[发明专利]基于BP算法和SEIR模型的传染病预测方法

权利要求书

1.一种基于BP算法和SEIR模型的传染病预测方法，包括如下步骤：

步骤一：SEIR模型预测易感者、感染者、潜伏者和康复人群数发展趋势，获取地市疫情历史数据、SEIR模型初始化参数、建立模型、预测结果；

步骤二：基于神经网络对每日新增感染人数、感染者总数、新增死亡人数、死亡人数总数预测，获取数据、数据预处理、模型建立、模型训练、指标预测。

2.如权利要求1所述的一种基于BP算法和SEIR模型的传染病预测方法，其特征在于，传染病预测系统包括两部分：后端部分与前端部分，后端部分负责数据采集、模型训练与预测，前端部分为结果显示。

3.如权利要求1所述的一种基于BP算法和SEIR模型的传染病预测方法，其特征在于，获取地市疫情历史数据包括：易感者、感染者、潜伏者和康复人群数。

4.如权利要求1所述的一种基于BP算法和SEIR模型的传染病预测方法，其特征在于，SEIR模型初始化参数包括：基本传染指数R0＝2.68、平均潜伏期为五天，潜伏期期间不会传染、健康人群平均恢复期为七天、检测能力经过若干天的逐步提高才能实现按需检测、防控措施采取以前是自由传播、确诊病人不会再感染新的病人、已经恢复的病人不会再感染、家庭内部不会采取隔离措施、平均家庭为四人。

5.如权利要求1所述的一种基于BP算法和SEIR模型的传染病预测方法，其特征在于，建立模型包括：计算的参数值、带入SEIR模型，并与现有的数据结合进行模型参数调整，预测结果包括：根据模型，预测某地易感者、感染者、潜伏者和康复人群的发展趋势。

6.如权利要求1所述的一种基于BP算法和SEIR模型的传染病预测方法，其特征在于，获取数据包括：数据指标初始患者种子个数、城市总人口每日流入人口、人际平均接触频率、接触后被感染的平均概率、感染后平均潜伏期、发病后的平均康复期、发病后的平均死亡率、密切接触者的检疫比例、检疫设施的最大容量、检疫期长短、确诊患者的收治比例、收治设施的最大容量。

7.如权利要求1所述的一种基于BP算法和SEIR模型的传染病预测方法，其特征在于，数据预处理包括：去除字段缺失的数据，并切分数据集为训练集和测试集。

8.如权利要求7所述的一种基于BP算法和SEIR模型的传染病预测方法，其特征在于，模型建立包括：建立神经网络模型，输入层神经元十五个，隐层神经元两层，每层五个神经元，输出层一个神经元，输出层一个神经元为回归预测，回归预测包括：黑箱操作，无需理解神经网络内的具体结构，需要简单设计，就可以进行回归预测、需要对历史数据集进行训练学习，进而得出预测模型、基于海量的历史数据，可结合HADOOP技术栈，对于海量数据进行分布式存储、分布式训练、基于多个基础指标进行神经网络模型建立，在多指标的作用下进行回归预测。

9.如权利要求8所述的一种基于BP算法和SEIR模型的传染病预测方法，其特征在于，模型训练包括：根据数据预处理和模型建立，进行训练。

10.如权利要求6所述的一种基于BP算法和SEIR模型的传染病预测方法，其特征在于，指标预测包括：四个模型，四个模型分别为新增感染人数、感染者总数、新增死亡人数、死亡人数总数，四个模型根据获取数据进行制作。