[发明专利]一种基于大数据的传染病疫情安全区域预测方法

权利要求书

1.一种基于大数据的传染病疫情安全区域预测方法，其特征在于，该方法包含以下步骤：

步骤1：对疫情分布大数据进行收集和预处理，构建疫情多信息分布图像数据集；

步骤2：计算安全性向量标签；

步骤3：构建由采用RepVGG-B3为主干网络的卷积模块和长短时记忆模块组成的神经网络；

步骤4：通过映射梯度对损失曲面变形；

步骤5：训练所构建的神经网络；

步骤6：使用训练所得神经网络进行预测，并对网络输出的安全性向量进行处理。

2.根据权利要求1所述的一种基于大数据的传染病疫情安全区域预测方法，其特征在于，所述的步骤1具体如下：

获取区域r和时刻t的传染病新增确诊人数γ_1，r，t、累计确诊人数γ_2，r，t、新增死亡人数γ_3，r，t、累计死亡人数γ_4，r，t、境外输入病例数γ_5，r，t、气温γ_6，r，t6个项目(统一记为γ_i，r，t，其中下标i＝1，2，…，6表示第i个项目)的数据；去除数据中不需要的字段；采用自由边界的三次样条插值填充缺失数值，若无缺失则无需填充；去除异常值；进行格式内容清洗并整合；进行如上处理后，假设共有个区域，个总时刻；对于第i个项目，将γ_i，r，t线性地映射到0-255之间的灰度值，即：

其中，γ′_i，r，t为所得灰度值，min(·)和max(·)分别表示取最小值和取最大值，将各区域在时刻t关于第i个项目的灰度值填充至地图相应区域，得到6张单通道的分布图像；将这些单通道分布图像分别作为一个通道叠加后构成一张6通道的疫情多信息分布图像，并将其作为一个样本；按照时刻先后顺序，对总共个时刻进行上述通道叠加处理，得到个样本；根据所有样本建立张量其中，是输入通道数，是输入图片高度，是输入图片宽度；将输入张量映射到[0，1]区间：X′＝(1/255)X，并将X′作为神经网络的输入张量。

3.根据权利要求1所述的一种基于大数据的传染病疫情安全区域预测方法，其特征在于，所述的步骤2具体如下：

假设对总共个区域进行安全性判定，则定义第r个区域在时刻t的安全性为

其中，符号∏表示连乘，q表示时刻t之后的q个时刻，v代表感染人数，e为自然对数，β为敏感性系数，是一个手动设定的参数，默认取1；实际应用中，q的取值取决于需要在某区域停留的时刻数，默认取1；若q个时刻内数据已终止，则将空缺数据用最末一个已有数据填充；在此基础上，时刻t的安全性向量被定义为神经网络在时刻t的标签被取为安全性向量的真实值。