[发明专利]一种COVID-19实时风险预测方法

权利要求书

1.一种COVID-19实时风险预测方法，其特征在于，包括以下步骤：

S1、获取疫情基础病例数据；

S2、根据S1获取的疫情基础病例数据建立传染数衰减方程得到基本传染数，再根据基本传染数和S1获取的疫情基础病例数据建立疫情传播动力学模型；

S3、将本区域实时易感者、感染者、潜伏者、治愈者以及死亡者数据作为疫情传播动力学模型的输入数据，对本区域实时疫情基础病例数据进行预测；

S4、根据本区域实时疫情基础病例数据，计算疫情危险性数据；

S5、确定社会脆弱性数据；

S6、对疫情危险性数据和社会脆弱性数据进行归一化处理，分别建立熵值-层次分析法组合模型，得到疫情危险性数据权重矩阵和社会脆弱性数据权重矩阵；

S7、根据疫情危险性数据权重矩阵、社会脆弱性数据权重矩阵、疫情危险性数据以及社会脆弱性数据进行本区域疫情风险预测，根据预测风险值将区域疫情风险划分为三个等级，三级风险是风险值0.3，二级风险是0.3≤风险值≤0.5，一级风险是风险值0.5；

S8、根据S7划分的风险等级，利用ArcMap10.2软件绘制疫情风险预测等级地图。

2.根据权利要求1所述的一种COVID-19实时风险预测方法，其特征在于，疫情病例基础数据包括区域人口、区域面积、累计确诊病例、累计死亡病例以及累计治愈病例。

3.根据权利要求1所述的一种COVID-19实时风险预测方法，其特征在于，所述S2中传染数衰减方程如下：

其中，C为基本传染数，C₀为疫情初期基本传染数，k为衰减系数，t₀为预计传染病消失的时间，t为时间。

4.根据权利要求1所述的一种COVID-19实时风险预测方法，其特征在于，所述S2中疫情传播动力学模型如下：

其中，C为基本传染数，当C＜1时，传染病将会逐渐消失；β为发病率；θ是潜伏者相对于传染者的传染能力；S为易感者，σ为潜伏者转化感染者的速率，为1/潜伏期；α为致死率；γ为感染者治愈的速率，本文中时间单位为d，每个时间步长为1d，I为感染者，E为潜伏者，R为治愈者，D为死亡者，t为时间。

5.根据权利要求4所述的一种COVID-19实时风险预测方法，其特征在于，所述易感者＝区域人口-累计确诊病例；感染者＝累计确诊病例-累计死亡病例-累计治愈病例；潜伏者(t)＝累计确诊病例(t+a)-累计确诊病例(t)，t为时间，a为潜伏期；治愈者＝累计治愈病例；死亡者＝累计死亡病例。

6.根据权利要求1所述的一种COVID-19实时风险预测方法，其特征在于，疫情危险性数据包括每日新增确诊病例密度、现存确诊病例密度、累计死亡人数密度、死亡率、连续3天有无新增以及14天有无聚集性疫情。

7.根据权利要求6所述的一种COVID-19实时风险预测方法，其特征在于，每日新增确诊病例密度＝(当日累计确诊人数-前一日累计确诊人数)/区域面积；现存确诊病例密度＝(累计确诊病例-累计治愈病例-累计死亡病例)/区域面积；累计死亡人数密度＝累计死亡病例/区域面积；死亡率＝累计死亡病例/累计确诊人数。

8.根据权利要求1所述的一种COVID-19实时风险预测方法，其特征在于，社会脆弱性数据包括人口密度、年龄大于一定值以上人口占比、人均GDP和每万人病床数。