[發明專利]一種用于校園疫情防控監測預警的數據分析方法

在審

• 申請號: 202011269950.6
• 申請日: 2020-11-13
• 公開（公告）號: CN112509705A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 李軍;曾樂強;楊巧玉;鄭昆;安雄;王君國;孫克亮
• 申請（專利權）人: 蘭州現代職業學院
• 主分類號: G16H50/80
• 分類號: G16H50/80;G06N7/00
• 代理公司: 成都弘毅天承知識產權代理有限公司 51230
• 代理人: 彭思思

1.一種用于校園疫情防控監測預警的數據分析方法，其特征在于：包括以下步驟：

S1:首先通過校園疫情防控平臺手機端“健康上報”或者校園溫感系統或者附近疫情及同程查詢軟件收集數據；

S2：對S1收集到的異常數據進行跟蹤監測；

S3：對S2檢測到的數據進行時空分析及早期預警統計，時空分析及早期預警統計的方法為貝葉斯時空分析法或者隱馬爾科夫多源監測數據法。

2.根據權利要求1所述的一種用于校園疫情防控監測預警的數據分析方法，其特征在于：所述的步驟S1中通過校園疫情防控平臺手機端“健康上報”功能，收集到的數據包括兩類，一類是健康數據，即說明身體情況良好，另一類是身體異常數據，包括：有咳嗽、無力、發熱、腹瀉等癥狀，有發熱癥狀的需要填報體溫范圍；通過溫感系統直接獲取的體溫數據，一類是正常范圍內的數據；另一類是溫度高于37.2℃的數據；通過附近疫情及同程查詢軟件比對分析后的過濾數據。

3.根據權利要求1所述的一種用于校園疫情防控監測預警的數據分析方法，其特征在于：所述的步驟S2中監測的方法包括以下步驟：

S2.1：返校前

通過“健康上報”功能，對身體異常的學生、教職工進行跟蹤監測；

通過地域劃分監測，對疫情高風險地區籍學生/教師、中風險地區籍學生/教師、有特定日期以后中高風險旅居史的學生、教職工進行跟蹤監測；

通過“附近疫情”“同程查詢”集成軟件對在同小區、同樓棟、同班次交通工具有疑似接觸史學生、教職工進行跟蹤監測；

S2.2：返校中

通過“同程查詢”集成軟件對同班次交通工具有疑似接觸史人員進行跟蹤監測；

入校時，進行測溫，溫度異常者進行隔離并跟蹤監測；

對按批次入校學生14天異常預警未解除的學生進行隔離并跟蹤監測；

S2.3：返校后

通過“健康上報”功能，對身體異常的學生、教職工進行跟蹤監測；

通過每日紅外自動感溫系統測得的體溫異常的學生進行跟蹤監測；

對入校后有充分理由請假出校的學生，返回后進行跟蹤監測。

4.根據權利要求1所述的一種用于校園疫情防控監測預警的數據分析方法，其特征在于：步驟S3中所述的貝葉斯時空分析法包括以下步驟：

S3.1：通過S1所述的方法收集數據；

S3.2：指標選擇；根據不同癥候群的目標進行防控，整理各類癥候群發生的影響因素，考慮變量間的依賴關系，相關數據的可獲得性和可量化性等，選取適宜的模型指標；

S3.3：網絡結構學習：利用歷史數據，結合先驗知識，確定合適的貝葉斯網絡拓撲結構，根據實際的情況選擇基于統計測試的方法或者基于搜索記分的方法，方法選定后建立的模型節點分為以下四部分：

S3.3.1.全局節點G，即學校全人群特征；

S3.3.2.界面節點I，包括校園疫情防控擴散的時間和地點；

S3.3.3.個體網絡P，每個子網絡對應一個個體，包括人口學信息、臨床癥候群等，其拓撲網絡結構由專家判斷確定；

S3.3.4.人群證據節點O，包括健康打卡數據異常、溫感系統測溫異常、同程查詢并列、附近疫情同單元、樓棟；

S3.4：網絡參數確定：在給定貝葉斯網絡拓撲結構的情況下，確定各節點處的條件概率密度，貝葉斯網絡的參數學習通過專家知識和訓練樣本學習來確定，然后采用參數估計方法進行參數估計，當驗概率超過界值時表示一次暴發，所述的參數估計法包括：極大似然估計、極大后驗概率或期望極大化算法；

S3.5：網絡結構和參數的優化；采用曲線衡量模型的假陽性率，計算校園疫情防控出現暴發時間和模型預警時間的差值，并通過評價結果對模型結構進行優化。

5.根據權利要求1所述的一種用于校園疫情防控監測預警的數據分析方法，其特征在于：步驟S3中所述的隱馬爾科夫多源監測數據法包括以下步驟：

S5.1：模型訓練:即模型參數估計問題，就是對于初始模型和給定用于訓練的觀測序列調整模型的參數，使其能夠最好擬合觀測數據，可通過期望最大化算法或非監督學習算法算法進行；

S5.2：模型評價；給定模型參數,計算觀測序列的似然度,即計算似然值或對數似然值，用于表示參數擬合數據的準確程度，通過前向-后向算法進行；所述的步驟S5.1、步驟S5.2需反復進行，選擇似然值或對數似然值最大的參數作為最終模型參數；

S5.2：隱狀態估計；給定模型參數和觀測數據，基于某種最優準則估計最可能的隱狀態序列,即估計出產生觀測序列的最可能路徑，可通過維特比算法進行估計。