【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种基于大数据分析的结核病流行趋势预测系统。
技术介绍
1、基于大数据分析的结核病流行趋势预测系统的重要性在于，传统监测手段难以应对结核病复杂的传播模式和多变的影响因素。通过整合大规模的医疗数据、人口统计信息和环境因素等多源数据，可以更全面、准确地了解结核病的流行状况，能够有效提高结核病防控的精准性和效率，有助于采取更有针对性的干预措施。然而，传统的结核病流行趋势预测是基于统计模型进行分析，导致预测结果的精准度较低，并且未考虑结核病不同类型的相互之间转化的关联信息，以及缺乏根据实时的结核病相关数据对结核病预测趋势进行实时更新，使得预测效果较差。
技术实现思路
1、基于此，本专利技术提供一种基于大数据分析的结核病流行趋势预测系统，以解决至少一个上述技术问题。
2、为实现上述目的，一种基于大数据分析的结核病流行趋势预测系统，包括：
3、结核病数据采集模块，用于利用预设的网络爬虫程序对互联网上的结核病数据进行采集，以获得结核病数据；对结核病数据进行预处理，生成标准结核病数据；
4、结核病预测模型构建模块，用于根据标准结核病数据进行结核病数据的分布分析，生成结核病分布数据；基于决策树算法以及结核病分布数据进行结核病趋势预测的关系模型建立，以生成结核病预测模型；
5、结核病转移概率预测模型构建模块，用于根据结核病分布数据进行结核病转移概率的矩阵映射，生成结核病转移概率矩阵；基于马尔可夫链算法以及结核病转移概率矩阵
6、结核病趋势预测模块，用于获取结核病预测时间区间；根据结核病预测模型以及转移概率分析模型构建多级结核病转移概率预测模型；将结核病预测时间区间传输至多级结核病预测模型进行结核病预测处理，生成结核病预测数据；根据结核病预测数据以及结核病类型进行各结核病类型的流行趋势可视化展示。
7、本专利技术通过自动化网络爬虫程序，能够从互联网上高效地收集大量和多样化的结核病相关数据，提高了数据集的代表性和覆盖范围，确保了分析和预测的基础更为全面和准确。其次，预处理环节，包括数据的清洗、标准化和异常值处理，保证了数据的质量和一致性，确保了数据处理的准确性。通过对标准化数据的分布分析，揭示人群中结核病的不同类型的分布特征，为理解结核病的传播模式和影响因素提供了基础，利用决策树算法构建的预测模型，通过分类能力以及决策过程，能够有效预测结核病的未来趋势，增强了对结核病流行动态的理解，也极大提高了疾病趋势预测的准确性和实用性。通过创建结核病转移概率矩阵，能够捕捉结核病在不同区域和人群中转移的概率，提供了对疾病传播模式更深入的理解，适合于分析和预测那些时间上动态变化的疾病传播情况。基于马尔可夫链算法的预测模型因其考虑了事件发生的时间序列特性，预测未来一段时间内疾病类型传播的概率，增强了对结核病流行趋势的预测能力。确定预测时间区间确保了模型的预测结果与实际需求紧密相关，增强了预测的实用性和针对性，通过结合结核病预测模型和转移概率分析模型，构建的多级预测模型可以更全面和精确地分析结核病的传播趋势。这种多级模型结合了不同方法和算法的优点，能够提供更综合的疾病动态分析。将预测结果以可视化的形式展现出来，使得复杂的数据分析更加易于理解和应用，有助于快速、有效地把握疾病的发展态势，不仅提高了结核病流行趋势预测的信息传达的效率和效果，对于指导公共卫生策略和应对措施制定具有重要价值。
8、优选地，所述结核病数据采集模块包括：
9、数据采集子模块，用于利用预设的网络爬虫程序对互联网上的结核病数据进行采集，以获得结核病数据；
10、数据解析子模块，用于对结核病数据进行数据解析，生成解析数据；
11、解析数据检测子模块，用于根据解析数据进行解析异常数据检测，生成异常解析数据；
12、异常数据处理子模块，用于根据异常解析数据对结核病数据进行异常数据剔除，以筛选出有效结核病数据；
13、数据标准化处理子模块，用于根据预设的数据格式对有效结核病数据进行数据标准化处理，生成标准结核病数据。
14、本专利技术通过预设的网络爬虫程序自动采集互联网上的结核病数据，这不仅提高了数据收集的效率，还保证了收集到的数据范围广泛和多元化。对收集到的结核病数据进行解析，有助于将原始数据转换成更易于处理和分析的格式，如数据头、元数据、控制信息等，为后续数据异常分析提供数据基础。对解析后的数据进行异常检测，能有效识别和分离出可能的错误或不一致数据，对于保证数据集的准确性和可靠性至关重要。通过移除异常解析数据，进一步确保了数据集的质量，减少了后续分析中可能出现的误差，提高了预测模型的准确性。标准化处理使得数据符合预定的格式和标准，不仅有助于统一数据结构，也使得数据集更易于与其他数据集进行整合和比较。
15、优选地，所述结核病预测模型构建模块包括：
16、结核病类型提取子模块，用于根据标准结核病数据进行结核病类型提取，生成结核病类型数据，其中所述结核病类型数据包括常规类型、易感类型、暴露类型、感染类型、康复类型；
17、特征提取模块子模块，用于利用信息熵增益法对标准结核病数据进行特征提取，生成结核病特征数据；
18、数据分布分析子模块，用于根据结核病类型数据以及结核病特征数据进行结核病数据的分布分析，生成结核病分布数据；
19、预测模型构建子模块，用于根据决策树算法对结核病分布数据进行结核病类型趋势预测的树节点映射关系建立，以生成结核病树节点预测模型，对结核病树节点预测模型进行模型集成，以生成初始结核病预测模型；
20、预测模型训练子模块，用于将初始结核病预测模型传输至结核病预测模型进行模型训练，以生成结核病预测模型。
21、本专利技术通过对结核病数据进行分类，识别出不同类型的结核病，如常规类型、易感类型等，有助于更细致地理解疾病的多样性，为定制化的预测模型提供基础。利用信息熵增益法进行特征提取，可以有效地从大量数据中识别出对预测最有用的特征，提高模型的准确性和效率，信息熵增益法是适用于决策树算法的数据特征提取算法，筛选出更具特征的数据使得数据冗余程度下降，提高模型的泛化能力。结合结核病类型和特征数据进行细致的分布分析，有助于揭示疾病在不同群体和地理位置的分布模式，为精确预测提供重要依据。通过决策树算法建立的树节点映射关系和模型集成，不仅增加了预测模型的维度和复杂性，还提高了模型对未知数据的泛化能力。将结核病分布数据传输至结核病预测模型进行训练，进一步增强了预测模型的拟合能力的稳定性，尤其是在处理结核病数据的大规模和复杂数据集时。
22、优选地，所述结核病转移概率预测模型构建模块包括：
23、状态空间定义子模块，用于根据结核病类型数据进行结核病类型差异的状态空间定义，以获得结核病状态空间；
24、分布数据映射子模块，用于根据结核病状态空间对结本文档来自技高网...
【技术保护点】
1.一种基于大数据分析的结核病流行趋势预测系统，其特征在于，包括：
2.根据权利要求1所述的基于大数据分析的结核病流行趋势预测系统，其特征在于，所述结核病数据采集模块包括：
3.根据权利要求1所述的基于大数据分析的结核病流行趋势预测系统，其特征在于，所述结核病预测模型构建模块包括：
4.根据权利要求1所述的基于大数据分析的结核病流行趋势预测系统，其特征在于，所述模型参数迭代优化单元中的模型迭代优化计算公式如下所示：
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行如权利要求1至4所述的基于大数据分析的结核病流行趋势预测系统。
【技术特征摘要】
1.一种基于大数据分析的结核病流行趋势预测系统，其特征在于，包括：
2.根据权利要求1所述的基于大数据分析的结核病流行趋势预测系统，其特征在于，所述结核病数据采集模块包括：
3.根据权利要求1所述的基于大数据分析的结核病流行趋势预测系统，其特征在于，所述结核病预测模型构建模块包括：
4.根...
【专利技术属性】
技术研发人员：李杰，方俊，陈中书，张齐龙，刘红莲，龚成欣，张学钰，杨霞，宗凯仁，林旭，李贡文，
申请(专利权)人：江西省胸科医院江西省第三人民医院，
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。