[发明专利]一种基于粒子滤波模型的流感趋势预测系统及方法

说明书

本发明创造提供了一种基于粒子滤波模型的流感趋势预测系统及方法，包括数据源、存储单元、预处理单元、分析处理单元和输出单元，所述的数据源、存储单元、预处理单元、分析处理单元和输出单元依次连接；所述的预处理单元包括数据清洗模块和数据降维模块，数据清洗模块和数据降维模块数据连接；本发明应用于数据预测，也可以作为广泛应用于工程实践的粒子滤波算法。通过网络抓取的数据进行清洗、去噪、归一化和降维，大大降低了计算的复杂度。

技术领域

本发明创造属于公共卫生领域，尤其是涉及一种基于粒子滤波模型的流感趋势预测系统及方法。

背景技术

基于物理学的流行疾病传播模型，如：SIRS模型，主要描述人口被病毒感染，以及从感染中恢复的比例关系。SIRS模型的假设包括不同流感毒株的完全混合种群和相同的传播行为。因此，目前基于流感爆发时间或大小的机制模型的预测能力主要会受到空间异质性、人际交往网络结构优先混合等因素的限制。

除去上述的机制模型，另一类技术主要包括，基于代理的模型、参数统计模型及经验贝叶斯框架。其中，(1)基于代理的模型：依赖于复杂的相互作用和人群的疾病模式，通常适用于一个单一的流感毒株的特殊情况。(2)参数统计模型：利用不同时间序列分析方法预测流感流行趋势，最新的流感预测研究使用了詹金斯盒方法。(3)经验贝叶斯框架：并没有很强的特定领域假设，因此可以相对容易地应用于一些其他季节性流行病的疾病。

但是在目前，流感病毒的传播组主要采用随机差分模型(离散时间)来进行描述，以确定易感染人群或感染人群。除了传输过程中所存在的干扰外，流感计数的实时测量也存在着不确定性，例如低估无症状人群、延迟报告等。

发明内容

有鉴于此，本发明创造旨在提出一种降低计算复杂度的基于粒子滤波模型的流感趋势预测系统及方法。

为达到上述目的，本发明创造的技术方案是这样实现的：

一种基于粒子滤波模型的流感趋势预测系统，包括数据源、存储单元、预处理单元、分析处理单元和输出单元，所述的数据源、存储单元、预处理单元、分析处理单元和输出单元依次连接；所述的预处理单元包括数据清洗模块和数据降维模块，数据清洗模块和数据降维模块数据连接。

所述的数据源为通过网络爬虫形式获取的公开网络信息数据。

所述的存储单元为服务器的存储媒介，至少包括HHD、SSD、SATA中的一种。

一种基于粒子滤波模型的流感趋势预测方法，包括如下步骤：

(1)将数据源以并阵列式存储到本地服务器的存储单元中；

(2)将步骤(1)所述的数据源所包含的数据通过预处理，转换为统一数据规格并降维；

(3)然后采用PF粒子滤波模型算法对数据进行分析处理；

(4)最后输出计算分析结果，并生成列表。

步骤(2)所述的数据预处理包括如下步骤：

(21)对数据进行清洗及去噪处理；

(22)然后将数据进行归一化处理；

(23)最后使用PCA算法对数据降维。

步骤(23)所述的PCA算法包括如下步骤：

(231)根据数据归一化处理得到对应矩阵B，计算求出协方差矩阵C；

(232)然后计算出协方差矩阵C的特征值和特征向量；

(233)根据数据相关性选择相应的特征值和特征向量，得到降维数据。

相对于现有技术，本发明创造所述的一种基于粒子滤波模型的流感趋势预测系统及方法具有以下优势：