事件预测模型的构建方法、事件预测模型及应用技术

本发明专利技术揭示了一种事件预测模型的构建方法、事件预测模型及应用。该事件预测模型的构建方法，包括：获取预定区域内历史目标事件发生前各选定时间节点的预测因子数据；按各选定时间节点对所获取的预测因子数据进行分类，分别建立各选定时间节点下的预测因子数据库；利用所述各选定时间节点下的预测因子数据库分别训练多个选定的人工智能模型；根据各选定时间节点下预测效果评分最高的人工智能模型，构建目标事件的预测模型。本发明专利技术提供的事件预测模型的构建方法，可以提高对目标事件发生与否的预测准确率，用以预警目标事件的发生；其可用于院内心搏骤停事件的预测和预警。用于院内心搏骤停事件的预测和预警。用于院内心搏骤停事件的预测和预警。

【技术实现步骤摘要】
事件预测模型的构建方法、事件预测模型及应用


[0001]本专利技术属于预测模型
，具体涉及一种事件预测模型的构建方法、院内心搏骤停预测模型、预警系统和预警方法。

技术介绍

[0002]随着机器学习技术的普及，其越来越多地被应用于生活中的各个方面。在例如对将来事件的预测方面，通常的做法是选用一个合适的机器学习模型，并利用事件相关的数据对该模型进行训练，从而不断优化模型对该类事件预测结果的可靠性。
[0003]在实际应用中，这样方式构建的机器学习模型通常不能对一些特定事件具有满意的预测效果。
[0004]因此，针对上述技术问题，有必要提供一种新的事件预测模型的构建方法。

技术实现思路

[0005]本专利技术的目的在于提供一种事件预测模型的构建方法、事件预测模型及应用，以解决现有技术中的问题。
[0006]为了实现上述目的，本专利技术提供的技术方案如下：
[0007]第一方面，本专利技术提供了一种事件预测模型的构建方法，其包括以下步骤：
[0008]获取预定区域内历史目标事件发生前各选定时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种事件预测模型的构建方法，其特征在于，包括：获取预定区域内历史目标事件发生前各选定时间节点的预测因子数据；按各选定时间节点对所获取的预测因子数据进行分类，分别建立各选定时间节点下的预测因子数据库；利用所述各选定时间节点下的预测因子数据库分别训练多个选定的人工智能模型；根据各选定时间节点下预测效果评分最高的人工智能模型，构建目标事件的预测模型。2.根据权利要求1所述的事件预测模型的构建方法，其特征在于，所述方法还包括：对所述预测模型进行内部验证和外部验证；其中，所述外部验证包括时段验证和空间验证。3.根据权利要求2所述的事件预测模型的构建方法，其特征在于，所述时段验证具体包括：在所述预测模型构建过程中持续获取所述目标事件的各选定时间节点的预测因子数据；在所述预测模型构建完成后，利用新获取的预测因子数据对所述预测模型进行验证。4.根据权利要求1所述的事件预测模型的构建方法，其特征在于，所述方法还包括：获取预定区域之外其他区域内的历史目标事件发生前各选定时间节点的预测因子数据，以建立迁移学习数据库对所述预测模型进行迁移训练。5.根据权利要求4所述的事件预测模型的构建方法，其特征在于，所述方法还包括：持续获取所述预定区域内目标事件发生前所述各选定时间节点的预测因子数据，实时更新到所述各选定时间节点下的预测因子数据库中，对所述预测模型进行增量训练。6.根据权利要求1所述的事件预测模型的构建方法，其特征在于，所述多个选定的人工智能模型包括：分类树模型、回归树模型、随机森林模型、极限梯度提升模型、人工神经网络模型和支持向量机模型中的至少三个。7.根据权利要求1所述的事件预测模型的构建方法，其特征在于，利用所述各选定时间节点下的预测因子数据库训练多个选定的人工智能模型，具体包括：分别以所述各选定时间节点下的预测因子数据库为样本集，从各所述样本集中有放回随机抽样形成训练集，训练所述多个选定的人工智能模型，用以预测所述目标事件的发生概率。8.根据权利要求1所述的事件预测模型的构建方法，其特征在于，所述预测效果评分根据ROC曲线、AUC和Brier分数来判定。9.一种事件预测模型的构建方法，其特征在于，包括：获取预定区域内院内心搏骤停患者发生院内心搏骤停前的诊疗数据；按照标准数据模板对所获取的诊疗数据进行筛选，得到各选定时间节点的...

【专利技术属性】
技术研发人员：胡炜，刁孟元，朱英，吴承浩，虞舒航，
申请(专利权)人：杭州市第一人民医院，
类型：发明
国别省市：