病例传播信息的预测方法、电子设备及存储介质技术

本申请公开了一种病例传播信息的预测方法、电子设备及计算机可读存储介质。该方法包括：获取多个被监测人员的第一病例数据的多个时间序列；利用神经网络对第一病例数据的多个时间序列进行预测，得到多个监测人员的第二病例数据的时间序列；基于第二病例数据的时间序列，确定多个监测人员的病例传播信息。通过上述方式，能够自动预测病例传播信息。能够自动预测病例传播信息。能够自动预测病例传播信息。

【技术实现步骤摘要】
病例传播信息的预测方法、电子设备及存储介质


[0001]本申请涉及数据处理领域，特别是涉及一种病例传播信息的预测方法、电子设备及计算机可读存储介质。

技术介绍

[0002]传染病会为人们的生活带来很多负面的影响，因此已知传染病的“防”和“治”是两个必要措施。对于传染病的“治”，是在发现病例之后及时进行医治，对于传染病的“防”，是预测未来传染病的病例传播信息。相对于“治”，“防”具有更多的未知性，目前社会大都关注的是传染病的“治”，而忽略了传染病的“防”。因此，亟需一种自动实现传染病的“防”的方法。

技术实现思路

[0003]本申请提供一种病例传播信息的预测方法、电子设备及计算机可读存储介质，能够自动预测病例传播信息。
[0004]为解决上述技术问题，本申请采用的一个技术方案是：提供一种病例传播信息的预测方法。该方法包括：获取多个被监测人员的第一病例数据的多个时间序列；利用神经网络对第一病例数据的多个时间序列进行预测，得到多个监测人员的第二病例数据的时间序列；基于第二病例数据的时间序列，确定多个监测人员的病例传播信息。
[0005]为解决上述技术问题，本申请采用的另一个技术方案是：提供一种电子设备，该电子设备包括处理器、与处理器连接的存储器，其中，存储器存储有程序指令；处理器用于执行存储器存储的程序指令以实现上述方法。
[0006]为解决上述技术问题，本申请采用的又一个技术方案是：提供一种计算机可读存储介质，存储有程序指令，该程序指令被执行时能够实现上述方法。
[0007]通过上述方式，本申请能够通过多个被监测人员的第一病例数据的多个时间序列，预测多个被监测人员的第二病例数据的时间序列，基于第二病例数据的时间序列，确定多个被监测人员中的病例传播信息。一方面，本申请能够自动预测病例传播信息，方便相关部门的管理。另一方面，本申请由于第二病例数据的时间序列，是由神经网络基于第一病例数据的时间序列来预测的，因此神经网络在预测时会考虑时间因素带来的影响，提高预测精度，进而提高最终得到的病例传播信息的准确度。
附图说明
[0008]图1是本申请病例传播信息的预测方法一实施例的流程示意图；
[0009]图2是LSTM单元的一结构示意图；
[0010]图3是GRU单元的一结构示意图；
[0011]图4是本申请病例传播信息的预测方法另一实施例的流程示意图；
[0012]图5是本申请病例传播信息的预测方法另一实施例的流程示意图；
[0013]图6是本申请病例传播信息的预测方法一具体实例的流程示意图；
[0014]图7是图6中step1的具体流程示意图；
[0015]图8是本申请电子设备一实施例的结构示意图；
[0016]图9是本申请计算机可读存储介质一实施例的结构示意图。
具体实施方式
[0017]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
[0018]本申请中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0019]在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，在不冲突的情况下，本文所描述的实施例可以与其它实施例相结合。
[0020]图1是本申请病例传播信息的预测方法一实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图1所示的流程顺序为限。如图1所示，本实施例可以包括：
[0021]S11：获取多个被监测人员的第一病例数据的多个时间序列。
[0022]多个被监测人员可以为监测区域的全部人员或者全部人员的抽样结果，监测区域可以是某个城市、某个国家、全球等等。
[0023]本申请提及的病例面向的可以是任何具有传染性质的疾病，后文主要以传染病A为例进行说明。病例的种类可以是确诊病例、死亡病例等等中的至少一个，确诊病例又可以是有症状感染病例、无症状感染病例。
[0024]第一病例数据为监测时段之前的预设长度的时间段(后文称为参考时段)的病例数据。
[0025]在一些实施例中，第一病例数据包括参考时段监测人员的身份指示信息和病例的第一指示信息，身份指示信息用于指示监测人员的身份，病例的第一指示信息为监测人员是病例的概率，用于指示监测人员是否为病例。若是病例，病例的第一指示信息为1，若不为病例，病例的第一指示信息为0。由此，多个监测人员的第一病例数据可以指示参考时段中每个时间单位的病例数量。
[0026]在一些实施例中，第一病例数据还可以包括参考时段监测人员的病例的第二指示信息。病例的第二指示信息可以包括天气指示信息、生活质量指示信息、身体状况指示信息、交际范围指示信息等等。
[0027]一个时间序列的长度可以是一个时间单位，也可以是多个时间单位。时间单位可以是一个小时、一天、一周等等。例如，时间单位为一天，一个时间序列的长度是一周，那么
一个时间序列包括连续的七天的第一病例数据，时间序列示例为{(S11，S12，
…
)，(S21，S22，
…
)，
…
}，其中Sij表示第i天第j个被监测人员的第一病例数据，Sij＝[s1，s2，
…
]， sk表示第k维度的指示信息。
[0028]第一病例数据的多个时间序列中相邻的时间序列可以是连续的，也可以是间隔一定时长的。例如，参考时段为30天，对应时间序列1～6，其中时间序列1对应第1～5天，时间序列2对应第6～10天，
…
，依次类推。或者，时间序列1对应第1～4天，时间序列2对应第6～9天，
…
，依次类推。
[0029]可以获取监测区域、参考时段的第一病例数据的总时间序列，对总时间序列进行切分，得到第一病例数据的连续的多个时间序列。其中，总时间序列可以是从相关权威机构下载源数据之后将无关数据(例如日期列)去除得到的。例如，权威机构可以是CSSE at Johns HopkinsUniversity(约翰斯
·
霍普金斯大学)，UnitedNations(联合国)，World Bank (世界银行)，Global Burden of Disease(全球疾病负担研究)，BlavatnikSchool of Gov本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种病例传播信息的预测方法，其特征在于，包括：获取多个被监测人员的第一病例数据的多个时间序列；利用神经网络对所述第一病例数据的多个时间序列进行预测，得到所述多个监测人员的第二病例数据的时间序列；基于所述第二病例数据的时间序列，确定所述多个监测人员的病例传播信息。2.根据权利要求1所述的方法，其特征在于，所述监测人员的第一病例数据包括所述监测人员的病例的第一指示信息、所述病例的第二指示信息，所述病例的第一指示信息为所述监测人员是病例的概率。3.根据权利要求2所述的方法，其特征在于，所述监测人员的第二病例数据包括参考时段所述监测人员的病例的第一指示信息，所述病例传播信息包括监测时段的病例数量，所述基于所述第二病例数据的时间序列，确定所述多个监测人员的病例传播信息，包括：基于所述第二病例数据包括的病例的第一指示信息，确定所述监测时段的病例数量。4.根据权利要求2所述的方法，其特征在于，所述病例的第二指示信息包括天气指示信息、年龄指示信息和生活质量指示信息。5.根据权利要求1所述的方法，其特征在于，所述获取多个被监测人员的第一病例数据的多个时间序列，包括：获取监测区域、参考时间段的所述多个监测人员的第一病例数据的总时间序列；将所述总时间序列切分为连续的所述多个时间序列。6.根据权利要求1～5中任一项所述的方法，其特征在于，在所述基于所述第二病例数据的时间序列，确定所述多个监测人员的病例传播信息之前，所述方法还包括如下对所述神经网络的训练步骤...

【专利技术属性】
技术研发人员：高钰之，陈立力，周明伟，吕晓，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：