[发明专利]一种新型冠状病毒肺炎疫情多级预警方法及系统

说明书

本发明涉及一种新型冠状病毒肺炎疫情多级预警方法及系统，属于公共卫生信息化领域。本发明采用基于长短期记忆网络LSTM的新型冠状病毒肺炎疫情群体态势预测算法得出的新冠肺炎疫情群体态势每日新增确诊预测数据，结合百度地图迁徙大数据平台获取的全国城市之间的每天人口流动比例数据以及各城市的行政区划代码数据，经过编码、归一化和坐标映射等处理，通过扩展的K‑均值聚类算法得出全国、各城市之间的新冠肺炎疫情多级预警数据。利用多点数据串联，针对实时新冠肺炎疫情信息智能生成预警信息内容，通过网络发送至Web客户端和移动客户端并以可视化方式呈现，为全国各城市区域新冠肺炎疫情多级预警提供数据支持。

技术领域

本发明属于公共卫生信息化领域，涉及一种新型冠状病毒肺炎疫情多级预警方法及系统。

背景技术

现在市场上有大量的新型冠状病毒肺炎疫情(简称新冠肺炎疫情，以下同)数据实时数据展示平台，这些平台虽然可以很好的帮助我们获取新冠肺炎疫情的事实信息，但是这些产品并没有对新冠肺炎疫情未来发展的态势进行多级预警的功能。而新冠肺炎疫情预警分析可以帮助决策者更快更好地做出决策，提前做出合理的决策能够在很大程度上降低新冠肺炎疫情对经济发展、社会进步、民生等多方面的影响。截止2020年7月，尚未发现可以对新冠肺炎疫情进行(多级)预警的软件产品，因此，研发新冠肺炎疫情多级预警系统具有紧迫性和重要作用。

聚类算法一种经典的机器学习算法，主要是将一堆没有标签的数据自动分类的方法，属于无监督学习方法，该方法保证同一类的数据有相似的特征。K-Means Clustering算法是聚类算法的一种，对未标记的数据(即没有定义类别或组的数据)进行分类，算法的目标是在数据中找到由变量K标记的组。该算法迭代的工作基于所提供的特征，将每个数据点分配给K个组中的一个；基于特征相似性对数据点进行聚类。K-MeansClustering算法的结果是：

(1)K簇的质心，可用于标记新数据；

(2)训练数据的标签(每个数据点分配给一个集群)。

K均值聚类算法用于查找未在数据中明确标记的组。这可用于判别存在哪些类别特征或用于识别复杂数据集中的未知组。

K-MeansClustering算法思想：

(1)随机选取k个点，作为聚类中心；

(2)计算每个点分别到k个聚类中心的聚类，然后将该点分配到最近的聚类中心，这样就形成了k个簇；

(3)再重新计算每个簇的聚类中心(均值)；

(4)重复上述(1)～(3)步，直到聚类中心的位置不再发生变化或者达到设定的迭代次数。

发明内容

有鉴于此，本发明的目的在于提供一种新型冠状病毒肺炎疫情多级预警方法及系统。新冠肺炎疫情多级预警方法采用新冠肺炎疫情群体态势预测算法得出的新冠肺炎疫情群体态势每日新增确诊预测数据，结合百度地图迁徙大数据平台获取的全国、各省市和城市之间的每天人口流动比例数据以及各省市、城市的行政区划代码数据，经过编码、归一化和坐标映射等处理，通过扩展的K-均值聚类(K-Means Clustering)算法得出全国、各省市和城市之间的新冠肺炎疫情预警数据。

为达到上述目的，本发明提供如下技术方案：

一种新型冠状病毒肺炎疫情多级预警系统，该系统分为服务器端和客户端，两者之间以Http/Https协议通信；

服务器端采取分层结构，从上至下依次为接口层、业务层、数据层和算法层，而且接口层、业务层和数据层的技术架构采用的是SpringBoot+Mybatis框架；

客户端有两种，分别是Web客户端和移动端；