[发明专利]疫情防控效果预测方法及相关产品在审
申请号: | 202010500222.5 | 申请日: | 2020-06-04 |
公开(公告)号: | CN113764106A | 公开(公告)日: | 2021-12-07 |
发明(设计)人: | 张阳;肖婷;黄映婷;刘佳斌 | 申请(专利权)人: | 深圳云天励飞技术有限公司 |
主分类号: | G16H50/80 | 分类号: | G16H50/80;G06F17/12 |
代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 熊永强 |
地址: | 518000 广东省深圳市龙岗区园山*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 疫情 效果 预测 方法 相关 产品 | ||
1.一种疫情防控效果预测方法,其特征在于,包括:
获取每种防控方案对应的防控数据;
将所述每种防控方案对应的防控数据输入到防控效果预测模型,得到对所述每种防控方案的防控效果的预测结果;
将所述每种防控方案的防控效果的预测结果进行可视化展示,得到目标防控方案。
2.根据权利要求1所述的方法,其特征在于,所述防控效果预测模型包括第一预测模型、第二预测模型以及第三预测模型,所述将所述每种防控方案对应的防控数据输入到防控效果预测模型,得到对所述每种防控方案的防控效果的预测结果,包括:
将所述每种防控方案对应的防控数据输入到所述第一预测模型,对感染人数进行预测,得到第一预测结果;
将所述每种防控方案对应的防控数据输入到所述第二预测模型,对确诊患者的检出率进行预测,得到第二预测结果;
将所述每种防控方案对应的防控数据输入到所述第三预测模型,对死亡人数进行预测,得到第三预测结果。
3.根据权利要求1或2所述的方法,其特征在于,预测模型A是通过逐步回归算法构建的,所述预测模型A为第一预测模型、第二预测模型以及第三预测模型中的任意一个,所述预测模型A的构建包括以下步骤:
获取N个预设的防控因子,N为大于1的整数;
通过逐步回归算法以及样本数据,确定所述N个预设的防控因子中对所述预测模型A预测防控效果具有显著作用的M个防控因子,M≤N,所述样本数据包括防控数据和实际防控效果;
使用所述M个防控因子构建多元线性方程,得到所述预测模型A。
4.根据权利要求3所述的方法,其特征在于,所述使用所述M个防控因子构建多元线性方程,得到所述预测模型A,包括:
使用所述M个防控因子构建多元线性方程;
根据所述多元线性方程以及所述样本数据,得到预测防控效果;
根据所述预测防控效果和所述实际防控效果,确定所述多元线性方程的系数取值,得到所述预测模型A。
5.根据权利要求2-4中任一项所述的方法,其特征在于,所述将所述每种防控方案的防控效果的预测结果进行可视化展示,得到目标防控方案,包括:
在可视化界面分别展示所述每种防控方案的第一预测结果、第二预测结果和第三预测结果的星空图;
根据所述每种防控方案的第一预测结果、第二预测结果和第三预测结果的星空图,确定所述每种防控方案中防控效果最优的防控方案为目标防控方案。
6.根据权利要求3-5中任一项所述的方法,其特征在于,所述方法还包括:
从疫情区域中选取目标区域;
提示在所述目标区域实施所述目标防控方案,并获取所述目标区域的实时防控效果,将所述实时防控效果与所述目标防控方案对应的第一预测结果、第二预测结果以及第三预测结果进行比对,以分别调整所述第一预测模型、第二预测模型以及第三预测模型对应的多元线性方程的系数取值。
7.一种疫情防控效果预测装置,其特征在于,包括:
获取单元,用于获取每种防控方案对应的防控数据;
预测单元,用于将所述每种防控方案对应的防控数据输入到防控效果预测模型,得到对所述每种防控方案的防控效果的预测结果;
展示单元,用于将所述每种防控方案的防控效果的预测结果进行可视化展示,得到目标防控方案。
8.根据权利要求7所述的装置,其特征在于,
所述防控效果预测模型包括第一预测模型、第二预测模型以及第三预测模型,在将所述每种防控方案对应的防控数据输入到防控效果预测模型,得到对所述每种防控方案的防控效果的预测结果方面,所述预测单元,具体用于:
将所述每种防控方案对应的防控数据输入到所述第一预测模型,对感染人数进行预测,得到第一预测结果;
将所述每种防控方案对应的防控数据输入到所述第二预测模型,对确诊患者的检出率进行预测,得到第二预测结果;
将所述每种防控方案对应的防控数据输入到所述第三预测模型,对死亡人数进行预测,得到第三预测结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳云天励飞技术有限公司,未经深圳云天励飞技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010500222.5/1.html,转载请声明来源钻瓜专利网。