System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能,特别是涉及一种传染病趋势预测方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、传染病的有效防治是全人类面临的共同挑战。通过大数据,精准预测传染病的传播趋势和速度,将有助于人类社会控制传染病,进而保障社会公共卫生安全,在一定层面上不但可以为疫情防控决策和效果评价提供参考,而且对疫情防控具有一定的应用价值和社会价值。
2、现如今涉及到的传染病趋势的预测方法中,大部分是基于经验的模型,如arima模型(autoregressive integrated moving average model,差分整合移动平均自回归模型)和seir模型(针对易感者(susceptible)、暴露者(exposed)、患病者(infectious)和康复者(recovered)四类人群的模型)。其研究是基于传染病的相关特征,分析传染病的特征信息,根据经验进而选取较为合适的预测模型对传染病传播情况进行预测。但是这种方法的预测准确率较低。
技术实现思路
1、基于此,有必要针对上述方法的预测准确率较低的技术问题,提供一种传染病趋势预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面,本申请提供了一种传染病趋势预测方法。所述方法包括:
3、获取待预测的传染病在历史时间段内的感染数据集;所述感染数据集包括多个地点在多个传染病传播影响指标下的特征数据;
4、以每个传染病传播影响指标为对象,对每个传染病传播影响
5、以每个地点为对象,对每个地点下的特征数据进行特征提取处理,得到所述感染数据集的空间特征;
6、基于所述数据特征和所述空间特征,确定所述传染病在预测时间段的感染人数。
7、在其中一个实施例中,所述以每个传染病传播影响指标为对象,对每个传染病传播影响指标下的特征数据进行特征提取处理,得到所述感染数据集的数据特征,包括:
8、按照传染病传播影响指标的不同,将所述感染数据集划分为多份数据,得到每个传染病传播影响指标对应的特征数据;
9、对每个传染病传播影响指标对应的特征数据进行卷积处理,得到每个传染病传播影响指标对应的初始数据特征;
10、对所述每个传染病传播影响指标对应的初始特征数据进行融合处理,得到所述感染数据集的数据特征。
11、在其中一个实施例中,所述对所述每个传染病传播影响指标对应的初始特征数据进行融合处理,得到所述感染数据集的数据特征,包括:
12、基于注意力单元,对所述每个传染病传播影响指标对应的初始数据特征进行特征加权组合处理,得到所述感染数据集的加权注意力特征;
13、将所述加权注意力特征,作为所述感染数据集的数据特征。
14、在其中一个实施例中,所述以每个地点为对象,对每个地点下的特征数据进行特征提取处理,得到所述感染数据集的空间特征,包括:
15、按照地点的不同,将所述历史数据集划分为多份数据,得到每个地点对应的特征数据;
16、以每个地点为节点,以每个地点对应的特征数据为节点特征向量,构建网络拓扑图;
17、通过图卷积网络对所述网络拓扑图进行卷积计算,得到所述感染数据集的空间特征。
18、在其中一个实施例中,所述以每个地点为节点,以每个地点对应的特征数据为节点特征向量,构建网络拓扑图,包括:
19、获取两两节点对应的节点特征向量之间的互信息;所述互信息用于表征两个节点之间的相互依赖程度;
20、基于所述互信息,确定所述两两节点之间的连接关系;
21、根据所述连接关系连接各个地点对应的节点,得到所述网络拓扑图。
22、在其中一个实施例中,所述通过图卷积网络对所述网络拓扑图进行卷积计算,得到所述感染数据集的空间特征,包括:
23、获取所述网络拓扑图对应的邻接矩阵、度矩阵、特征矩阵和可学习参数矩阵;
24、基于所述邻接矩阵、所述度矩阵、所述特征矩阵和所述可学习参数矩阵,得到所述空间特征。
25、在其中一个实施例中,所述基于所述数据特征和所述空间特征,确定所述传染病在预测时间段的感染人数,包括:
26、对所述数据特征和所述空间特征进行拼接处理,得到拼接特征;
27、对所述拼接特征进行预测处理,得到所述传染病在预测时间段的感染人数。
28、第二方面,本申请还提供了一种传染病趋势预测装置。所述装置包括:
29、数据获取模块,用于获取待预测的传染病在历史时间段内的感染数据集;所述感染数据集包括多个地点在多个传染病传播影响指标下的特征数据;
30、第一特征提取模块,用于以每个传染病传播影响指标为对象,对每个传染病传播影响指标下的特征数据进行特征提取处理,得到所述感染数据集的数据特征;
31、第二特征提取模块,用于以每个地点为对象,对每个地点下的特征数据进行特征提取处理,得到所述感染数据集的空间特征;
32、趋势预测模块,用于基于所述数据特征和所述空间特征,确定所述传染病在预测时间段的感染人数。
33、第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
34、获取待预测的传染病在历史时间段内的感染数据集;所述感染数据集包括多个地点在多个传染病传播影响指标下的特征数据;
35、以每个传染病传播影响指标为对象,对每个传染病传播影响指标下的特征数据进行特征提取处理,得到所述感染数据集的数据特征;
36、以每个地点为对象,对每个地点下的特征数据进行特征提取处理,得到所述感染数据集的空间特征;
37、基于所述数据特征和所述空间特征,确定所述传染病在预测时间段的感染人数。
38、第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
39、获取待预测的传染病在历史时间段内的感染数据集;所述感染数据集包括多个地点在多个传染病传播影响指标下的特征数据;
40、以每个传染病传播影响指标为对象,对每个传染病传播影响指标下的特征数据进行特征提取处理,得到所述感染数据集的数据特征;
41、以每个地点为对象,对每个地点下的特征数据进行特征提取处理,得到所述感染数据集的空间特征;
42、基于所述数据特征和所述空间特征,确定所述传染病在预测时间段的感染人数。
43、第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
44、获取待预测的传染病在历史时间段内的感染数据集;所述感染数据集本文档来自技高网...
【技术保护点】
1.一种传染病趋势预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述以每个传染病传播影响指标为对象,对每个传染病传播影响指标下的特征数据进行特征提取处理,得到所述感染数据集的数据特征,包括:
3.根据权利要求2所述的方法,其特征在于,所述对所述每个传染病传播影响指标对应的初始特征数据进行融合处理,得到所述感染数据集的数据特征,包括:
4.根据权利要求1所述的方法,其特征在于,所述以每个地点为对象,对每个地点下的特征数据进行特征提取处理,得到所述感染数据集的空间特征,包括:
5.根据权利要求4所述的方法,其特征在于,所述以每个地点为节点,以每个地点对应的特征数据为节点特征向量,构建网络拓扑图,包括:
6.根据权利要求4所述的方法,其特征在于,所述通过图卷积网络对所述网络拓扑图进行卷积计算,得到所述感染数据集的空间特征,包括:
7.根据权利要求1所述的方法,其特征在于,所述基于所述数据特征和所述空间特征,确定所述传染病在预测时间段的感染人数,包括:
8.一种传染病趋势
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的传染病趋势预测方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的传染病趋势预测方法的步骤。
11.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至7中任一项所述的传染病趋势预测方法的步骤。
...【技术特征摘要】
1.一种传染病趋势预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述以每个传染病传播影响指标为对象,对每个传染病传播影响指标下的特征数据进行特征提取处理,得到所述感染数据集的数据特征,包括:
3.根据权利要求2所述的方法,其特征在于,所述对所述每个传染病传播影响指标对应的初始特征数据进行融合处理,得到所述感染数据集的数据特征,包括:
4.根据权利要求1所述的方法,其特征在于,所述以每个地点为对象,对每个地点下的特征数据进行特征提取处理,得到所述感染数据集的空间特征,包括:
5.根据权利要求4所述的方法,其特征在于,所述以每个地点为节点,以每个地点对应的特征数据为节点特征向量,构建网络拓扑图,包括:
6.根据权利要求4所述的方法,其特征在于,所述通过图卷积网络对所...
【专利技术属性】
技术研发人员:李亚辉,
申请(专利权)人:中国电信股份有限公司,
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。