[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

说明书

本发明提供了一种基于大数据的传染病疫情安全区域预测方法，属于神经网络和大数据领域，包括如下步骤：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。本发明能够通过梯度映射对损失曲面进行变形，缓解甚至避免神经网络训练中的梯度爆炸、梯度消失、鞍点和高原附近难以训练的问题，提升疫情安全区域预测的精度和自动化程度。

技术领域

本发明涉及一种基于大数据的传染病疫情安全区域预测方法，属于神经网络和大数据领域。

背景技术

传染病疫情的迅速扩散对国家和人民造成了巨大的损失。由于全国各地区交通发达程度以及人口流量和流向差异等因素，传染病疫情在各地的严重程度不尽相同。在人们选择出行时，往往需要提前规划和确定行程，然而未来的疫情安全区域的时空发展趋势却难以提前获知；另外这种发展趋势对国家和地方政府的交通收放政策的制定而言有重要参考作用。目前，随着疫情管理系统的不断完善，疫情大数据不断积累。这为基于大数据和人工智能的疫情安全区域预测方法提供了基础。

此外，考虑到神经网络在特征提取、自主学习等方面的突出表现，充分运用神经网络等前沿技术对传染病疫情进行时空预测至关重要。然而，目前的深度神经网络和卷积神经网络训练中还存在梯度爆炸、梯度消失、鞍点和高原附近难以训练的问题，制约了这类神经网络性能的进一步提升；而本发明提供的通过梯度映射对损失曲面变形的方法有助于解决上述问题。

中国专利文献号CN 111933295 A，公开/公告日2020年11月13日，发明名称为“一种基于大数据的潜伏期传染病区域预警方法”中公开了一种根据患者手机信号活跃区域手动构建预警模型的潜伏期传染病区域预警方法，但未使用机器学习模型，缺乏灵活性，且需要监测患者活动，数据获取困难；中国专利文献号CN 111462917 A，公开/公告日2020年07月28日，发明名称为“基于空间地理分析和机器学习的疫情预警方法及系统”中公开了一种基于机器学习的疫情预警系统，其根据相关性分析处理空间信息后使用机器学习模型进行训练，但其所用机器学习模型并未统一处理时空信息，且未能解决深度神经网络和卷积神经网络训练中梯度爆炸、梯度消失、鞍点和高原附近难以训练的问题；中国专利文献号CN111768873 A，公开/公告日2020年10月13日，发明名称为“一种COVID-19实时风险预测方法”中公开了一种针对COVID-19、利用动力学模型和熵值-层次分析模型等进行实时风险预测的方法，但并未使用机器学习模型自动分析，且预警时间跨度较短。

考虑到这些，亟需一种基于大数据、综合分析处理时空信息、具有较大时间跨度预测能力的自动化高精度传染病疫情安全区域预测方法。

发明内容

针对现有疫情预测技术和方法中存在未能基于神经网络协同考虑时空信息、缺乏针对安全区域的长时预测方法、预测精度有待提高等不足，本发明提供一种基于大数据的传染病疫情安全区域预测方法，旨在通过梯度映射对损失曲面进行变形，缓解甚至避免神经网络训练中的梯度爆炸、梯度消失、鞍点和高原附近难以训练的问题，提升疫情安全区域预测的精度和自动化程度。本发明首先对疫情分布地图数据进行预处理，然后将预处理后的图像作为输入，将疫情安全区域作为标签，以对一个由卷积模块、长短时记忆模块组成的神经网络进行训练，进行传染病疫情安全区域预测。

为达到上述目的，本发明提供如下技术方案。