[发明专利]基于非线性、变系数预测模型的传染病疫情预测分析方法

摘要

本发明针对病毒在潜伏期、发病期均具有传染性的流行病，建立了非线性、变系数传染病预测模型，提出了与模型直接关联的疫情控制函数，在预测的基础上，考虑控制措施，并对不同控制措施、不同控制力度的效果进行模拟预测，将疫情控制作为一个连续变化的过程进行考虑，对疫情发展和控制进行一体模拟预测，为决策部门进行优化抉择、以尽量小的代价控制疫情提供关键的定量信息。应用本发明对2003年北京地区SARS模拟的相对误差为0.98％，对美国和日本地区甲型H1N1流感的预测结果与实际疫情发展吻合很好，得出了甲型H1N1流感初始发展阶段防范和控制疫情蔓延的定量控制因子，预测了不同控制强度和不同数量易感人群的疫情发展态势。

主权项

基于非线性、变系数预测模型的传染病疫情预测分析方法，其特征在于，包含如下步骤：(1)将流动人口比例、疫情统计数据、传染病基本参数、疫情控制参数输入非线性、变系数传染病动力学模型，预测疫情发展，即求解预测的易感人群概率分布密度、潜伏期人群概率分布密度、发病人群概率分布密度、累计发病人群概率分布密度、移出人群概率分布密度；其中，疫情统计数据包括：易感者的比例、发病者的比例、潜伏期者的比例、移出者的比例；传染病基本参数包括：潜伏期分布谱、发病持续期分布谱；疫情控制参数是控制函数的参数，包括：初始隔离率、目标隔离率、控制措施生效时间、控制效率因子；所述非线性、变系数传染病动力学模型的基本方程组如下： ∂ s ( t , ω 1 , ω 2 ) ∂ t = - k 1 ( t ) s ( t , ω 1 , ω 2 ) I ( 1 - λ 1 ) - k 2 ( t ) s ( t , ω 1 , ω 2 ) E ( 1 - λ 2 ) - αs ( t , ω 1 , ω 2 ) + α ∂ e ( t , ω 1 , ω 2 ) ∂ t = k 1 ( t ) s ( t , ω 1 , ω 2 ) I ( 1 - λ 1 ) + k 2 ( t ) s ( t , ω 1 , ω 2 ) E ( 1 - λ 2 ) - e ( t , ω 1 , ω 2 ) ω 1 - γ 2 αe ( t , ω 1 , ω 2 ) ∂ i ( t , ω 1 , ω 2 ) ∂ t = e ( t , ω 1 , ω 2 ) ω 1 - i ( t , ω 1 , ω 2 ) ω 2 - γ 1 αi ( t , ω 1 , ω 2 ) ∂ m ( t , ω 1 , ω 2 ) ∂ t = e ( t , ω 1 , ω 2 ) ω 1 - γ 1 αi ( t , ω 1 , ω 2 ) ∂ r ( t , ω 1 , ω 2 ) ∂ t = i ( t , ω 1 , ω 2 ) ω 2 - γ 1 αr ( t , ω 1 , ω 2 ) 其中，s(t，ω1，ω2)为易感人群概率分布密度；e(t，ω1，ω2)为潜伏期人群概率分布密度；i(t，ω1，ω2)为发病人群概率分布密度；m(t，ω1，ω2)为累计发病人群概率分布密度；r(t，ω1，ω2)为移出人群概率分布密度，包括治愈者和死亡者；t为时间变量，ω1为潜伏期分布谱，ω2为发病持续期分布谱，k1(t)、k2(t)分别为发病期和潜伏期的传染率，α为流动人口比例，γ1、γ2分别为发病期和潜伏期控制感染人员流动的参数，考虑流动人口影响的时候取1，否则取0；λ1(t)、λ2(t)分别为针对发病期和潜伏期患者的控制函数；(2)根据步骤1得到的预测的各类人群的概率密度，得到各类人群的汇总数值的预测值，即各类人群占总人口的比例；(3)若步骤2的预测结果不满足疫情控制目标，则进一步调整控制措施，即改变疫情控制参数后，重新进行步骤1，再次预测，直到预测结果满足疫情控制目标。