[发明专利]一种基于空间贝叶斯网络的环境健康风险监测预警系统及方法

摘要

本发明提出了一种基于空间贝叶斯网络的环境健康风险监测预警系统及方法，在传统贝叶斯网络基础上增加了空间相关性及空间聚集因子，将优化的机器学习同域知识紧密结合，从而生成结构更合理的网络模型；在已有因素的基础上加入了空间相关性/聚集性推理链接，从而达到增强贝叶斯网络环境健康风险监测及预警的能力；手足口病受到多种环境要素的影响，本发明以此为例子，说明空间贝叶斯网络的原理，在环境健康风险评估及预警中的优势。本发明可应用到同环境健康紧密相关的各疾病或健康问题的风险监测及预警中去。

主权项

一种基于空间贝叶斯网络的环境健康风险监测预警系统，其特征在于：包括域知识确定变量及变量域模块、数据离散化模块、空间局聚集性识别模块、空间自相关识别模块、网络结构建立模块、网络结构微调及估计参数模块、空间推理建立模块、疾病风险概率预测值模块和预警应用模块；其中：域知识确定解释变量及变量域模块：根据领域知识识别疾病的传播介质及识别疾病的影响因素作为解释变量，将发病率数据作为目标变量；所述疾病的传播介质有土地、水、空气和交通四种，将所述四个传播介质量化到具体的解释变量，所述解释变量分别为土地覆盖、NDVI、PM2.5和交通路网；所述疾病的影响因素分为气象状况和社会经济因素，所述气象状况包括温度、湿度、气压和风速，社会经济因素包括GDP、在校学生比例和人均床位数；数据离散化模块：对域知识确定解释变量及变量域模块得到的目标变量及解释变量，进行离散化处理，即将这些解释变量和目标变量进行离散化处理，划分为若干个等级；对解释变量的离散化方法采用Fayyad and Irani的算法选择对目标变量分类最优的离散化区间；最后得到离散化的目标变量和解释变量，送至网络结构建立模块；空间聚集性识别模块：采用空间扫描统计的方法，对所采集的发病数据进行聚集分析，发现疾病聚集性暴发的区域，通过最大似然及统计假设检验获得疾病空间聚集的结果，识别疾病的高及低风险聚集区；最后得到疾病的高及低风险聚集区，然后送至空间推理建立模块；空间自相关识别模块：根据已有的发病率数据，识别空间自相关效应，更全面地刻画手足口病发病的时空模式；识别空间自相关效应采用GeoDa计算局域空间自相关指数LISA，得到局域空间自相关指数，然后送至空间推理建立模块；网络结构建立模块：根据数据离散化模块得到的离散化的目标变量和解释变量，建立初步的网络结构，方法通过解释变量和目标变量数据采用爬山、模拟退火及遗传算法学习建立初步的网络结构；最后得到一个初步的网络结构，然后送至网络结构建立微调及估计参数模块；网络结构建立微调及估计参数模块：根据网络结构建立模块得到的网络结构，通过域知识微调网络结构及估计参数，得到网络结构；提取网络结构中的共同的连接，再结合气象及环境影响因素对疾病影响的域知识对所述网络结构调优；在网络结构调优的基础上，通过概率统计、EM或Gibbs抽样计算连接参数，最后得到符合要求的网络结构，然后送至空间推理建立模块；空间推理建立模块：根据网络结构建立微调及估计参数模块得到的网络结构、空间聚集性识别模块得到的高及低风险聚集区和空间相关性识别模块得到的局域空间自相关指数，建立空间推理功能；在网络结构建立微调及估计参数模块得到的网络结构的基础上，加入空间聚集性和空间自相关性，进行空间推理，建立空间推理模型，将得到的空间推理模型，然后送至疾病风险概率预测值模块；疾病风险概率预测值模块：根据空间推理建立模块得到的空间推理模型，计算疾病风险概率预测值；在空间贝叶斯网络建立的基础上，通过贝叶斯网络的后验概率推导得到疾病风险概率预测值，将得到病风险概率预测值送至预警应用模块；预警应用模块：根据疾病风险概率预测值模块得到的疾病风险预测值，预警疾病；利用疾病风险概率预测值来预警疾病的发生，得到疾病发生的风险，最终将疾病发生的风险应用到实际疾病预警中去。