一种由统计数据驱动的传染病疫情预测方法技术

本发明专利技术提出一种由统计数据驱动的传染病疫情预测方法，包括：获取疫情统计数据步骤，用于获取疫情期间每日的新增确诊病例数量、新增治愈病例数量及病例的潜伏期预估，所述新增确诊病例数量表示为时间序列N(t)，所述新增治愈病例数量表示为时间序列R(t)；预处理疫情统计数据步骤，用于根据获取的疫情统计数据获得用于预测疫情拐点的NR比；预测疫情拐点步骤，用于定义疫情拐点，并根据所述NR比来预测疫情拐点时间及现存最大确诊病例数量，所述疫情拐点时间表示为t

【技术实现步骤摘要】
一种由统计数据驱动的传染病疫情预测方法
本专利技术属于传染病预测
，尤其涉及一种由统计数据驱动的传染病疫情预测方法。
技术介绍
新型冠状病毒肺炎(CoronaVirusDisease2019，COVID-19，简称“新冠肺炎”)感染所引发的急性呼吸道传染病呈现致死率低、传染性强的特点。疫情拐点是指传染病现存确诊病例总数达到峰值并开始下降的状态。疫情拐点何时出现对于疫情应对、回归正常社会秩序等决策过程有重要参考意义。平均住院天数直接关系到医疗资源的总体调配。疫情在每个地区的暴发进程中都需要一个可靠的预测，为防疫工作提供科学参考，减少民众恐慌，降低对金融市场的不利影响。目前对传染病疫情的预测大多采用与SIR模型(易感者-感染者-康复者模型)或类似的动力学模型。该类模型考虑多个复杂的传染病动力因素，如接触数、感染率、潜伏期等。然而，突发疫情(例如新型冠状病毒COVID-19疫情)往往具有许多未知特征，其接触数、感染率、潜伏期等参数难以确知。这使得现有模型对疫情拐点的预测变动很大，拐点出现时间从2月中到下半年，拐点时刻累计感染者从数万到上本文档来自技高网...

【技术保护点】
1.一种由统计数据驱动的传染病疫情预测方法，其特征在于，包括：/n获取疫情统计数据步骤，用于获取疫情期间每日的新增确诊病例数、新增治愈病例数及病例的潜伏期预估，其中，所述新增确诊病例数表示为时间序列N(t)，所述新增治愈病例数表示为时间序列R(t)；/n预处理疫情统计数据步骤，用于根据获取的阶段时间内疫情统计数据进行计算，并获得用于预测疫情拐点的参数；/n预测疫情拐点步骤，用于定义疫情拐点，并根据所述预处理疫情统计数据步骤得到的参数预测疫情拐点时间及最大现存确诊病例数量，其中，所述疫情拐点时间表示为t

【技术特征摘要】
1.一种由统计数据驱动的传染病疫情预测方法，其特征在于，包括：
获取疫情统计数据步骤，用于获取疫情期间每日的新增确诊病例数、新增治愈病例数及病例的潜伏期预估，其中，所述新增确诊病例数表示为时间序列N(t)，所述新增治愈病例数表示为时间序列R(t)；
预处理疫情统计数据步骤，用于根据获取的阶段时间内疫情统计数据进行计算，并获得用于预测疫情拐点的参数；
预测疫情拐点步骤，用于定义疫情拐点，并根据所述预处理疫情统计数据步骤得到的参数预测疫情拐点时间及最大现存确诊病例数量，其中，所述疫情拐点时间表示为tp。


2.如权利要求1所述的由统计数据驱动的传染病疫情预测方法，其特征在于，所述追踪预测方法进一步包括：
预测疫情结束步骤，用于根据疫情统计数据定义疫情结束时间模型并根据所述疫情结束时间模型计算预测疫情结束时间。


3.如权利要求1或2所述的由统计数据驱动的传染病疫情预测方法，其特征在于，所述疫情拐点定义为现存确诊病例数量EIC的峰值，所述现存确诊病例数量为累计确诊病例数与累计治愈病例数的差值，记为公式(1)：



假设确诊病例经过平均住院时间T天后会完全康复，即R(t)＝N(t-T)，此时，公式(1)进一步表示为公式(2)：



其中，当疫情到达拐点时，新增确诊病例数与新增治愈病例数相等，即N(tp)＝R(tp)。


4.如权利要求3所述的由统计数据驱动的传染病疫情预测方法，其特征在于，所述预处理疫情统计数据步骤包括：
获取所述每日新增确诊病例数与新增治愈病例数之比，记为NR比：NR(t)＝N(t)/R(t)，并对所述NR比取对数，得到NR比在对数坐标中的表达式，记为：lnNR(t)；
采用最小二乘法对所述lnNR(t)进行拟合，得到NR比在对数坐标中的拟合直线yNR。


5.如权利要求4所述的由统计数据驱动的传染病疫情预测方法，其特征在于，所述预测疫情拐点步骤包括：
延伸所述拟合直线yNR的趋势线使该拟合直线与NR比在对数坐标中0所在的横轴相交，其中，该相交处的时间为所述疫情拐点时间tp，对应的疫情状态处于拐点，所述EIC(tp)为最大现存确诊病例数量。


6.如...

【专利技术属性】
技术研发人员：黄锷，乔方利，
申请(专利权)人：自然资源部第一海洋研究所，
类型：发明
国别省市：山东;37