[發明專利]預測模型的生成方法、裝置及計算機可讀存儲介質

有效

• 申請號: 201810768332.2
• 申請日: 2018-07-13
• 公開（公告）號: CN109243619B
• 公開（公告）日: 2023-03-31
• 發明（設計）人: 李弦;徐亮;阮曉雯;肖京
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G16H50/80
• 分類號: G16H50/80
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發明公開了一種預測模型的生成方法，該方法包括：確定目標區域和待預測的目標時間單元和預設周期；獲取目標區域在目標時間單元之前的連續多個時間單元的流感樣病例百分比數據序列；根據預設周期和預設階數k，將流感樣病例百分比數據序列在預設周期前后滯后0至k階，獲取2k+1個數據序列；計算2k+1個數據序列與流感樣病例百分比數據序列的自相關系數，根據第一個自相關系數大于預設閾值的數據序列確定預測周期；計算模型參數，根據模型參數和預測周期建立自回歸積分滑動平均模型作為預測模型。本發明還提出一種預測模型的生成裝置以及一種計算機可讀存儲介質。本發明提高了自回歸積分滑動平均模型的預測精準度。

技術領域

本發明涉及計算機技術領域，尤其涉及一種預測模型的生成方法、裝置及計算機可讀存儲介質。

背景技術

對于流行性感冒的預測，目前流行病學用的較普遍的方法是采用自回歸積分滑動平均模型預測流感樣病例百分比。自回歸積分滑動平均模型進行流感預測，一般是根據預測地區的歷史流感樣病例百分比數據的變化規律，為該地區設定一個固定不變的周期進行建模，比如一年或者半年。然而，固定的周期可能會忽略一些非周期性出現的因素的影響，例如每年的周數長短和節氣變化的不同產生的影響，導致預測結果出現較大偏差。例如，不同年份長短不一樣，有的年份有53周，如2013年，即年份的周期長短會發生變化。因此，如果使用固定的周期建模會導致模型的預測結果出現較大的偏差。

發明內容

本發明提供一種預測模型的生成方法、裝置及計算機可讀存儲介質，其主要目的在于提高自回歸積分滑動平均模型的預測精準度。

為實現上述目的，本發明還提供一種預測模型的生成方法，該方法包括：

確定目標區域和待預測的目標時間單元，并獲取預設周期；

獲取所述目標區域在所述目標時間單元之前的連續多個時間單元的流感樣病例百分比數據序列；

根據所述預設周期和預設階數k，將所述流感樣病例百分比數據序列在所述預設周期前后分別滯后0至k階，獲取2k+1個數據序列；

分別計算所述2k+1個數據序列與所述流感樣病例百分比數據序列之間的自相關系數，并按照滯后順序，根據第一個自相關系數大于預設閾值的數據序列確定預測周期；

根據確定了預測周期的流感樣病例百分比序列計算模型參數，根據所述模型參數和所述預測周期建立自回歸積分滑動平均模型作為所述預測模型。

可選地，所述獲取所述目標區域的所述目標時間單元之前的連續多個時間單位內的流感樣病例百分比數據序列的步驟之后，所述方法還包括步驟：

檢測所述流感樣病例百分比數據序列是否為平穩序列；

若是，則執行所述獲取根據所述流感樣病例百分比數據所呈現的周期性確定的預設周期的步驟；

若否，則根據差分運算將所述流感樣病例百分比數據序列轉換為平穩序列。

可選地，所述檢測所述流感樣病例百分比數據序列是否為平穩序列的步驟包括：

對所述流感樣病例百分比數據進行單位根檢驗，以檢測所述流感樣病例百分比數據序列是否為平穩序列，其中，若檢測到序列中有單位根，則判定序列為非平穩序列，否則，判定序列為平穩序列。

可選地，所述獲取預設周期的步驟包括：

根據所述流感樣病例百分比數據所呈現的周期性確定所述預設周期。

可選地，所述根據確定了預測周期的流感樣病例百分比序列計算模型參數，根據所述模型參數和所述預測周期建立自回歸積分滑動平均模型作為所述預測模型的步驟包括：

計算確定了預測周期的平穩流感樣病例百分比數據序列的自相關系數和偏自相關系數，并繪制自相關圖和偏自相關圖；