基于图神经网络的人兽共患病风险预测模型的构建方法技术

本发明专利技术提供了一种基于图神经网络的人兽共患病风险预测模型的构建方法，包括：根据研究区的目标地区和邻近地区的病例数时间序列的相关性构建不同地区间的疫情交互作用图；将邻近地区的特征变量时间序列输入至疫情交互作用图，通过多层图卷积网络进行特征聚合，得到一个聚合后的特征时间序列；将聚合后的特征时间序列和目标地区的特征变量时间序列一起输入到多层的长短期记忆网络中；基于均方根误差对不同超参数组合下的预测模型进行精度评估和筛选得到最优的预测模型。本发明专利技术弥补了前人预测模型中忽略地区间疫情时空关联对目标地区疫情波动影响这一缺陷，能够更好地捕捉和预测目标地区的登革热在时间序列波动趋势。

【技术实现步骤摘要】

本专利技术涉及模型构建，特别是涉及一种基于图神经网络的人兽共患病风险预测模型的构建方法。

技术介绍

1、随着全球气候变化、城市化与人口增长，人兽共患病的新发再发风险不断升高。其中，登革热是一个典型案例，其传播的空间范围在不断扩大，造成人类巨大的疾病负担。发展及时、准确的传播风险预测模型，能够为登革热防疫的决策制定与资源分配提供科学依据。

2、目前，已经发展了一系列基于数据驱动和人工智能方法的登革热风险预测模型。前人研究通常认为目标节点（例如某个城市）的气象环境因素主要影响着当地的登革热疫情，因此将登革热的历史病例数或历史发病率作为标签，基于地理空间大数据或者气象站点数据计算气温、降雨、相对湿度、植被绿度等气象环境因素作为协变量，在不同时间尺度上（例如流行病学周或自然月）构建模型来预测目标节点未来的登革热病例数。上述模型通常包括多种机器学习（如随机森林、xgboost等）或者深度学习模型（如gru、lstm、transformer等）。

3、上述方法均是以目标节点自身的气候环境因素作为特征，以病例数或发病率作为标签来进行模型的训练、参本文档来自技高网...

【技术保护点】

1.一种基于图神经网络的人兽共患病风险预测模型的构建方法，其特征在于，包括：

2.根据权利要求1所述的基于图神经网络的人兽共患病风险预测模型的构建方法，其特征在于，对研究区域内目标地区和其邻近地区的特征变量的数据进行预处理，得到目标数据集，包括：

3.根据权利要求2所述的基于图神经网络的人兽共患病风险预测模型的构建方法，其特征在于，所述目标数据集的大小为地区数量N*特征数量F*时间序列长度T。

4.根据权利要求2所述的基于图神经网络的人兽共患病风险预测模型的构建方法，其特征在于，所述疫情交互作用图的表达形式是G=（V，E）；其中V为所有地区的所述特征矩...

【技术特征摘要】

1.一种基于图神经网络的人兽共患病风险预测模型的构建方法，其特征在于，包括：

2.根据权利要求1所述的基于图神经网络的人兽共患病风险预测模型的构建方法，其特征在于，对研究区域内目标地区和其邻近地区的特征变量的数据进行预处理，得到目标数据集，包括：

3.根据权利要求2所述的基于图神经网络的人兽共患病风险预测模型的构建方法，其特征在于，所述目标数据集的大小为地区数量n*特征数量f*时间序列长度t。

4.根据权利要求2所述的基于图神经网络的人兽共患病风险预测模型的构建方法，其特征在于，所述疫情交互作用图的表达形式是g=（v，e）；其中v为所有地区的所述特征矩阵，e为根据地区的拓扑数据得到的两两节点之间的边；所述疫情交互作用图的每一个节点...

【专利技术属性】
技术研发人员：李之超，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：