一种慢性疾病患病人数预测装置及其使用方法制造方法及图纸

本发明专利技术公开一种慢性疾病患病人数预测装置及其使用方法，包括数据接收模块、数据存储模块、张量构造模块、动量更新模块和预测模块；数据接收模块，用于接收慢性疾病的历史数据，所述历史数据包括患病人数、时间、地区、种类；数据存储模块，用于存储接收的慢性疾病的历史数据；张量构造模块，用于根据数据存储模块中慢性疾病的历史数据构造目标张量；动量更新模块，用于根据数据存储模块中慢性疾病的历史数据，构建隐特征更新速度矩阵；预测模块，根据目标张量和隐特征更新速度矩阵输出慢性疾病患病人数的预测值。通过对慢性疾病历史数据进行张量分析，提取数据人数、地区、时间的隐特征矩阵，从而提高预测精度。从而提高预测精度。从而提高预测精度。

【技术实现步骤摘要】
一种慢性疾病患病人数预测装置及其使用方法


[0001]本专利技术涉及大数据处理
，特别涉及一种慢性疾病患病人数预测装置及其使用方法。

技术介绍

[0002]随着我国经济社会快速发展、人口老龄化程度不断加深、饮食结构发生变化，慢性病由于其发病率、死亡率高，知晓率、控制率低和疾病经济负担重等特点，已成为威胁我国人民群众生命健康的重要公共卫生问题。《全国第六次卫生服务统计调查专题报告》显示，心脑血管疾病、糖尿病和癌症等重大慢性病占我国疾病经济负担超90％，我国55岁至64岁人群慢性病患病率达48.4％，65岁及以上老年人发病率达62.3％。随着慢性病患者的基数不断扩大，我国因慢性病死亡比例也有所增加。《中国居民营养与慢性病状况报告(2020年)》显示，2019年我国因慢性病导致的死亡占总死亡88.5％，与2015年相比有所上升。慢性病防控工作仍面临较大挑战。
[0003]慢性病防控工作的重点在于“防”，若能对慢性疾病患病人数有一个准确的预测，慢性疾病防控工作就能得到进一步的提升。当前，许多研究者提出了基于矩阵分解的模型预测未知的慢性疾病患病人数，主要是将历史的慢性疾病患病人数构造成静态的二维矩阵进行未知慢性疾病患病人数的预测。但随着社会的发展，我们的生活环境也在改变，慢性疾病患病人数也随着时间而变化，基于矩阵分解的预测方法无法有效体现时效性，因此造成预测精度低的问题。如何在预测慢性病患病人数时考虑其时效性，提高预测精度，已成为大家关心的问题。

技术实现思路

[0004]针对现有技术中心性疾病患病人数预测时效性较差导致预测精度偏低的问题，本专利技术提出一种慢性疾病患病人数预测装置及其使用方法，通过对慢性疾病历史数据进行张量分析，提取数据人数、地区、时间的隐特征矩阵，从而提高预测精度。
[0005]为了实现上述目的，本专利技术提供以下技术方案：
[0006]一种慢性疾病患病人数预测装置，包括数据接收模块、数据存储模块、张量构造模块、动量更新模块和预测模块；
[0007]数据接收模块，用于接收慢性疾病的历史数据，所述历史数据包括患病人数、时间、地区、种类；
[0008]数据存储模块，用于存储接收的慢性疾病的历史数据；
[0009]张量构造模块，用于根据数据存储模块中慢性疾病的历史数据构造目标张量；
[0010]动量更新模块，用于根据数据存储模块中慢性疾病的历史数据，构建隐特征更新速度矩阵；
[0011]预测模块，根据目标张量和隐特征更新速度矩阵输出慢性疾病患病人数的预测值。
[0012]优先地，所述数据存储模块包括第一存储单元和第二存储单元；其中，
[0013]第一存储单元，用于将接收的慢性疾病的历史数据以四元组的形式进行存储；
[0014]第二存储单元，用于存储预测模块输出的慢性疾病患病人数的预测值，预测值也以四元组的形式存储。
[0015]优先地，所述四元组表示形式为N＝(a,b,c,y)，其中，N表示历史数据，a表示地区，b表示慢性疾病种类，c表示时间，y表示在c时间a地区患b种慢性疾病的人数。
[0016]优先地，所述目标张量的构造方法为：
[0017](1)将慢性疾病的历史数据按照时间划分为W个时间段；先从中选择出第一个时间段的四元组N
(1)
＝(a,b,1,y)，构造切片矩阵C
(1)
，矩阵中的元素C
(1p)q
表示在第1个时间段第p个地区患第q种慢性疾病的人数，其中P为地区数量，Q为慢性疾病种类数量，1≤p≤P，1≤q≤Q；
[0018](2)再从四元组N＝(a,b,c,y)中依次选择出其它时间段的四元组N
(2)
、N
(3)
、
…
、N
(W)，
分别构造切片矩阵C
(2)
、C
(3)
、
…
、C
(W)
；
[0019](3)最后将W个切片矩阵在三维空间中根据划分的时间先后顺序依次从前到后排列，构造慢性疾病患病人数的目标张量Y∈R
P
×
Q
×
W
。
[0020]优先地，所述隐特征更新速度矩阵的构造方法为：
[0021]根据慢性疾病的历史数据，创建所有地区a的隐特征更新速度矩阵V
(A)
并存储，用V
(A)p
表示第p个地区的隐特征更新速度向量，并且V
(A)
的大小为P
×
D；创建所有慢性疾病种类b的隐特征更新速度矩阵V
(B)
并存储，用V
(B)q
表示第q种疾病的隐特征更新速度向量，并且V
(B)
的大小为Q
×
D；创建所有时间c的隐特征更新速度矩阵V
(C)
并存储，用V
(C)w
表示第w个时间的隐特征更新速度向量，并且V
(C)
的大小为w
×
D；D表示隐特征更新速度矩阵的列数。
[0022]优先地，所述预测模块包括初始化单元、训练单元和计算单元；其中，
[0023]初始化单元，用于初始化慢性疾病患病人数预测过程中所涉及的过程参数；
[0024]训练单元，用于结合目标张量、隐特征更新速度以及过程参数，构建目标函数计算隐特征矩阵；
[0025]计算单元，用于根据训练单元得到的隐特征矩阵，计算慢性疾病患病人数预测值。
[0026]本专利技术还提供一种慢性疾病患病人数预测装置的使用方法，具体包括以下步骤：
[0027]S1：接收服务器发送的预测历史慢性疾病患病人数的指令，从服务器采集慢性疾病的历史数据，并将其存储在数据存储模块；
[0028]S2：根据慢性疾病的历史数据构造构造目标张量；
[0029]S3：根据慢性疾病的历史数据构造构造慢性疾病患病人数隐特征更新速度矩阵；
[0030]S4：初始化慢性疾病患病人数预测过程中所涉及的过程参数；
[0031]S5：根据目标张量、隐特征更新速度矩阵构造慢性疾病患病人数预测目标损失函数，输出慢性疾病患病人数预测值。
[0032]优先地，所述S4中，过程参数包括目标张量Y，隐特征矩阵A、B、C，隐特征更新速度矩阵V
(A)
、V
(B)
、V
(C)
，隐特征维数D，最大训练迭代轮数L，迭代轮数控制变量m，收敛终止阈值τ，学习率η
a
、η
b
、η
c
，动量参数γ
a
、γ
b
、γ
c
。
[0033]优先地，所述S5包括：
[0034]S5
‑
1：结合目标张量、隐特征更新速度矩阵以及过程参数，构建目标函数：
[0035][0036]公式(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种慢性疾病患病人数预测装置，其特征在于，包括数据接收模块、数据存储模块、张量构造模块、动量更新模块和预测模块；数据接收模块，用于接收慢性疾病的历史数据，所述历史数据包括患病人数、时间、地区、种类；数据存储模块，用于存储接收的慢性疾病的历史数据；张量构造模块，用于根据数据存储模块中慢性疾病的历史数据构造目标张量；动量更新模块，用于根据数据存储模块中慢性疾病的历史数据，构建隐特征更新速度矩阵；预测模块，根据目标张量和隐特征更新速度矩阵输出慢性疾病患病人数的预测值。2.如权利要求1所述的一种慢性疾病患病人数预测装置，其特征在于，所述数据存储模块包括第一存储单元和第二存储单元；其中，第一存储单元，用于将接收的慢性疾病的历史数据以四元组的形式进行存储；第二存储单元，用于存储预测模块输出的慢性疾病患病人数的预测值，预测值也以四元组的形式存储。3.如权利要求2所述的一种慢性疾病患病人数预测装置，其特征在于，所述四元组表示形式为N＝(a,b,c,y)，其中，N表示历史数据，a表示地区，b表示慢性疾病种类，c表示时间，y表示在c时间a地区患b种慢性疾病的人数。4.如权利要求1所述的一种慢性疾病患病人数预测装置，其特征在于，所述目标张量的构造方法为：(1)将慢性疾病的历史数据按照时间划分为W个时间段；先从中选择出第一个时间段的四元组N
(1)
＝(a,b,1,y)，构造切片矩阵C
(1)
，矩阵中的元素表示在第1个时间段第p个地区患第q种慢性疾病的人数，其中P为地区数量，Q为慢性疾病种类数量，1≤p≤P，1≤q≤Q；(2)再从四元组N＝(a,b,c,y)中依次选择出其它时间段的四元组N
(2)
、N
(3)
、
…
、N
(W)
’
分别构造切片矩阵C
(2)
、C
(3)
、
…
、C
(W)
；(3)最后将W个切片矩阵在三维空间中根据划分的时间先后顺序依次从前到后排列，构造慢性疾病患病人数的目标张量Y∈R
P
×
Q
×
W
。5.如权利要求1所述的一种慢性疾病患病人数预测装置，其特征在于，所述隐特征更新速度矩阵的构造方法为：根据慢性疾病的历史数据，创建所有地区a的隐特征更新速度矩阵V
(A)
并存储，用V
(A)p
表示第p个地区的隐特征更新速度向量，并且V
(A)
的大小为P
×
D；创建所有慢性疾病种类b的隐特征更新速度矩阵V
(B)
并存储，用V
(B)q
表示第q种疾病的隐特征更新速度向量，并且V
(B)
的大小为Q
×
D；创建所有时间c的隐特征更新速度矩阵V
(C)
并存储，用V
(C)w
表示第w个时间的隐特征更新速度向量，并且V
(C)
的大小为w
×
D；D表示隐特征更新速度矩阵的列数。6.如权利要求1所述的一种慢性疾病患病人数预测装置，其特征在于，所述预测模块包括初始化单元、训练单元和计算单元；其中，初始化单元，用于初始化慢性疾病患病人数预测过程中所涉及的过程参数；训练单元，用于结合目标张量、隐特征更新速度以及过程参数，构建目标函数计算隐特征矩阵；
计算单元，用于根据训练单元得到的隐特征矩阵，计算慢性疾病患病人数预测值。7.基于权利要求1
‑
6任一项所述一种...

【专利技术属性】
技术研发人员：曾澳玲，陆小峰，吴昊，隆华，
申请(专利权)人：重庆市大渡口区疾病预防控制中心，
类型：发明
国别省市：