[发明专利]一种基于滑动窗口时序模型的虫媒疾病预测方法及系统

说明书

本发明公开了一种基于滑动窗口时序模型的虫媒疾病预测方法及系统，包括收集虫媒疾病病例信息，形成原始数据序列；选取不同滑动窗口宽度，对原始数据序列分段统计形成训练数据序列，建立若干时间序列模型，形成模型库；基于滑动窗口机制和动态加权算法，计算降尺度条件下的预测病例数；利用热点图的表现形式，实现对预测结果的可视化呈现。本发明将滑动窗口时间序列方法应用到虫媒疾病疫情预测领域，可有效降低小时间尺度条件下虫媒疾病疫情的预测误差，更加精准地预测虫媒疾病疫情态势，便于相关组织和人员进行决策。

技术领域

本发明涉及一种基于滑动窗口时序模型的虫媒疾病预测方法及系统，属于计算机应用领域。

背景技术

随着全球气候不断变化，世界范围内虫媒疾病的爆发频次呈上升趋势，尤其是在虫媒疾病高发地区。经济全球化的加快推动了各国之间的贸易往来和人员流动，使得虫媒疾病的传播区域从边、少、穷地区逐渐蔓延至周边地区，甚至出现虫媒疾病跨境传播的复杂情况，同时虫媒疾病爆发周期短，严重影响疫情区域的经济发展和人民生活，虫媒疾病屡屡爆发的严峻形势已引起全球的广泛关注，对虫媒疾病的联合防控和预测预警已势在必行。

虫媒疾病的影响因素复杂易变，是种群分布和诸多环境变量共同作用的结果，国际上还没有针对虫媒疾病形成有效的风险评估体系和疫情评价指标，也无法实现对疫情趋势的有效预判，单纯依靠人为经验进行判断很容易产生较大偏差，同时虫媒疾病爆发急促，一旦出现早期病例，往往疫情会在数天内呈现爆发态势，所以从疾病防控的需要出发，不仅要及时掌握虫媒疾病流行状态，更重要的是通过现有数据及数学模型，预测疾病发展趋势，及时决策并积极采取相应的防控措施。

面对虫媒疾病疫情预测问题，往往需要收集虫媒疾病环境变量和种群分布信息，而实时监测环境和种群变化的难度较大，对大量多元异质数据的整合汇总及特征提取成为多因素、多变量预测的主要难题之一，基于复杂数据集的方法无法保证疾病预测的时效性和准确性，尤其在小时间尺度条件下的预测更加困难。国内外主要研究方向是通过传统的统计方法如累积和控制图模型、小波变换模型等进行疫情预测，预测结果误差较大，容易造成对虫媒疾病疫情趋势的误判，严重影响疾控组织和人员对于虫媒疾病爆发态势的动态响应。近年来的研究广泛基于长短期记忆模型、注意力模型等方法进行疫情预测，虽然模型精确度有所提升，但训练模型需要大量疫情数据和环境资料，在小样本空间下模型的预测精度大幅下降，同时模型对近期数据敏感度低，无法满足防控的实际需求。

发明内容

本发明技术解决问题：克服现有技术中存在的不足，提供一种基于滑动窗口时序模型的虫媒疾病预测方法及系统，具有科学可行、准确度高的优点，不仅可以实现基于小时间尺度条件下的有效预测，而且克服依靠单一模型预测的缺点，提升了虫媒疾病疫情态势的预测效果。

本发明解决其技术问题所采用的技术方案是：一种基于滑动窗口时序模型的虫媒疾病预测方法，包括以下步骤：

第一步，收集虫媒疾病病例信息，形成原始数据序列；

第二步，对原始数据序列进行分段，形成训练数据序列，建立时间序列模型，形成模型库；

第三步，基于滑动窗口机制和目标窗口区间的需求，对应选取时间序列模型，计算目标窗口区间的病例数；

第四步，利用热点图的表现形式，实现模型预测结果的动态可视化呈现。

进一步的，所述步骤一中，所述虫媒疾病病例信息是指虫媒疾病病例的现居住地址、发病日期和病例个数，依据现居住地址和发病日期对病例个数进行分类汇总，统计相关地区每日发病人数，未出现病例则用零填充，按时间先后顺序对统计结果进行排序，形成原始数据序列；