[發明專利]傳染病疫情預測方法、裝置及電子設備

在審

• 申請號: 202111113128.5
• 申請日: 2021-09-23
• 公開（公告）號: CN113851226A
• 公開（公告）日: 2021-12-28
• 發明（設計）人: 周英敏
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G16H50/70
• 分類號: G16H50/70;G16H50/80
• 代理公司: 北京博浩百睿知識產權代理有限責任公司 11134
• 代理人: 宮傳芝

本公開提供了一種傳染病疫情預測方法、裝置及電子設備，涉及計算機領域。具體實現方案為：采用多種預測模型對歷史數據的測試集合進行預測，得到多種預測模型的預測結果；分別獲取多種預測模型的預測結果與測試集合中的對應真實結果之間的殘差；依據多種預測模型對應的殘差，從多種預測模型中確定目標預測模型；獲取當前傳染病疫情數據，并采用目標預測模型對當前傳染病疫情數據進行預測，得到當前傳染病預測結果。

技術領域

本公開涉及計算機技術領域，尤其涉及一種傳染病疫情預測方法、裝置及電子設備。

背景技術

傳染病是影響人們生活和健康的重大公共衛生事件，如何預測傳染病感染人數的問題亟待解決。相關技術中，疫情等傳染病感染人數的預測計算方法有多種，一般采用單一的SVM(Support Vector Machine，支持向量機)、LGB(Light GBM，監督學習算法)等傳統回歸算法或者SEIR(Susceptible-eclipse-infected-recovered,易感－潛伏－感染－康復模型)、SEIQ(Susceptible-eclipse-infected-quarantine,易感－潛伏－感染－隔離模型)等動力學傳播模型或者ARIMA(Autoregressive Integrated Moving Average model，差分整合移動平均自回歸模型)、AR(AR-Process in State Space Form，自回歸模型)等時序回歸模型進行預測。

但是采用上述傳染病感染人數的預測計算方法解決問題時，會出現預測結果精度低的問題。

發明內容

本公開提供了一種傳染病疫情預測方法、裝置及電子設備。

根據本公開的一方面，提供了一種傳染病疫情預測方法，包括：采用多種預測模型對歷史數據的測試集合進行預測，得到所述多種預測模型的預測結果；分別獲取所述多種預測模型的預測結果與所述測試集合中的對應真實結果之間的殘差；依據所述多種預測模型對應的殘差，從所述多種預測模型中確定目標預測模型；獲取當前傳染病疫情數據，并采用所述目標預測模型對所述當前傳染病疫情數據進行預測，得到當前傳染病預測結果。

可選地，在所述采用多種預測模型對歷史數據的測試集合進行預測，得到所述多種預測模型的預測結果之前，還包括：采用所述歷史數據中的訓練數據進行機器訓練，分別得到所述多種預測模型，其中，所述訓練數據包括：輸入參數以及該輸入參數對應的疫情結果，其中，所述輸入參數包括：歷史疫情數據，環境參數，聚集指數、管控參數以及遷移數據。

可選地，所述多種預測模型至少包括以下三種：易感－潛伏－感染－隔離SEIQ模型，差分整合移動平均自回歸ARIMA模型，深度學習時序模型。

可選地，所述依據所述多種預測模型對應的殘差，從所述多種預測模型中確定目標預測模型包括：依據所述多種預測模型對應的殘差，獲取累計預定時間段內所述多種預測模型對應的均方根誤差RMSE和平均絕對百分比誤差MAPE；基于所述多種預測模型對應的均方根誤差RMSE和平均絕對百分比誤差MAPE，確定所述多種預測模型對應的整體偏差水平值；依據所述多種預測模型對應的整體偏差水平值，從所述多種預測模型中確定目標預測模型。

根據本公開的另一方面，提供了一種傳染病疫情預測裝置，包括：第一預測模塊，用于采用多種預測模型對歷史數據的測試集合進行預測，得到所述多種預測模型的預測結果；獲取模塊，用于分別獲取所述多種預測模型的預測結果與所述測試集合中的對應真實結果之間的殘差；確定模塊，用于依據所述多種預測模型對應的殘差，從所述多種預測模型中確定目標預測模型；第二預測模塊，用于獲取當前傳染病疫情數據，并采用所述目標預測模型對所述當前傳染病疫情數據進行預測，得到當前傳染病預測結果。