[發明專利]一種基于指數加權移動平均的癥狀相關性預警方法

有效

• 申請號: 201810954138.3
• 申請日: 2018-08-21
• 公開（公告）號: CN109003681B
• 公開（公告）日: 2022-02-08
• 發明（設計）人: 粘冬曉;杜慶治;龍華;邵玉斌
• 申請（專利權）人: 昆明理工大學
• 主分類號: G16H50/80
• 分類號: G16H50/80
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種基于指數加權移動平均的癥狀相關性預警算法，屬于大數據分析領域。本發明具體是在建立癥狀發病量數據庫、對采集到的癥狀信息進行篩選處理，根據所熟知癥狀的需求剔除不在其中的癥狀。傳統的相關性算法只是對癥狀的發病數進行基本的平均值計算，忽略了在時間上的癥狀數據前后的影響。本文提出的基于指數加權移動平均的癥狀相關性預警算法，意在將經過指數加權后求得均值作為相關性算法的依據，這樣將歷史回顧性數據和當前數據想結合，使得到的相關性系數更為準確，再根據求得的相關性系數進行數據比較，找出數據的異常，得出預警的時間點以及預警的數據來源，從而達到更好的預警效果。

技術領域

本發明涉及一種基于指數加權移動平均的癥狀相關性預警方法，屬于大數據分析領域。

背景技術

隨著社會的發展，各種傳染病肆虐著人類的身體，給無數的家庭帶來了極大痛苦，并且隨著社會的進步，人員流動水平和速度逐漸提升，也使得傳染病在人們之間的擴散得以加劇，因此有很多部門做出傳染病疫情預警的實施方案。對于癥狀相關性分析并沒有數學的依據，結合實際，癥狀數量會有時間上的影響，但傳統的相關性分析并沒有添加這些協變量。

發明內容

本發明要解決的技術問題是提供一種基于指數加權移動平均的癥狀相關性預警方法，意在將經過指數加權后求得均值作為相關性算法的依據，再根據求得的相關性系數進行數據比較，找出數據的異常，得出預警的時間點以及預警的數據來源，從而達到更好的預警效果。

本發明采用的技術方案是：一種基于指數加權移動平均的癥狀相關性預警方法，包括如下步驟：

Step1：建立癥狀發病量的數據庫：收集某地區某段時間內疾病的癥狀發病量情況，以每天作為一個基準窗口，建立一個時間序列上的癥狀發病量信息表，癥狀發病量信息表包括：編號，就診時間，癥狀種類以及癥狀對應的發病數量；

Step2：癥狀數據預處理：對采集到的癥狀種類信息字段進行篩選，將癥狀種類信息字段與所需研究的癥狀進行對比，剔除掉與研究無關的癥狀數據以及無法識別的無用癥狀數據；

Step3：對癥狀進行指數加權移動平均計算：根據Step2篩選好的數據，選取第一個癥狀作為樣本X，該癥狀對應的每日發病數量設為第二個癥狀作為樣本Y，該癥狀對應的每日發病數量設為……以此類推，以樣本X為例，通過按日期得到的癥狀數據以7天為一個基準窗口，即第一天到第七天的數據，得到第八天的指數加權移動平均值，第二天到第八天的數據，得到第九天的指數加權移動平均值，以此類推，這樣就得到一系列指數加權移動平均值其中為第t天的指數加權移動平均值，同理可以得到樣本Y的指數加權移動平均值

Step4：對癥狀進行相關性系數計算：通過step3得到的以7天為一個基準線的指數加權移動平均值以此作為協方差計算的均值，選取兩種癥狀，例如：樣本X和樣本Y來計算兩種癥狀之間的協方差，然后繼續計算該兩種癥狀之間的相關系數r_xy，以此來衡量該兩種癥狀相關性的密切程度；

Step5：對相關性系數集合進行可視化處理：通過對step4得到的一系列的r_xy值進行畫圖顯示，得到一個以7天為一個基準窗口的指數加權移動平均作為相關性系數均值的折線圖，分析折線圖的趨勢找到異常點進行預警分析。

具體地，步驟Step3中，對Step3中兩種癥狀即樣本X和樣本Y進行指數加權移動平均計算公式為：

其中為樣本X，Y的第t天的指數加權移動平均值，λ為指數加權平均的閾值，λ＝0.2或0.1，(1-λ)ⁿ的變量n取值從n＝7開始，隨著變量i增加一而減小一，直到i＝t，n＝1結束本次計算。

具體地，步驟Step4中，

協方差計算公式為：