[发明专利]一种基于隐马尔科夫模型的传染病预测方法、系统和介质

权利要求书

1.一种基于隐马尔科夫模型的传染病预测方法，其特征在于，包括以下步骤：

S1采集气象水文信息，生成气象水文观测序列和传染病爆发状态序列；

S2对所述气象水文观测序列进行预处理以生成训练样本集，并将训练样本集中的样本按照样本特征分为若干样本特征区间；

S3根据所述样本特征、所述样本特征区间和传染病爆发状态序列计算观测概率矩阵和爆发状态转移概率矩阵；

S4根据所述气象水文观测序列、传染病爆发状态序列、观测概率矩阵、爆发状态转移概率矩阵和初始状态概率分布生成隐马尔科夫模型；

S5根据历史的气象水文观测序列预测将来某时刻的气象水文序列，并将预测的所述气象水文序列带入所述隐马尔科夫模型对传染病爆发状态进行预测。

2.如权利要求1所述的基于隐马尔科夫模型的传染病预测方法，其特征在于，所述步骤S1中所述气象水文信息包括：降雨量RF、平均风速AW、平均气温AT、平均最高气温HT、平均最低气温LT、平均气压AP、平均相对湿度ARH和日照时数SH。

3.如权利要求1所述的基于隐马尔科夫模型的传染病预测方法，其特征在于，所述步骤S1中所述传染病爆发状态序列包括：未爆发、局部爆发和大面积爆发。

4.如权利要求1-3任一项所述的基于隐马尔科夫模型的传染病预测方法，其特征在于，所述步骤S2中将样本按照样本特征分为若干样本特征区间的方法为：将经过预处理的训练样本集中样本特征值j按照升序排列，若相邻样本的特征值之差小于预设门限ε_j，则这两个样本属于同一特征区间，若相邻样本的特征值之差大于等于-预设门限ε_j，则创建一新的特征区间。

5.如权利要求1-3任一项所述的基于隐马尔科夫模型的传染病预测方法，其特征在于，所述步骤S3中观测概率矩阵的计算方法为：根据落入区间[b′_j，b″_j]_d的样本个数和总的样本个数|O_j′|计算样本落入区间[b′_j，b″_j]_d的概率pl_j(k，d)：

样本特征j的观测概率矩阵B^j为B^j＝{pl_j(k，d)|1≤k≤r，1≤d≤r_j′}，其中，k表示样本特征j的状态序列编号，d表示样本特征区间的序号，b′_j表示样本特征区间最小值，b″_j表示样本特征区间最大值，r表示样本特征j的状态总数，r_j′表示样本特征j的特征区间总数。

6.如权利要求1-3任一项所述的基于隐马尔科夫模型的传染病预测方法，其特征在于，所述步骤S3中爆发状态转移概率矩阵的计算方法为：根据传染病爆发序列S，采用a_kl表示t时刻处于状态s_k、t+1时刻转移到状态s_l的概率，用N_kl表示t时刻处于状态s_k、t+1时刻转移到状态s_l的频次，利用极大似然估计法，则有

状态转移概率矩阵A为A＝{a_kl|1≤k≤r，1≤l≤r}，其中，k和1均为状态序列编号。