[发明专利]基于最小生成树动态网络标志物的城市流感爆发预测方法

说明书

本发明公开了一种基于最小生成树动态网络标志物的城市流感爆发预测方法，该方法使用高维的流感历史就诊人数作为原始输入数据，再根据城市的地理位置和交通情况构建城市网络，然后运用动态网络标志物理论和最小生成树从就诊人数中得出MST‑DNM分数；最后使用一个经过训练的逻辑回归模型根据MST‑DNM分数来得出流感所处的阶段。相对于传统方法中使用大量的额外数据，本发明仅使用高维的长时间序列的流感确诊数据作为原始输入，以动态网络标志物(dynamical network marker,DNM)为基础，结合最小生成树算法和逻辑回归模型，实时且高效地识别出了城市流感爆发地预警信号。

技术领域

本发明涉及大数据分析中的计算生物学技术领域，具体涉及一种基于最小生成树动态网络标志物的城市流感爆发预测方法。

背景技术

随着全球经济发展，人口流动性爆炸增长，流感大流行已经对全世界人民健康和财产造成了巨大而广泛的威胁。制订预测流感爆发的有效策略以预防或至少为新的流感大流行做好准备现在已成为全球公共卫生的重中之重。由于流感爆发的复杂性通常与生物和社会系统的时空特征有关，因此，实现对流感爆发的实时监控是一项艰巨的任务。目前亟待通过探索流感爆发期间丰富的城市网络动态信息，开发了一种计算方法，即基于最小生成树动态网络标记(the minimum-spanning-tree-based dynamical network marker，MST-DNM)的城市流感爆发预测方法，以在流感爆发到来之前识别出临界点或预爆发阶段。

发明内容

本发明的目的是为了解决现有技术中的上述缺陷，提供一种基于最小生成树动态网络标志物的城市流感爆发预测方法，并且最终高效地识别出流感爆发的预警信号。

本发明的目的可以通过采取如下技术方案达到：

一种基于最小生成树动态网络标志物的城市流感爆发预测方法，包括如下步骤：

S1、构建城市网络模型，根据城市的行政区划的地理位置和其毗连关系构建一个城市网络模型，该城市网络模型是加权无向图模型，具体地，图模型中的每一个节点都代表城市的一个行政区，每一条边则表示各个行政区之间的毗连关系。

S2、将各个行政区的流感确诊人数除以各个行政区的定点医院数量即得到经过平均处理后的各个行政区的流感确诊人数，然后将经过平均处理后的各个行政区的流感确诊人数以年为单位映射到城市网络模型的相应节点中。

S3、将城市网络用图G＝(V,E)表示，其中表示网络中M节点的集合，表示网络中N个节点的集合。

首先，将每个地区每个周的确诊人数看作一个样本，从而得到一系列的时间序列数据。即当城市网络处于第t周时，每个节点v_i都有一个时间序列数据集{s₁,s₂,…,s_t}。

第二步，当城市网络处于第t周时，对于网络中地每一条边e^k，使用如下的公式来计算这条边的两个节点v_i,v_j之间的相关性并将其作为边e^k的权重：

其中，|PCC_t(v_i,v_j)|表示第t周时两个节点v_i,v_j之间的皮尔逊相关系数(PearsonCorrelation Coefficient，PCC)，|PCC_t-1(v_i,v_j)|表示第t-1周时两个节点v_i,v_j之间的皮尔逊相关系数。参数δ由如下公式表示：

δ＝||SD_t(k)|-|SD_t-1(k)||