[发明专利]一种基于异常子图检测的突发传染病预警方法

说明书

本发明属于空间流行病学和公共卫生应急决策领域，具体涉及一种基于异常子图检测的突发传染病预警方法，具体讲，结合传播动力学领域和复杂科学领域的异常子图检测算法，实现突发传染病的预警。方法步骤主要包括：数据处理、构建初始带权有向网络、转化为带权有向网络、异常子图检测。本发明使用手机信令数据构建复杂网络，计算两个地区的相对距离，通过使用异常子图检测算法进行传染病预测，将传播动力学领域与复杂科学领域相结合进行传染病预测，构建的复杂网络可以重复使用，还可应用于其它传染病。

技术领域

本发明属于空间流行病学和公共卫生应急决策领域，具体讲，结合传播动力学领域和复杂科学领域的异常子图检测算法，实现突发传染病的预警。

背景技术

传统的疾病预测模型如SIR、SEIR等，都是基于已知的传染率、潜伏期，死亡率等参数，根据当前传染病的数据，不断迭代修改模型参数提高预测准确度。但是面对新型传染病的爆发，关于疾病的参数未知，如何能在早期少量数据的情况下，及时发出预警信息，采取相关措施，对控制传染病的传播具有重要意义。

早期的传染病传播遵循简单的扩散模型，即距离传染源地理位置相近的地区病例越多。随着交通业的快速发展，改变了人们的出行模式和人口流动模式，同时也改变了传染病的传播模式。即某个地区的传染病数量与传染源地区人口流动的比例正相关。异常检测早已广泛应用于大量领域，如疾病检测等。通过将数据构建成网络，进行异常子图检测，找出异常节点，挖掘异常模式，可以发现传染病的传播规律。

本发明使用手机信令数据和航空数据，将传播动力学领域中的疾病预测与复杂科学领域的异常子图检测算法相结合，对突发传染病进行预测，对相关风险地区进行预警。

发明内容

为克服现有技术的不足，本法提供一种基于异常子图检测的突发传染病预警方法。

本发明的技术方案是一种基于异常子图检测的突发传染病预警方法，包括如下步骤：

1)数据处理；

2)构建初始带权有向网络；

3)转化为带权有向网络，节点p值计算；

4)异常子图检测。

进一步，具体步骤如下：

1)构造带权有向网络G＝(V,E)，其中V是所有节点(如城市、国家)的集合，E是所有边的集合。若两个节点之间存在人员流动记录，则两个节点之间存在一条有向带权边，边的权值为两个节点之间的相对距离，则给定流量矩阵P(0≤P_mn≤1)，节点n到节点m之间的相对距离d_mn为：

d_mn＝1-logP_mn (1)

其中,Pmn表示节点n出发到节点m的流动人数占节点n流出总人数的比值，若节点n到节点m之间存在多条路径，则任意节点n到节点m之间的相对距离D_mn更新为：

其中，Γ＝{v₁,K,v_n}表示一条节点n到节点m的有序路径，λ(Γ)表示有序路径Γ的长度总和，D_mn表示节点n到节点m之间的最短距离；

2)将步骤1)中的网络转化为带权有向网络G_A＝(V,E,p)，其中V＝{v₁,...,v_N}是G_A的节点集合，是G_A中边的集合，映射函数p:V→[0,1]为每个顶点v的一个经验p值，通过比较v的当前特征和v在历史数据中的特征，可以基于经验校正计算出节点v的p值p(v)