一种数据处理方法、装置、计算机设备及存储介质制造方法及图纸

本申请实施例公开了一种数据处理方法、装置、计算机设备及存储介质，包括：在目标时间段所处的目标防控规则下，获取N类对象智能体分别在第一区域内的对象路径模式，以及N类对象智能体分别对应的对象路径传播参数；获取第二区域在目标时间段内的对象输入参数，基于对象输入参数以及N类对象智能体分别对应的对象路径传播参数，对N类对象智能体分别进行预测，得到N类对象智能体分别对应的目标对象统计参数；基于N个对象路径模式以及N个对象路径传播参数，对N个目标对象统计参数分别进行对象传播模拟，得到第一区域在目标时间段内的对象预测总数量。采用本申请实施例，可以提升对象预测总数量的预测准确性。测总数量的预测准确性。测总数量的预测准确性。

【技术实现步骤摘要】
一种数据处理方法、装置、计算机设备及存储介质


[0001]本申请涉及计算机
，尤其涉及一种数据处理方法、装置、计算机设备及存储介质。

技术介绍

[0002]其中，传染病(例如，新冠肺炎)是指由各种病原体引起的能在人与人、动物与动物或人与动物之间相互传播的一类疾病。其中，新冠肺炎一般指新型冠状病毒肺炎。新型冠状病毒肺炎(Corona Virus Disease 2019，COVID
‑
19)，简称“新冠肺炎”，世界卫生组织命名为“2019冠状病毒病”，是指2019新型冠状病毒感染导致的肺炎。现有传染病疫情防真模型对未来的估计严格依赖现有数据估计的参数，例如，深度学习模型对数据量要求较为严格，然而通常情况下疫情样本数据量较少，导致深度模型因数据过少而参数过拟合，难以准确预测某一区域在未来某一时间段内的传染病确诊患者数量，使得预测准确度降低。

技术实现思路

[0003]本申请实施例提供一种数据处理方法、装置、计算机设备及存储介质，可以提升对象预测总数量的预测准确性。
[0004]本申请实施例一方面提供一种数据处理方法，包括：
[0005]在目标时间段所处的目标防控规则下，获取N类对象智能体分别在第一区域内的对象路径模式，以及N类对象智能体分别对应的对象路径传播参数；N类对象智能体分别对应的对象路径传播参数是在目标防控规则下，基于N类对象智能体分别对应的样本对象，在第一区域内的样本路径模式所训练得到的；N为正整数；
[0006]获取第二区域在目标时间段内的对象输入参数，基于对象输入参数以及N类对象智能体分别对应的对象路径传播参数，对N类对象智能体分别进行预测，得到N类对象智能体分别对应的目标对象统计参数；第一区域为第二区域的对象转移区域；
[0007]基于N个对象路径模式以及N个对象路径传播参数，对N个目标对象统计参数分别进行对象传播模拟，得到第一区域在目标时间段内的对象预测总数量。
[0008]本申请实施例一方面提供一种数据处理方法，包括：
[0009]在处于目标防控规则的样本历史时间段内，统计属于第一区域的第一对象对应的第一目标样本统计数量以及属于第二区域的第二对象对应的第二目标样本统计数量；
[0010]将第一对象作为用于进行训练的样本对象，基于样本对象的输入来源，分别构建N类对象智能体；
[0011]基于样本对象在样本历史时间段内的历史路径，构建N类对象智能体分别对应的样本路径模式，且生成N类对象智能体分别对应的初始路径传播参数；
[0012]基于第二目标样本统计数量、N类对象智能体分别对应的样本路径模式，以及N类对象智能体分别对应的初始路径传播参数，对N类对象智能体分别进行对象传播模拟，得到第一区域的样本预测总数量；
[0013]基于样本预测总数量以及第一目标样本统计数量，对N类对象智能体分别对应的初始路径传播参数进行调整，当调整后的初始路径传播参数满足参数收敛条件时，确定N类对象智能体分别对应的对象路径传播参数；N类对象智能体分别对应的对象路径传播参数用于预测第一区域在目标时间段内的对象预测总数量；目标时间段处于目标防控规则下。
[0014]本申请实施例一方面提供一种数据处理装置，包括：
[0015]对象传播参数获取模块，用于在目标时间段所处的目标防控规则下，获取N类对象智能体分别在第一区域内的对象路径模式，以及N类对象智能体分别对应的对象路径传播参数；N类对象智能体分别对应的对象路径传播参数是在目标防控规则下，基于N类对象智能体分别对应的样本对象，在第一区域内的样本路径模式所训练得到的；N为正整数；
[0016]目标统计参数预测模块，用于获取第二区域在目标时间段内的对象输入参数，基于对象输入参数以及N类对象智能体分别对应的对象路径传播参数，对N类对象智能体分别进行预测，得到N类对象智能体分别对应的目标对象统计参数；第一区域为第二区域的对象转移区域；
[0017]对象预测总数量确定模块，用于基于N个对象路径模式以及N个对象路径传播参数，对N个目标对象统计参数分别进行对象传播模拟，得到第一区域在目标时间段内的对象预测总数量。
[0018]其中，N类对象智能体分别对应的对象路径传播参数包括第一对象智能体对应的第一对象路径传播参数、第二对象智能体对应的第二对象路径传播参数以及第三对象智能体对应的第三对象路径传播参数；第一对象智能体是基于往返于第一区域和第二区域的业务对象所构建的；第二对象智能体是基于从第二区域转移至第一区域的业务对象所构建的；第三对象智能体是基于参与第一区域的区域活动的业务对象所构建的；
[0019]该目标统计参数预测模块包括：
[0020]区域概率获取单元，用于获取第二区域在目标时间段内的对象输入参数，基于对象输入参数，确定第二区域的区域传播概率参数；
[0021]第一目标参数确定单元，用于基于区域传播概率参数以及第一对象路径传播参数，对第一对象智能体进行预测，得到第一对象智能体对应的目标对象统计参数；
[0022]第二目标参数确定单元，用于基于区域传播概率参数以及第二对象路径传播参数，对第二对象智能体进行预测，得到第二对象智能体对应的目标对象统计参数；
[0023]第三目标参数确定单元，用于根据第一区域在历史时间段内所对应的历史对象预测数量以及第一实际对象统计数量，对第三对象智能体进行预测，得到第三对象智能体对应的目标对象统计参数；历史对象预测数量是在历史时间段内，基于第一对象路径传播参数、第二对象路径传播参数及第三对象路径传播参数对第一区域进行预测得到的；历史时间段处于目标防控规则下。
[0024]其中，该区域概率获取单元包括：
[0025]对象输入参数获取子单元，用于获取第二区域在目标时间段内的对象输入参数；对象输入参数包括第二区域对应的区域对象预测参数以及第二区域对应的区域对象总数；区域对象预测参数是基于第二区域在历史时间段内的第二实际对象统计数量所确定的；
[0026]区域概率确定子单元，用于将第二区域对应的区域对象预测参数以及区域对象总数之间的比值，确定为第二区域的区域传播概率参数。
[0027]其中，第一对象路径传播参数包括与第二区域相关联的衰减参数；
[0028]该第一目标参数确定单元包括：
[0029]对象概率确定子单元，用于在目标防控规则下，基于区域传播概率参数以及衰减参数，确定第一对象智能体对应的对象传播概率参数；
[0030]第一目标参数确定子单元，用于获取第一对象智能体在目标防控规则下的第一业务对象数量，基于第一业务对象数量以及对象传播概率参数，确定第一对象智能体对应的目标对象统计参数。
[0031]其中，第二对象路径传播参数包括第二对象智能体在目标时间段内的第二业务对象数量；
[0032]该第二目标参数确定单元包括：
[0033]影响因子获取子单元，用于获取第二区域在邻接历史时间段内的区域环境参数，基于区域环境参数确定第二区域对第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：在目标时间段所处的目标防控规则下，获取N类对象智能体分别在第一区域内的对象路径模式，以及所述N类对象智能体分别对应的对象路径传播参数；所述N类对象智能体分别对应的对象路径传播参数是在所述目标防控规则下，基于所述N类对象智能体分别对应的样本对象，在所述第一区域内的样本路径模式所训练得到的；所述N为正整数；获取第二区域在所述目标时间段内的对象输入参数，基于所述对象输入参数以及所述N类对象智能体分别对应的对象路径传播参数，对所述N类对象智能体分别进行预测，得到所述N类对象智能体分别对应的目标对象统计参数；所述第一区域为所述第二区域的对象转移区域；基于N个对象路径模式以及N个对象路径传播参数，对N个目标对象统计参数分别进行对象传播模拟，得到所述第一区域在所述目标时间段内的对象预测总数量。2.根据权利要求1所述的方法，其特征在于，所述N类对象智能体分别对应的对象路径传播参数包括第一对象智能体对应的第一对象路径传播参数、第二对象智能体对应的第二对象路径传播参数以及第三对象智能体对应的第三对象路径传播参数；所述第一对象智能体是基于往返于所述第一区域和所述第二区域的业务对象所构建的；所述第二对象智能体是基于从所述第二区域转移至所述第一区域的业务对象所构建的；所述第三对象智能体是基于参与所述第一区域的区域活动的业务对象所构建的；所述获取第二区域在所述目标时间段内的对象输入参数，基于所述对象输入参数以及所述N类对象智能体分别对应的对象路径传播参数，对所述N类对象智能体分别进行预测，得到所述N类对象智能体分别对应的目标对象统计参数，包括：获取第二区域在所述目标时间段内的对象输入参数，基于所述对象输入参数，确定所述第二区域的区域传播概率参数；基于所述区域传播概率参数以及所述第一对象路径传播参数，对所述第一对象智能体进行预测，得到所述第一对象智能体对应的目标对象统计参数；基于所述区域传播概率参数以及所述第二对象路径传播参数，对所述第二对象智能体进行预测，得到所述第二对象智能体对应的目标对象统计参数；根据所述第一区域在历史时间段内所对应的历史对象预测数量以及第一实际对象统计数量，对所述第三对象智能体进行预测，得到所述第三对象智能体对应的目标对象统计参数；所述历史对象预测数量是在所述历史时间段内，基于所述第一对象路径传播参数、所述第二对象路径传播参数及所述第三对象路径传播参数对所述第一区域进行预测得到的；所述历史时间段处于所述目标防控规则下。3.根据权利要求2所述的方法，其特征在于，所述获取第二区域在所述目标时间段内的对象输入参数，基于所述对象输入参数，确定所述第二区域的区域传播概率参数，包括：获取第二区域在所述目标时间段内的对象输入参数；所述对象输入参数包括所述第二区域对应的区域对象预测参数以及所述第二区域对应的区域对象总数；所述区域对象预测参数是基于所述第二区域在所述历史时间段内的第二实际对象统计数量所确定的；将所述第二区域对应的区域对象预测参数以及所述区域对象总数之间的比值，确定为所述第二区域的区域传播概率参数。4.根据权利要求2所述的方法，其特征在于，所述第一对象路径传播参数包括与所述第
二区域相关联的衰减参数；所述基于所述区域传播概率参数以及所述第一对象路径传播参数，对所述第一对象智能体进行预测，得到所述第一对象智能体对应的目标对象统计参数，包括：在所述目标防控规则下，基于所述区域传播概率参数以及所述衰减参数，确定所述第一对象智能体对应的对象传播概率参数；获取所述第一对象智能体在所述目标防控规则下的第一业务对象数量，基于所述第一业务对象数量以及所述对象传播概率参数，确定所述第一对象智能体对应的目标对象统计参数。5.根据权利要求2所述的方法，其特征在于，所述第二对象路径传播参数包括所述第二对象智能体在所述目标时间段内的第二业务对象数量；所述基于所述区域传播概率参数以及所述第二对象路径传播参数，对所述第二对象智能体进行预测，得到所述第二对象智能体对应的目标对象统计参数，包括：获取所述第二区域在邻接历史时间段内的区域环境参数，基于所述区域环境参数确定所述第二区域对所述第二对象智能体的影响因子；所述邻接历史时间段是指处于所述目标防控规则下且与所述目标时间段相邻的历史时间段；采用所述影响因子对所述第二业务对象数量进行调整，得到所述第二对象智能体对应的对象调整数量；将所述区域传播概率参数与所述对象调整数量之间的乘积，确定为所述第二对象智能体对应的目标对象统计参数。6.根据权利要求2所述的方法，其特征在于，所述历史时间段包括M个历史统计周期；所述M个历史统计周期包括历史统计周期i；M为正整数；i为小于或者等于M的正整数；所述根据所述第一区域在历史时间段内所对应的历史对象预测数量以及第一实际对象统计数量，对所述第三对象智能体进行预测，得到所述第三对象智能体对应的目标对象统计参数，包括：将所述历史统计周期i对应的历史对象预测数量以及第一实际对象统计数量之间的差异数量，确定为所述历史统计周期i的预测差异值，直到得到所述M个历史统计周期分别对应的预测差异值；基于所述M个历史统计周期分别对应的预测差异值，生成所述第三对象智能体对应的对象分布图谱；基于所述对象分布图谱的分布轨迹，预测所述第三对象智能体对应的目标对象统计参数。7.根据权利要求1所述的方法，其特征在于，所述N类对象智能体包括第j类对象智能体；j为小于或者等于N的正整数；所述N个对象路径模式中的所述第j类对象智能体的对象路径模式，包括所述第j类对象智能体在所述第一区域内的k个传播路径；k为正整数；所述基于N个对象路径模式以及N个对象路径传播参数，对N个目标对象统计参数分别进行对象传播模拟，得到所述第一区域在所述目标时间段内的对象预测总数量，包括：从所述N个对象路径传播参数中，获取所述第j类对象智能体的k个传播路径分别对应的区域路径参数；采用所述第j类对象智能体的k个传播路径分别对应的区域路径参数，对所述第j类对
象智能体所对应的目标对象统计参数进行对象传播模拟，得到所述第j类对象智能体在所述目标时间段内的预测数量；在获取到所述N类对象智能体分别在所述目标时间段内的预测数量时，对所述N类对象智能体分别在所述目标时间段内的预测数量进行整合处理，得到所述第一区域在所述目标时间段内的对象预测总数量。8.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述第一区域在历史时间段内所对应的历史对象预测数量以及第一实际对象统计数量；所述历史时间段处于所述目标防控规则下；根据所述历史对象预测数量以及所述对象预测总数量，生成所述第一区域的预测对象分布轨迹；基于所述第一实际对象统计数量，生成所述第一区域的实际对象分布轨迹；基于所述预测对象分布轨迹以及所述实际对象分布轨迹，生成所述第一区域对应的分布比对图谱；当所述分布比对图谱指示所述...

【专利技术属性】
技术研发人员：刘亚飞，王硕佳，李晓雯，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：