[发明专利]疾病发病预测方法、装置及计算机可读存储介质

说明书

本方案涉及人工智能，提供疾病发病预测方法、装置及存储介质，提取以周为频次的疾病发病人数的数据和对应的天气数据，组成疾病数据；利用特征工程进行特征提取，获取设定维度的特征数据集，并以特征数据集中的数据分别形成训练数据、测试数据；利用SARIMA模型对疾病数据进行平稳化处理分别得出d阶非季节性差分与D阶季节性差分；将训练数据输入模型，确定模型的参数；运用训练的SARIMA模型对疾病的周发病人数进行预测。本发明能够捕捉到疾病周发病人数较近周次的人数变化规律，还能够捕捉到不同周期相同周次的季节性规律，预测更准确。爬取天气数据辅助预测，结合LASSO模型，能基于天气的变化增强预测疾病发病人数的变化规律。

技术领域

本发明涉及人工智能，具体地说，涉及一种疾病发病预测方法、装置及计算机可读存储介质。

背景技术

随着全球经济一体化进程的加快，经济与交流活动增加，人群流动日益频繁，为疾病的传播与爆发提供了有利环境，公共卫生健康问题越来越严峻。同时，社会与自然环境也发生着变化，环境污染、自然灾害等影响公众健康事件的增多也增加了突发公共卫生事件爆发的可能性。

如何能早期识别到疾病突发公共卫生事件，及时发出预警，尽早采取相应的控制措施，将突发公共卫生事件造成的损失降到最低，是公共卫生领域长期以来关注的焦点，也是卫生应急工作的重要内容。突发公共卫生事件预警，是通过对有关数据的收集，整理、分析和整合，运用计算机、网络、通讯等现代先进的技术，对事件的征兆进行监测、识别、诊断与评价，及时报警，告知有关部门和公众做好相关的应对和准备工作，及时采取有效的防控措施，尽可能阻止或减缓突发事件的发生或减少事件的危害。

突发公共卫生事件预警中的一个重要工作是疾病预测，即根据历史的疾病监测数据(即病患数据)预测未来的疾病监测数据。随着机器学习技术的发展，越来越多的机器学习方法应用在疾病预测上。

目前针对手足口病通常是在患病后进行药物治疗，但由于目前缺乏有效治疗药物，所以有必要结合疾病预防措施来防治手足口病，但目前对于手足口病的预测并没有有效的技术手段。

发明内容

为解决以上技术问题，本发明提供一种疾病发病预测办法，应用于电子装置，提取以周为频次的疾病发病人数的数据和对应的天气数据，组成疾病数据；利用特征工程进行特征提取，然后再通过奇异值分解的方法进行特征降维，获取设定维度的特征数据集，并以特征数据集中的部分数据作为训练数据，另一部分数据作为测试数据；利用SARIMA模型对疾病数据进行平稳化处理分别得出d阶非季节性差分与D阶季节性差分；将训练数据输入SARIMA模型，确定参数：非季节性分差次数d，非季节性自回归项数p，非季节性移动平均算子的最大滞后阶数q，季节性差分次数D、季节性自回归项数P，季节性移动平均算子的最大滞后阶数Q；运用经过训练的SARIMA模型对疾病的周发病人数进行预测。

优选地，SARIMA模型为基于周期为s的时间序列模型，表达式如下：

其中，L为非季节性疾病时间序列的滞后算子；

L^s为季节性疾病时间序列的滞后算子；

Δ^d为d次疾病的非季节性差分；

为D次疾病的非季节性差分；

代表了系数为p的自回归(MA(q))多项式；

代表了系数为q的移动平均多项式；

B_Q代表系数为Q的季节移动平均多项式；

Δ与Δ_s分别表示非季节与s期季节性差分；

d，D分别表示的非季节与季节性差分数，用于把时间性季节序列y_t转换为一个平稳的时间序列；