[发明专利]预测传染病的确诊人数的方法、装置、设备和存储介质

权利要求书

1.一种预测传染病的确诊人数的方法，其特征在于，包括：

获取待预测时间邻近的多个历史时间各自对应的历史确诊人数；

根据当前历史时间和之前的目标历史时间对应的历史确诊人数的进行加总，确定每个当前历史时间对应的历史累积人数；

根据每个当前历史时间对应的历史累积人数确定所述待预测时间对应的预测累积人数；

确定所述待预测时间的预测累积人数和所述待预测时间邻近的目标当前历史时间对应的历史累积人数的人数差值，将所述人数差值作为所述待预测时间的预测确诊人数；

其中，所述根据每个当前历史时间对应的历史累积人数确定所述待预测时间对应的预测累积人数，包括：

通过粒子群算法对每个当前历史时间对应的历史累积人数计算，确定每个当前历史时间对应的目标动态权重系数；

根据每个当前历史时间对应的历史累积人数确定发展系数a和灰度驱动系数b；

基于第一预设公式确定所述待预测时间的预测累积人数，所述第一预设公式为：

其中，为目标动态权重系数，为待预测时间的预测累积人数，为当前历史时间对应的历史累积人数。

2.如权利要求1所述的方法，其特征在于，所述通过粒子群算法对每个当前历史时间对应的历史累积人数计算，确定每个当前历史时间对应的目标动态权重系数，包括：

通过粒子群算法对每个当前历史时间对应的历史累积人数计算，得到二维向量；

从所述二维向量中提取初始动态权重系数，将所述初始动态权重系数作为所述目标动态权重系数。

3.如权利要求1所述的方法，其特征在于，所述通过粒子群算法对每个当前历史时间对应的历史累积人数计算，确定每个当前历史时间对应的目标动态权重系数，包括：

通过粒子群算法对每个当前历史时间对应的历史累积人数计算，得到二维向量；

从所述二维向量中提取初始动态权重系数；

将所述初始动态权重系数作为常量引入麦克劳克林级数；

通过蚁群算法对所述麦克劳克林级数计算得到最终动态权重系数，将所述最终动态权重系数作为所述目标动态权重系数。

4.如权利要求3所述的方法，其特征在于，所述通过蚁群算法对所述麦克劳克林级数计算得到最终动态权重系数，将所述最终动态权重系数作为所述目标动态权重系数，包括：

通过蚁群算法计算中间动态权重参数，其中，每计算一次中间动态权重参数累计一次计算次数；

判断当前计算次数是否到达预设次数；

将所述当前计算次数到达预设次数时对应的中间动态权重参数作为所述目标动态权重系数。

5.如权利要求1所述的方法，其特征在于，所述根据每个当前历史时间对应的历史累积人数确定发展系数a和灰度驱动系数b，包括：

根据每个当前历史时间对应的目标动态权重系数和每个当前历史时间对应的历史累积人数确定每个当前历史时间对应的参考人数；

将每个当前历史时间对应的参考人数与预设系数的乘积进行累加代入灰色微分方程，所述灰色微分方程包括灰度驱动系数b和发展系数a的对应关系；

通过最小二乘法对所述灰色微分方程进行求解得到所述发展系数a和灰度驱动系数b。

6.如权利要求1所述的方法，其特征在于，所述获取待预测时间邻近的多个历史时间各自对应的历史确诊人数，包括：

从网页上爬取所述待预测时间邻近的多个历史时间各自对应的历史确诊人数。