一种基于机器学习预测预警感染性疾病就医人数突增的方法技术

本发明专利技术是一种基于机器学习预测预警感染性疾病就医人数突增的方法，实现多点监测，多特征的患感染性疾病疫情突增的动态分析预测和灵敏预警。该方法涉及数据统计学、人工智能等领域。本发明专利技术方法包括：选取多个医疗机构的每日就医感染性疾病人数和每日的最低气温作为输入特征；选用机器学习模型LightGBM作为训练模型动态预测来日的感染性疾病就医人数；对就医人数的预测值与前M天的真实值进行数据统计分析，提出感染性疾病就医人数突增的预警算法。本发明专利技术方法避免了基于单监测点、单一特征时间序列或时态事件对疾病演化过程建模信息损失问题，有效提升了对感染性疾病就医人数预测的精准性和就医人数突增预警的灵敏性。

【技术实现步骤摘要】
一种基于机器学习预测预警感染性疾病就医人数突增的方法
本专利技术属于数据统计学、人工智能、医疗信息化等领域，涉及一种基于机器学习预测预警感染性疾病就医人数突增的方法。
技术介绍
近年来，利用机器学习技术实现对流感等疾病的预测已经成为热点研究问题，特别是今年新冠状病毒肺炎大流行为全人类带来了巨大灾难。如何做到“早发现，早预防，早治疗，早控制”，特别是“早发现”是一项紧迫任务。目前，业内技术的主要问题是单点静态数据研究多，没有形成多点协同触发、动态灵敏的预警研判模式；缺少环境气候关键数据特征等。造成预测精度不高，预警灵敏度低等问题。
技术实现思路
本专利技术的目的在于提供一种基于机器学习预测预警感染性疾病就医人数突增的方法，实现多点监测，多特征的患感染性疾病疫情突增的动态分析预测和灵敏预警。为了达到上述目的，本专利技术的实现方式是：使用K个医疗机构的前N年每日感染性疾病就医人数和前N年每日最低气温作为特征，构成K*(2*N*365)个数据特征训练样本集。使用上述训练样本，训练构建机器学习LightGBM模型，形成本文档来自技高网...

【技术保护点】
1.一种基于机器学习预测预警感染性疾病就医人数突增的方法，实现多点监测，多特征的患感染性疾病疫情突增的动态分析预测和灵敏预警。其特征在于，包括以下几个步骤：/n步骤一：使用K个医疗机构的前N年每日感染性疾病就医人数和前N年每日最低气温作为特征，构成K*(2*N*365)个数据特征训练样本集。/n步骤二：使用上述训练样本构建机器学习LightGBM(Light Gradient BoostingMachine)模型，形成了基于机器学习的预测感染性疾病就医人数的方法。/n步骤三：使用K个医疗机构的前M天的感染性疾病就医人数和最低气温作为训练后的LightGBM模型的输入，预测来日的感染性疾病就医人...

【技术特征摘要】
1.一种基于机器学习预测预警感染性疾病就医人数突增的方法，实现多点监测，多特征的患感染性疾病疫情突增的动态分析预测和灵敏预警。其特征在于，包括以下几个步骤：
步骤一：使用K个医疗机构的前N年每日感染性疾病就医人数和前N年每日最低气温作为特征，构成K*(2*N*365)个数据特征训练样本集。
步骤二：使用上述训练样本构建机器学习LightGBM(LightGradientBoostingMachine)模型，形成了基于机器学习的预测感染性疾病就医人数的方法。
步骤三：使用K个医疗机构的前M天的感染性疾病就医人数和最低气温作为训练后的LightGBM模型的输入，预测来日的感染性疾病就医人数P预测。
步骤四：依据预测的感染性疾病就医人数，计算其预警指数，如下：
Q＝(P预测-P前日)/STD(P前m日)
其中，Q为预警指数，P预测为来日T的预测值，P前日为T-1天的真实数据，STD(P前M日)为T-1，T-2，。。。T-M天的真实数据的样本标准差。
步骤五：依据预警指数Q≥σ，σ为预警指数阈值，判断为来日的感染性疾病就医人数将会出现突增。
步骤六：将来日的感染性疾病就医人数突增告警通过建设基于机器学习预测预警感染性疾病就医人数突增可视化平...

【专利技术属性】
技术研发人员：刘源，朱怡婧，
申请(专利权)人：上海玺翎智能科技有限公司，
类型：发明
国别省市：上海;31