[發明專利]一種融合時空信息的傳染病傳播預測系統和裝置

有效

• 申請號: 202110589844.4
• 申請日: 2021-05-28
• 公開（公告）號: CN113314231B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 李建欣;周號益;張帥;彭杰奇;于金澤;林俊安
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G16H50/80
• 分類號: G16H50/80;G16H50/30;G06N3/04;G06N3/08
• 代理公司: 北京中創陽光知識產權代理有限責任公司 11003
• 代理人: 尹振啟

1.一種融合時空信息的傳染病傳播預測系統，其特征在于：系統分為數據收集單元，用于對收集不同地區的時間序列數據、疫情數據和空間關系組成的鄰接矩陣；相關性分析單元，用于分析所述收集數據中不同地區中的各種時間序列數據與疫情數據之間的關聯，得到相關性較高的時間序列數據；線性自注意力機制單元，將所述疫情數據、所述相關性較高的時間序列數據、所述鄰接矩陣作為輸入數據，經過第一個線性自注意力模塊及前饋神經網絡進行模型訓練，學習數據在時序上的內在聯系，再進入第二個線性自注意力模塊和前饋神經網絡，生成動態的空間特征；時空圖卷積單元，將基于原有的空間結構和生成的動態空間特征，進行時空信息提取，得到疫情的時空序列預測結果；預測結果提取與分析單元，將得到的時空序列預測結果提取和分析，通過對外輸出接口推送疫情的預警結果。

2.如權利要求1所述的一種融合時空信息的傳染病傳播預測系統，其特征在于：所述相關性分析單元分析所述輸入數據中不同地區中的各種時間序列數據與疫情數據之間的關聯的方法為：首先確立反映疫情嚴重程度的指標，將新增感染人數、新增住院人數、新增死亡人數作逐日差分的結果；而后，將收集好的各地區各種時間序列數據偏移一定天數，與這些指標作Pearson相關性分析和Spearman相關性分析，得到與這些指標相關性高的時間序列數據和相關性出現最大值時的偏移天數。

3.如權利要求2所述的一種融合時空信息的傳染病傳播預測系統，其特征在于：所述線性自注意力機制單元的結構為：輸入的各地區的各時間序列數據和疫情數據經過第一個線性自注意力模塊，所述第一個線性自注意力模塊對這些數據的不同時間點給予不同的attention，即后續計算時的權重，其計算方式如下：

其中，A為所求的自注意力，Q，K，V分別為自注意力機制中的query,key和value，φ(·)，ψ(·)，ω(·)為特征映射函數：

φ(x)＝elu(x)+1

其中，為圖卷積網絡單元中的鄰接矩陣；

將輸入的各地區的各時間序列數據和疫情數據與attention相加并將其標準化，得到的該中間結果輸入到前饋網絡并作相似操作后即可得到預測的下一個時間點的疫情數據X；

之后，將上述步驟的中間結果和包含各地區空間關系的矩陣一并作為輸入進入第二個線性自注意力機制模塊，其中As為各地區空間關系組成的鄰接矩陣的拉普拉斯矩陣，得到的結果加上每一層輸出的各地區動態空間關系表示Sinfo并標準化，成為第二個中間結果；

第二個中間結果有兩個去向，分別是經過前饋神經網絡和殘差連接生成動態空間關系表示Sinfo，和進入時空圖卷積單元。

4.如權利要求3所述的一種融合時空信息的傳染病傳播預測系統，其特征在于：所述時空圖卷積單元的結構為：所述第二個中間結果輸入到線性網絡中以后，按照時間順序作切分，并且輸入到L層圖卷積網絡GCN當中，對于特征矩陣其圖卷積定義如下：

其中A為表示空間聯系的鄰接矩陣，而為對角矩陣，且各列的非零元素為A的對應列之和；

將GCN輸出的結果按照時間順序重新連接，即可得到時空表征D；

將各層的時空表征D經過殘差連接，且經過兩組ReLU函數+線性網絡后，即可得到所需的時空序列預測的結果。

5.如權利要求4所述的一種融合時空信息的傳染病傳播預測系統，其特征在于：所述預測結果預測結果提取和分析的方法為：按照預測的疫情趨勢，即每日的感染、住院、死亡人數隨時間的推移而變化的情況，為不同地區的疫情風險評級，例如將每日感染數、住院數、死亡數超過一定數值的地區定為高風險地區，低于某一數值的地區定為低風險地區，介于兩個數值之間的地區定為中風險地區， 所述時空序列預測的結果和疫情風險評級為系統輸出結果。

6.一種融合時空信息的傳染病傳播預測裝置，其特征在于：應用如權利要求1-5中任一所述的一種融合時空信息的傳染病傳播預測系統。