创建预测模型的方法和装置制造方法及图纸

本发明专利技术公开了一种创建预测模型的方法和装置。其中，该方法包括：依据获取到的目标对象的状态信息建立流行病动力学模型；依据流行病动力学模型建立目标方程；依据目标方程创建目标预测模型。本发明专利技术解决了由于现有技术中缺乏针对猪瘟的客观预测方案，导致的应对猪瘟预防机制的低效的技术问题。机制的低效的技术问题。机制的低效的技术问题。

【技术实现步骤摘要】
创建预测模型的方法和装置


[0001]本专利技术涉及互联网
，具体而言，涉及一种创建预测模型的方法和装置。

技术介绍

[0002]非洲猪瘟(ASFV)是一种非常严重的动物疫病。其特点是发病段，最急性和急性感染死亡率高达100％。目前中国已经受到非洲猪瘟重创。因为没有疫苗，根除ASF的唯一可用方法是处置场中所有感染的和可能感染的猪。但是这种方法缺乏科学依据，经常导致猪厂中100％的猪被清除。这给养猪业务造成极大损失。精准剔除方案是养猪业常用的一种减少非洲猪瘟影响的方案。但是该方案在实际操作中通常以经验为参考来完成剔除猪的决策，缺乏科学方法做预测和验证。
[0003]行业内传统的做法是，学术界广泛使用流行病动力学模型进行疾病预测，流行病动力学模型参数往往需要专家经验给出，导数参数往往更加主观，不具有很强客观性。
[0004]针对上述由于现有技术中缺乏针对猪瘟的客观预测方案，导致的应对猪瘟预防机制的低效的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种创建预测模型的方法和装置，以至少解决由于现有技术中缺乏针对猪瘟的客观预测方案，导致的应对猪瘟预防机制的低效的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种配置数据预测模型的方法，包括：依据获取到的目标对象的状态信息建立流行病动力学模型；依据流行病动力学模型建立目标方程；依据目标方程创建目标预测模型。
[0007]可选的，在依据获取到的目标对象的状态信息建立流行病动力学模型之前，该方法还包括：获取目标对象的状态信息。
[0008]进一步地，可选的，状态信息包括：目标对象的每日状态信息，其中，每日状态信息包括：易感类、潜伏类、染病类和移除类。
[0009]可选的，依据获取到的目标对象的状态信息建立流行病动力学模型包括：依据状态信息中易感类、潜伏类、染病类和移除类建立流行病动力学模型。
[0010]进一步地，可选的，依据流行病动力学模型建立目标方程包括：设置初始值，其中，初始值包括：易感类初始值、潜伏类初始值、染病类初始值和移除类初始值；将易感类初始值、潜伏类初始值、染病类初始值和移除类初始值输入流行病动力学模型进行计算，得到第一数值；依据第一数值和真实病猪数量进行计算，得到目标方程。
[0011]可选的，依据目标方程创建目标预测模型包括：依据目标方程通过最小二乘法进行计算，得到对应的权重值；依据权重值和流行病动力学模型进行计算，得到目标预测模型。
[0012]根据本专利技术实施例的另一方面，还提供了一种配置数据预测模型的装置，包括：第一模型建立模块，用于依据获取到的目标对象的状态信息建立流行病动力学模型；方程建
立模块，用于依据流行病动力学模型建立目标方程；第二模型建立模块，用于依据目标方程创建目标预测模型。
[0013]可选的，该装置还包括：获取模块，用于在依据获取到的目标对象的状态信息建立流行病动力学模型之前，获取目标对象的状态信息。
[0014]进一步地，可选的，状态信息包括：目标对象的每日状态信息，其中，每日状态信息包括：易感类、潜伏类、染病类和移除类。
[0015]可选的，第一模型建立模块包括：第一模型建立单元，用于依据状态信息中易感类、潜伏类、染病类和移除类建立流行病动力学模型。
[0016]进一步地，可选的，方程建立模块包括：设置单元，用于设置初始值，其中，初始值包括：易感类初始值、潜伏类初始值、染病类初始值和移除类初始值；第一计算单元，用于将易感类初始值、潜伏类初始值、染病类初始值和移除类初始值输入流行病动力学模型进行计算，得到第一数值；第二计算单元，用于依据第一数值和真实病猪数量进行计算，得到目标方程。
[0017]可选的，第二模型建立模块包括：第三计算单元，用于依据目标方程通过最小二乘法进行计算，得到对应的权重值；第二模型建立单元，用于依据权重值和流行病动力学模型进行计算，得到目标预测模型。
[0018]在本专利技术实施例中，通过依据获取到的目标对象的状态信息建立流行病动力学模型；依据流行病动力学模型建立目标方程；依据目标方程创建目标预测模型，达到了自动化求解流行病动力学模型的目的，从而实现了基于数据自动化求解模型参数，更加客观的技术效果，进而解决了由于现有技术中缺乏针对猪瘟的客观预测方案，导致的应对猪瘟预防机制的低效的技术问题。
附图说明
[0019]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0020]图1是根据本专利技术实施例的创建预测模型的方法的流程示意图；
[0021]图2是根据本专利技术实施例的创建预测模型的方法中构建流行病动力学模型的示意图；
[0022]图3是根据本专利技术实施例的创建预测模型的装置的示意图。
具体实施方式
[0023]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。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，都应当属于本专利技术保护的范围。
[0024]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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，以便这里描述的本专利技术的实施例能够以除了在这里图示或
描述的那些以外的顺序实施。此外，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。
[0025]实施例1
[0026]根据本专利技术实施例，提供了一种配置数据预测模型的方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0027]图1是根据本专利技术实施例的创建预测模型的方法的流程示意图，如图1所示，该方法包括如下步骤：
[0028]步骤S102，依据获取到的目标对象的状态信息建立流行病动力学模型；
[0029]可选的，在依据获取到的目标对象的状态信息建立流行病动力学模型之前，该方法还包括：获取目标对象的状态信息。
[0030]进一步地，可选的，状态信息包括：目标对象的每日状态信息，其中，每日状态信息包括：易感类、潜伏类、染病类和移除类。
[0031]可选的，依据获取到的目标对象的状态信息建立流行病动力学模型包括：依据状态信息中易感类、潜伏类、染病类和移除类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种创建预测模型的方法，其特征在于，包括：依据获取到的目标对象的状态信息建立流行病动力学模型；依据所述流行病动力学模型建立目标方程；依据所述目标方程创建目标预测模型。2.根据权利要求1所述的方法，其特征在于，在依据获取到的目标对象的状态信息建立流行病动力学模型之前，所述方法还包括：获取所述目标对象的状态信息。3.根据权利要求2所述的方法，其特征在于，所述状态信息包括：所述目标对象的每日状态信息，其中，所述每日状态信息包括：易感类、潜伏类、染病类和移除类。4.根据权利要求3所述的方法，其特征在于，所述依据获取到的目标对象的状态信息建立流行病动力学模型包括：依据所述状态信息中易感类、潜伏类、染病类和移除类建立流行病动力学模型。5.根据权利要求4所述的方法，其特征在于，所述依据所述流行病动力学模型建立目标方程包括：设置初始值，其中，所述初始值包括：易感类初始值、潜伏类初始值、染病类初始值和移除类初始值；将所述易感类初始值、所述潜伏类初始值、所述染病类初始值和所述移除类初始值输入所述流行病动力学模型进行计算，得到第一数值；依据所述第一数值和真实病猪数量进行计算，得到所述目标方程。6.根据权利要求5所述的方法，其特征在于，所述依据所述目标方程创建目标预测模型包括：依据所述目标方程通过最小二乘法进行计算，得到对应的权重值；依据所述权重值和所述流行病动力学模型进行计算，得到所述目标预测模型。7.一种创建预测模型的装置，其特征在于，包括：第一模型建立模块，用于依据获取...

【专利技术属性】
技术研发人员：王凯博，
申请(专利权)人：北京深演智能科技股份有限公司，
类型：发明
国别省市：