一种新型冠状病毒肺炎疫情多级预警方法及系统技术方案

本发明专利技术涉及一种新型冠状病毒肺炎疫情多级预警方法及系统，属于公共卫生信息化领域。本发明专利技术采用基于长短期记忆网络LSTM的新型冠状病毒肺炎疫情群体态势预测算法得出的新冠肺炎疫情群体态势每日新增确诊预测数据，结合百度地图迁徙大数据平台获取的全国城市之间的每天人口流动比例数据以及各城市的行政区划代码数据，经过编码、归一化和坐标映射等处理，通过扩展的K‑均值聚类算法得出全国、各城市之间的新冠肺炎疫情多级预警数据。利用多点数据串联，针对实时新冠肺炎疫情信息智能生成预警信息内容，通过网络发送至Web客户端和移动客户端并以可视化方式呈现，为全国各城市区域新冠肺炎疫情多级预警提供数据支持。

【技术实现步骤摘要】
一种新型冠状病毒肺炎疫情多级预警方法及系统
本专利技术属于公共卫生信息化领域，涉及一种新型冠状病毒肺炎疫情多级预警方法及系统。
技术介绍
现在市场上有大量的新型冠状病毒肺炎疫情(简称新冠肺炎疫情，以下同)数据实时数据展示平台，这些平台虽然可以很好的帮助我们获取新冠肺炎疫情的事实信息，但是这些产品并没有对新冠肺炎疫情未来发展的态势进行多级预警的功能。而新冠肺炎疫情预警分析可以帮助决策者更快更好地做出决策，提前做出合理的决策能够在很大程度上降低新冠肺炎疫情对经济发展、社会进步、民生等多方面的影响。截止2020年7月，尚未发现可以对新冠肺炎疫情进行(多级)预警的软件产品，因此，研发新冠肺炎疫情多级预警系统具有紧迫性和重要作用。聚类算法一种经典的机器学习算法，主要是将一堆没有标签的数据自动分类的方法，属于无监督学习方法，该方法保证同一类的数据有相似的特征。K-MeansClustering算法是聚类算法的一种，对未标记的数据(即没有定义类别或组的数据)进行分类，算法的目标是在数据中找到由变量K标记的组。该算法迭代的工作基于所提供的特征，将每个数本文档来自技高网...

【技术保护点】
1.一种新型冠状病毒肺炎疫情多级预警系统，其特征在于：该系统分为服务器端和客户端，两者之间以Http/Https协议通信；/n服务器端采取分层结构，从上至下依次为接口层、业务层、数据层和算法层，而且接口层、业务层和数据层的技术架构采用的是SpringBoot+Mybatis框架；/n客户端有两种，分别是Web客户端和移动端；/n新冠肺炎疫情多级预警方法对应算法层，其生成的新冠肺炎疫情预警数据通过TCP通信协议上传至数据层的MySQL数据库；系统扩展Spring Security接口实现访问控制。/n

【技术特征摘要】
1.一种新型冠状病毒肺炎疫情多级预警系统，其特征在于：该系统分为服务器端和客户端，两者之间以Http/Https协议通信；
服务器端采取分层结构，从上至下依次为接口层、业务层、数据层和算法层，而且接口层、业务层和数据层的技术架构采用的是SpringBoot+Mybatis框架；
客户端有两种，分别是Web客户端和移动端；
新冠肺炎疫情多级预警方法对应算法层，其生成的新冠肺炎疫情预警数据通过TCP通信协议上传至数据层的MySQL数据库；系统扩展SpringSecurity接口实现访问控制。


2.一种新型冠状病毒肺炎疫情多级预警方法，其特征在于：该方法包括以下步骤：
步骤一：获取全国、省市、自治区、直辖市以及城市每日人口流动比例数据；
步骤11：从百度地图迁徙大数据平台网址：http://qianxi.baidu.com/获取源代码；
步骤12：利用Python集成开发环境Pycharm，采用Python爬虫库Requests、Urllib库，分别获取百度地图迁徙大数据平台全国、省市以及城市之间每日人口流动数据，并生成csv格式的文件保存在本地主机；
步骤二：获取全国新冠肺炎疫情预警数据
获取全国每日人口流动比例数据后，结合新冠肺炎疫情群体态势预测算法获取的全国每日新增确诊数据以及各省市行政区划代码数据，通过扩展的K-MeansClustering算法得出全国新冠肺炎疫情预警数据：
步骤21：将生成的csv格式的百度地图迁徙大数据平台全国每日人口流动数据与全国新冠肺炎疫情群体态势确诊病例预测数据相乘，得到各省市受到新冠肺炎疫情影响的数据；
步骤22：将全国34个省市进行编码处理，每个处理成一个34维的向量，只包含0和1，并与步骤21得到的新冠肺炎影响数据构成一个坐标点，34个省市坐标点构成一个数据集；
步骤23：采用欧式距离计算任意两个省市之间的距离：



步骤24：确定K值，随机选取K个省市份的坐标作为聚类中心；
步骤25：对数据集中每一个坐标点，采用公式(1)计算其与每一个聚类中心的欧式距离，并将其划分到欧式距离近的聚类中心所属的集合；
步骤26：把所有数据归好集合后，共有k个集合；然后重新计算每个集合的聚类中心；如果新聚类中心和原聚类中心之间的欧式距离变化不大，并且趋于收敛，就认为K-MeansClustering已经达到期望的结果，算法终止；如果新聚类中心和原聚类中心欧式距离变化很大，需要重复迭代步骤24～25，直到收敛；
步骤27：根据K-MeansClustering算法收敛后得到的结果，得出全国各省市新冠肺炎疫情等级，根据新冠肺炎疫情等级提前进行预警；
步骤三：获取省市新冠肺炎疫情预警数据
获取省市每日人口流动比例数据后，结合新冠肺炎疫情群体态势预测算法获取的省市每日新增确诊数据以及各省市行政区划代码数据，通过扩展的K-MeansClustering算法得出各省市新冠肺炎疫情预警数据：
步骤31：将生成的csv格式的百度地图迁徙大数据平台各省市每日人口流动比例数据与各省市新冠肺炎疫情群体态势确诊病例预测数据相乘，得到各省市受到其他省市新冠肺炎疫情影响的数据；
步骤32：将全国34个省市进行编码处理，每个省市处理成一个34维的向量，将目标省市编码向量与其影响的其他33个省市编码向量相加，标记具体是某个省市新冠肺炎疫情产生的影响数据，并与步骤41得到的新冠肺炎影响数据构成一个坐标点，这些坐标点构成一个数据集；
步骤33：确定K值，随机选取K个省市份的坐标作为聚类中心；
步骤34：对数据集中每一个坐标点，采用公式(1)计算其与每一个聚类中心的欧式距离，并将其划分到欧式距离近的聚类中心所属的集合；
步骤35：把所有数据归好集合后，共有k个集合；然后重新计算每个集合的聚类中心；如果新聚类中心和原聚类中心之间的欧式距离变化不大，并且趋于收敛，认为K-MeansClusterin...

【专利技术属性】
技术研发人员：张学旺，冯家琦，崔一辉，李洋洋，殷梓杰，付康，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50