果进行评价。传统意义上的预测需要有病原采集等较多医学层面的测验，较为复杂和滞后，而且是针对水痘发病情况的定性预测，达不到定量预测的效果。
技术实现思路
本专利技术提供一种急性传染病的发病预测方法、装置及计算机可读存储介质，其主要目的在于提供一种新型的预测模型，能够对水痘等急性传染病具有更好的预测效果。为实现上述目的，本专利技术的急性传染病的发病预测方法，包括：获得影响急性传染病发病的时序数据集，并按照预设方法对所述时序数据集执行数据处理，以从所述时序数据集中筛选出影响所述急性传染病发病的主成分因子数据；基于筛选出来的影响所述急性传染病发病的主成分因子数据，结合预设的多个单项预测模型的加权平均，构建急性传染病发病的组合预测模型；利用所述组合预测模型的计算公式自动化预测出所述急性传染病发病的爆发时期。可选地，所述获得影响急性传染病发病的时序数据集包括：基于中国疾病预防控制信息管理系统，获得预设地区近N年的预设类型急性传染病的疫情报告卡，收集患者的临床发病资料；通过该地区气象局获得所述地区的气象资料数据；对所获得的临床发病资料以及气象资料数据建立Excel时序数据集。可选地，所述按照预设方法对所述时序数据集执行数据处理，以从所述时序数据集中筛选出影响所述急性传染病发病的主成分因子数据包括：对所述时序数据集中的数据进行数据清洗处理，得到标准化数据集；基于上述清洗后的时序数据集，利用深度学习算法分析所述时序数据集的特征，扩充特征数据维度；利用主成分分析算法对扩充的特征数据进行降维处理，筛选特征值，以确定影响水痘发病的主成分。可选地，所述预设的多个单项预测模型包括ARIMA模型以及BP神经网络模型。可选地，所述结合预设的多个单项预测模型的加权平均，构建急性传染病发病的组合预测模型包括：计算所述ARIMA模型和BP神经网络模型的误差平方和ej，并通过整体误差平方和最小的原则对所述ARIMA模型和BP神经网络模型的权数进行赋值，所述赋值的计算公式为：其中，m为组合预测模型中的单项预测模型的个数。此外，为实现上述目的，本专利技术还提供一种装置，该装置包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的急性传染病的发病预测程序，所述急性传染病的发病预测程序被所述处理器执行时实现如下步骤：获得影响急性传染病发病的时序数据集，并按照预设方法对所述时序数据集执行数据处理，以从所述时序数据集中筛选出影响所述急性传染病发病的主成分因子数据；基于筛选出来的影响所述急性传染病发病的主成分因子数据，结合预设的多个单项预测模型的加权平均，构建急性传染病发病的组合预测模型；利用所述组合预测模型的计算公式自动化预测出所述急性传染病发病的爆发时期。可选地，所述获得影响急性传染病发病的时序数据集包括：基于中国疾病预防控制信息管理系统，获得预设地区近N年的预设类型急性传染病的疫情报告卡，收集患者的临床发病资料；通过该地区气象局获得所述地区的气象资料数据；对所获得的临床发病资料以及气象资料数据建立Excel时序数据集。可选地，所述按照预设方法对所述时序数据集执行数据处理，以从所述时序数据集中筛选出影响所述急性传染病发病的主成分因子数据包括：对所述时序数据集中的数据进行数据清洗处理，得到标准化数据集；基于上述清洗后的时序数据集，利用深度学习算法分析所述时序数据集的特征，扩充特征数据维度；利用主成分分析算法对扩充的特征数据进行降维处理，筛选特征值，以确定影响水痘发病的主成分。可选地，所述预设的多个单项预测模型包括ARIMA模型以及BP神经网络模型，以及所述结合预设的多个单项预测模型的加权平均，构建急性传染病发病的组合预测模型包括：计算所述ARIMA模型和BP神经网络模型的误差平方和ej，并通过整体误差平方和最小的原则对所述ARIMA模型和BP神经网络模型的权数进行赋值，所述赋值的计算公式为：其中，m为组合预测模型中的单项预测模型的个数。此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有急性传染病的发病预测程序，所述急性传染病的发病预测程序可被一个或者多个处理器执行，以实现如上所述的急性传染病的发病预测方法的步骤。本专利技术提出的急性传染病的发病预测方法、装置及计算机可读存储介质通过分析影响水痘发病的客观环境因素，从非病理角度，利用水痘发病的时序数据，通过数据收集，运用深度学习算法扩充特征维度再降维，从而分析出影响水痘发病的主成分因素，构建基于传统时序与现有时序组合的模型对水痘发病时段进行预测，大大提升了水痘发病的预测能力，为科学预防水痘爆发提出科学预警，及早采取控制措施，同时也为提前配备治疗水痘的医疗资源提供参考依据。附图说明图1为本专利技术一实施例提供的急性传染病的发病预测方法的流程示意图；图2为本专利技术一实施例提供的急性传染病的发病预测方法的中其中一个步骤的详细实施流程示意图；图3为本专利技术一实施例提供的装置的内部结构示意图；图4为本专利技术一实施例提供的装置中急性传染病的发病预测程序的模块示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，所述“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。进一步地，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。本专利技术提供一种急性传染病的发病预本文档来自技高网...

【技术保护点】
1.一种急性传染病的发病预测方法，其特征在于，所述方法包括：获得影响急性传染病发病的时序数据集，并按照预设方法对所述时序数据集执行数据处理，以从所述时序数据集中筛选出影响所述急性传染病发病的主成分因子数据；基于筛选出来的影响所述急性传染病发病的主成分因子数据，结合预设的多个单项预测模型的加权平均，构建急性传染病发病的组合预测模型；利用所述组合预测模型的计算公式自动化预测出所述急性传染病发病的爆发时期。

【技术特征摘要】
1.一种急性传染病的发病预测方法，其特征在于，所述方法包括：获得影响急性传染病发病的时序数据集，并按照预设方法对所述时序数据集执行数据处理，以从所述时序数据集中筛选出影响所述急性传染病发病的主成分因子数据；基于筛选出来的影响所述急性传染病发病的主成分因子数据，结合预设的多个单项预测模型的加权平均，构建急性传染病发病的组合预测模型；利用所述组合预测模型的计算公式自动化预测出所述急性传染病发病的爆发时期。2.如权利要求1所述的急性传染病的发病预测方法，其特征在于，所述获得影响急性传染病发病的时序数据集包括：基于中国疾病预防控制信息管理系统，获得预设地区近N年的预设类型急性传染病的疫情报告卡，收集患者的临床发病资料；通过该地区气象局获得所述地区的气象资料数据；对所获得的临床发病资料以及气象资料数据建立Excel时序数据集。3.如权利要求2所述的急性传染病的发病预测方法，其特征在于，所述按照预设方法对所述时序数据集执行数据处理，以从所述时序数据集中筛选出影响所述急性传染病发病的主成分因子数据包括：对所述时序数据集中的数据进行数据清洗处理，得到标准化数据集；基于上述清洗后的时序数据集，利用深度学习算法分析所述时序数据集的特征，扩充特征数据维度；利用主成分分析算法对扩充的特征数据进行降维处理，筛选特征值，以确定影响水痘发病的主成分。4.如权利要求1所述的急性传染病的发病预测方法，其特征在于，所述预设的多个单项预测模型包括ARIMA模型以及BP神经网络模型。5.如权利要求4所述的急性传染病的发病预测方法，其特征在于，所述结合预设的多个单项预测模型的加权平均，构建急性传染病发病的组合预测模型包括：计算所述ARIMA模型和BP神经网络模型的误差平方和ej，并通过整体误差平方和最小的原则对所述ARIMA模型和BP神经网络模型的权数进行赋值，所述赋值的计算公式为：其中，m为组合预测模型中的单项预测模型的个数。6.一种装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的急性传染病的发病预...

【专利技术属性】
技术研发人员：陈娴娴，阮晓雯，徐亮，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44