[发明专利]急性传染病的发病预测方法、装置及计算机可读存储介质

说明书

本发明涉及一种人工智能技术，揭露了一种急性传染病的发病预测方法，该方法包括：获得影响急性传染病发病的时序数据集，并按照预设方法对所述时序数据集执行数据处理，以从所述时序数据集中筛选出影响所述急性传染病发病的主成分因子数据；基于筛选出来的影响所述急性传染病发病的主成分因子数据，结合预设的多个单项预测模型的加权平均，构建急性传染病发病的组合预测模型；利用所述组合预测模型的计算公式自动化预测出所述急性传染病发病的爆发时期。本发明还提出一种装置以及一种计算机可读存储介质。本发明能够对急性传染病具有很好的预测效果。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种急性传染病的发病预测方法、装置及计算机可读存储介质。

背景技术

水痘(chickenpox)是一种急性传染病，是由水痘-带状疱疹病毒引起的，多见于儿童的急性传染病，临床特征是同时出现的、全身性丘疹、水疱及结痂。水痘的传染性极强，中国水痘病例以小学生和托幼儿童为主，是学校公共卫生事件的主要原因之一，并引起较重的经济负担。对水痘的发病趋势进行预测是水痘防治工作的重要环节，及时、准确的预测不但有助于及早采取措施防范疫情暴发和流行，还可以用于对所实施的公共卫生措施的效果进行评价。传统意义上的预测需要有病原采集等较多医学层面的测验，较为复杂和滞后，而且是针对水痘发病情况的定性预测，达不到定量预测的效果。

发明内容

本发明提供一种急性传染病的发病预测方法、装置及计算机可读存储介质，其主要目的在于提供一种新型的预测模型，能够对水痘等急性传染病具有更好的预测效果。

为实现上述目的，本发明的急性传染病的发病预测方法，包括：

获得影响急性传染病发病的时序数据集，并按照预设方法对所述时序数据集执行数据处理，以从所述时序数据集中筛选出影响所述急性传染病发病的主成分因子数据；

基于筛选出来的影响所述急性传染病发病的主成分因子数据，结合预设的多个单项预测模型的加权平均，构建急性传染病发病的组合预测模型；

利用所述组合预测模型的计算公式自动化预测出所述急性传染病发病的爆发时期。

可选地，所述获得影响急性传染病发病的时序数据集包括：

基于中国疾病预防控制信息管理系统，获得预设地区近N年的预设类型急性传染病的疫情报告卡，收集患者的临床发病资料；

通过该地区气象局获得所述地区的气象资料数据；

对所获得的临床发病资料以及气象资料数据建立Excel时序数据集。

可选地，所述按照预设方法对所述时序数据集执行数据处理，以从所述时序数据集中筛选出影响所述急性传染病发病的主成分因子数据包括：

对所述时序数据集中的数据进行数据清洗处理，得到标准化数据集；

基于上述清洗后的时序数据集，利用深度学习算法分析所述时序数据集的特征，扩充特征数据维度；

利用主成分分析算法对扩充的特征数据进行降维处理，筛选特征值，以确定影响水痘发病的主成分。

可选地，所述预设的多个单项预测模型包括ARIMA模型以及BP神经网络模型。

可选地，所述结合预设的多个单项预测模型的加权平均，构建急性传染病发病的组合预测模型包括：

计算所述ARIMA模型和BP神经网络模型的误差平方和e_j，并通过整体误差平方和最小的原则对所述ARIMA模型和BP神经网络模型的权数进行赋值，所述赋值的计算公式为：

其中，m为组合预测模型中的单项预测模型的个数。