【技术实现步骤摘要】
基于疫情趋势及管控政策关联模型的疫情预测方法和系统
[0001]本专利技术涉及传染病疫情智能预测
,特别是一种基于疫情趋势及管控政策关联模型的疫情预测方法和系统
。
技术介绍
[0002]在疫情趋势的预测技术中,通常采用流行病传播模型
。
在一些模型中,基本再生数
R0是一个重要的预测参数,基本再生数
R0是指没有干预的情况下,在一个全部是易感人群的环境中,平均一个患者在患病周期可以传染的人数
。
例如,可以通过流行病传播模型,根据感染人群
、
潜伏期
、
感染周期的数据计算出
R0,随着时间的推进,疫情得到控制,通过流行病传播模型,采用相同方法计算出来的
R
值,将其记作有效再生数
R
t
。
[0003]但是,目前的流行病传播模型在进行疫情预测时,并没有考虑管控政策类数据和参数,但实际上,管控政策对于疫情的发展
、
控制以及模型的预测准确性和实时性都会产生很大的影响
。
[0004]因鉴于此,特提出本专利技术
。
技术实现思路
[0005]本专利技术的目的是提供一种基于疫情趋势及管控政策关联模型的疫情预测方法和系统,在疫情期间能够对新发疫情以及聚集性疫情等做出动态预测,为达到疫情精准防控效果提供依据
。
[0006]为了实现上述目的,本专利技术提供的一种基于疫情趋势及管控政策关联模型的疫情预测方 ...
【技术保护点】
【技术特征摘要】
1.
基于疫情趋势及管控政策关联模型的疫情预测方法,其特征在于,包括:采集基础数据,所述基础数据包括政策数据
、
健康数据以及与疫情存在潜在相关性的数据;对所述基础数据进行治理,生成模型训练的基础数据库;在所述基础数据库中,选取影响疫情的特征因子,对特征因子进行量化归一,再利用机器学习算法进行模型训练,生成传播动力学模型的参数,然后再通过所述传播动力学模型进行疫情的预测
。2.
根据权利要求1所述的疫情预测方法,其特征在于,所述与疫情存在潜在相关性的数据包括以下至少一种:出行指数
、
搜索指数
、
温湿度以及预测对象本身的属性;所述预测对象本身的属性包括以下至少一种: GDP、
人口密度
、
城市化率
。3.
根据权利要求1所述的疫情趋势及管控政策关联模型的方法,其特征在于,所述方法还包括:在所述传播动力学模型中,所述参数被配置为可在预定范围内调节,以便用于疫情趋势和
/
或调控策略的仿真模拟
。4.
根据权利要求3所述的疫情预测方法,其特征在于,被配置为可在预定范围内调节的参数包括以下一种或多种:复工复产率参数
、
复学复课率参数
、
社区管理强度参数
、
聚集性活动人数阈值参数
、
公共场所限流率
、
地面轨道交通满载率参数
、
进口食品检验管理强度参数
、
核酸筛查管理参数
、
口罩佩戴管理参数
、
密接管理参数
。5.
根据权利要求1所述的疫情预测方法,其特征在于,所述通过所述传播动力学模型进行疫情的预测包括:计算有效再生参数,根据历史有效再生参数预测未来有效再生参数,将未来有效再生参数输入传播动力学模型以得到未来发病人数
。6.
根据权利要求5所述的疫情预测方法,其特征在于,所述计算有效再生参数包括:通过以下公式确定有效再生参数
R
t
:
,
其中,,其中,,其中:
p
ij
表示发病时间为 t
i
的病例被发病时...
【专利技术属性】
技术研发人员:任义民,程晨,王锡辉,冯学强,
申请(专利权)人:北京梦天门科技股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。