[发明专利]一种基于混合驱动策略的传染病可靠滤波估计方法

说明书

本发明公开了一种基于混合驱动策略的传染病可靠滤波估计方法。本发明包括如下步骤：步骤1、建立基于SEIR型传染病人群数量的状态空间模型；步骤2、基于所建立的状态空间模型构建混合驱动机制；步骤3、基于混合驱动机制，构建传感器的间歇故障机制；步骤4、基于混合驱动机制，在传感器的间歇故障情境下构建随机不正确传感器测量；步骤5、基于所建立的混合驱动机制，设计估计SEIR型传染病中各类人群数量变化的混杂增益滤波器。本发明可以解决传感器间歇故障和随机不正确测量的传染病人群数量估计问题，在混合驱动机制下可以有效地估计各类人群数量变化，节省了系统资源。

技术领域

本发明属于传染病模型预测估计领域，涉及基于混杂增益性能的正随机系统的混合驱动滤波估计方法。

背景技术

从黑死病到艾滋病，从甲型流感疫情到非典疫情，可以说人类社会的发展史就是一部与传染疾病作斗争的历史。每一次的传染病疫情都对经济和社会的发展造成巨大的冲击。传染病的发生和发展过程受到自然环境、人口结构和防疫干预等多重因素的综合影响，一直都是流行病学领域的研究热点和难点。目前对传染病的研究主要有4种方法：描述性研究、分析性研究、实验性研究、实验性研究和理论性研究，其中理论性研究种数学模型的建立起着重要作用，时间序列模型和微分方程模型是应用广泛的数学模型。大多研究者以传染病为研究对象建立了SI模型、SIS模型、SIR模型、SIRS模型或SEIR模型等数学模型。SEIR模型是经典的传染病模型，可以用来研究传染病传播速度和动力学机理等问题。然而，大多数研究者都未考虑到SEIR模型中四类人群的非负特性。

混合驱动方案是由一个随机变量实现时间触发和事件触发机制之间的随机切换，集合时间触发和事件触发优点于一体。针对传染病预测估计过程中，是否决定将一个人隔离起来需要一些限制条件，比如可以用事件触发机制描述满足隔离人群的条件，避免出现漏隔离或误隔离；而针对已经隔离起来的人群在观察过程中是不需要再次判断，以避免资源浪费。基于次，引入混合驱动机制是必要的。另外，在此过程中使用的传感器等器件可能会出现故障，进而导致测量结果可能不正确，而这种现象对于掌握传染病中各类人群数量的变化是非常不利的，轻则导致判断失误给个人带来影响，重则影响其他人的生命健康。

发明内容

基于上述问题描述，本发明针对存在传感器间歇故障及随机不正确测量的传染病各类人群数量估计过程，提供了一种基于混合驱动的传染病滤波估计方法，所述的传染病是基于SEIR模型，所述的采样方案包括混合驱动、滤波设计。

本发明方法的具体步骤包括如下：

步骤1、采集SEIR型传染病中各类人群数量的数据，建立传染病的状态空模型，具体步骤如下：

步骤1.1，根据所得数据建立传染病模型的状态空间表达式：

其中，表示n类人群在t时刻传染病的各类人群数量的变化率；表示n类人群在t时刻传染病的数量；代表传感器测量输出数量；表示待估计的各类人群数量；为新加入的外来人群，m表示外在因素数量；为表达式的系统矩阵；函数r(t)为半马尔科夫跳变过程也即传染病模型的跳变信号，在有限集内取值，记r(t)＝i,，A_r(t)＝A_i，B_r(t)＝B_i，C_r(t)＝C_i，D_r(t)＝D_i，E_r(t)＝E_i，F_r(t)＝F_i。

步骤1.2，半马尔科夫跳变信号r(t)的转移速率满足：

其中，转移率表示跳变信号从模态i到模态j，并且

步骤2、提出一种新的混合驱动方案，具体步骤如下：