[发明专利]一种基于生活物资流动的疫情态势预测方法

权利要求书

1.一种基于生活物资流动的疫情态势预测方法，其特征在于：包括如下步骤：

步骤S10、通过爬虫技术获取疫情历史数据；

步骤S20、基于ARIMA模型创建一疫情态势预测模型，利用所述疫情历史数据对疫情态势预测模型进行预训练；

步骤S30、获取生活物资流动数据，对所述生活物资流动数据进行预处理，得到物资数据集；

步骤S40、将所述物资数据集划分为训练集和验证集；

步骤S50、利用所述训练集和验证集对预训练后的疫情态势预测模型进行训练和验证；

步骤S60、利用验证通过后的所述疫情态势预测模型进行疫情态势预测。

2.如权利要求1所述的一种基于生活物资流动的疫情态势预测方法，其特征在于：所述步骤S10具体包括：

步骤S11、爬虫基于header和cookie获取目标网页，基于所述目标网页的elements部分定位selector部分，基于所述selector部分查找tr子类的网页内容；

步骤S12、通过正则表达式从所述网页内容中匹配疫情历史数据，将所述疫情历史数据存储到excel文件中。

3.如权利要求1所述的一种基于生活物资流动的疫情态势预测方法，其特征在于：所述步骤S20中，所述ARIMA模型的公式为：

其中，L表示滞后算子；i表示当前时间序列的差分次数；Lⁱ表示当前差分的时间序列的滞后算子；p表示自回归项的阶数，即时间序列的前p个数据对当前数据有影响；d表示差分次数，即时间序列需要做d次差分才能平稳；q表示移动平均项的阶数，即时间序列前q个差分数据对当前差分数据的影响程度；X_t表示时间序列；θ_i表示模型MA在当前差分次数的系数；ε_t表示残差，即时间序列的随机波动部分；Φ_i表示模型AR在当前差分次数的系数。

4.如权利要求1所述的一种基于生活物资流动的疫情态势预测方法，其特征在于：所述步骤S30具体为：

获取生活物资流动数据，对所述生活物资流动数据进行至少包括删除重复值、填补缺失值、删除异常值的预处理后，得到物资数据集。

5.如权利要求1所述的一种基于生活物资流动的疫情态势预测方法，其特征在于：所述步骤S40具体为：

通过交叉验证法将所述物资数据集划分为训练集和验证集。

6.如权利要求1所述的一种基于生活物资流动的疫情态势预测方法，其特征在于：所述步骤S50具体为：

设定一收敛条件以及一准确率阈值，利用所述训练集对预训练后的疫情态势预测模型进行训练，直至满足所述收敛条件；

利用所述验证集对训练后的所述疫情态势预测模型进行验证，判断所述疫情态势预测模型的预测准确率是否大于准确率阈值，若是，则进入步骤S60；若否，则扩充所述训练集继续训练。