[发明专利]对疫情进行数据爬取、建模与预测的方法

说明书

本发明提供了对疫情进行数据爬取、建模与预测的方法，包括S1，爬取预设的时间段内的确诊病例数据；S2，将确诊病例数据作为因变量导入到MATLAB中；S3，通过cftool工具箱对确诊病例数据进行曲线拟合，获得拟合曲线；S4，根据拟合曲线调整初始函数模型的参数，获得预测函数模型；S5，基于预测函数模型对指定日期的确诊病例进行仿真预测，获得预测结果；S6，将预测结果和指定日期的实际确诊病例数据进行对比，调整预测函数模型的参数，实现对预测函数模型的改进。本发明通过获取疫情病例数据，然后采用这些数据对初始函数模型进行优化，从而得到预测函数模型，使用预测函数模型实现了对未来日期的疫情的病例的预测。

技术领域

本发明涉及疫情预测领域，尤其涉及对疫情进行数据爬取、建模与预测的方法。

背景技术

当下疫情流行，对其进行预测与防控十分必要。为此，本发明的目的是，通过实际情况构造数学模型，以预测未来疫情发展的趋势。

发明内容

本发明的目的在于公开对疫情进行数据爬取、建模与预测的方法，解决如何对疫情进行预测的问题。

为了达到上述目的，本发明采用如下技术方案：

对疫情进行数据爬取、建模与预测的方法，包括

S1，爬取预设的时间段内的确诊病例数据；

S2，将确诊病例数据作为因变量导入到MATLAB中；

S3，通过cftool工具箱对确诊病例数据进行曲线拟合，获得拟合曲线；

S4，根据拟合曲线调整初始函数模型的参数，获得预测函数模型；

S5，基于预测函数模型对指定日期的确诊病例进行仿真预测，获得预测结果；

S6，将预测结果和指定日期的实际确诊病例数据进行对比，调整预测函数模型的参数，实现对预测函数模型的改进。

优选地，所述预设的时间段包括起始日期和结束日期。

优选地，所述确诊病例数据包括日期、国家、省份、累计确诊人数、死亡人数和治愈人数。

优选地，所述S2包括：

将确诊病例保存在Excel表格中；

将Excel表格导入到MATLAB中。

优选地，所述初始函数模型包括：

f(x)＝ae^bx+ce^dx

其中，f(x)表示疫情发生后第x天的累计确诊人数，x为是时间序号，表示该地疫情发生的第x天，a,b,c,d表示待定的系数。

优选地，所述S5包括：

将预测函数模型写入到MATLAB中，利用循环函数计算指定日期的确诊病例。

本发明通过获取疫情病例数据，然后采用这些数据对初始函数模型进行优化，从而得到预测函数模型，使用预测函数模型实现了对未来日期的疫情的病例的预测。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1，为本发明对疫情进行数据爬取、建模与预测的方法的一种示例性实施例图。

图2，为本发明的步骤S1.1的一种示例性实施例图。

图3，为本发明的步骤S1.2的一种示例性实施例图。