[发明专利]流感预测模型的生成方法、装置及计算机可读存储介质

摘要

本发明公开了一种流感预测模型的生成方法，该方法包括：获取连续多个时间单元内的流感样病例百分比数据，建立自回归积分滑动平均ARIMA模型；根据舆情关键词获取多个时间单元内的舆情数据序列，将舆情数据序列中的舆情数据作为预测特征，训练基于xgboost算法构建的xgboost预测模型，以确定模型参数；根据ARIMA模型和xgboost预测模型，构建基于卡尔曼滤波算法的流感预测模型；在使用流感预测模型进行流感预测的过程中，将ARIMA模型的第一预测值作为状态变量的测量值，将xgboost预测模型的第二预测值作为状态变量的先验估计值，动态更新流感预测模型的卡尔曼增益。本发明还提出一种流感预测模型的生成装置以及一种计算机可读存储介质。本发明提高了流感预测模型的预测准确度。

主权项

1.一种流感预测模型的生成方法，其特征在于，所述方法包括：获取连续多个时间单元内的流感样病例百分比数据，建立自回归积分滑动平均ARIMA模型；获取舆情关键词，根据所述舆情关键词获取所述多个时间单元内的舆情数据序列，将所述舆情数据序列中的舆情数据作为预测特征，训练基于xgboost算法构建的xgboost预测模型，以确定模型参数；根据所述ARIMA模型和所述xgboost预测模型，构建基于卡尔曼滤波算法的流感预测模型；将所述ARIMA模型对目标时间单元的第一预测值作为状态变量的测量值，将所述xgboost预测模型对目标时间单元的第二预测值作为状态变量的先验估计值，计算当前的所述流感预测模型的卡尔曼增益；根据计算得到的卡尔曼增益更新更新所述流感预测模型中所述ARIMA模型和所述xgboost预测模型的权重，经更新权重后的所述流感预测模型用于预测所述目标时间单元的下一个时间单元的流感样病例百分比。