[发明专利]一种基于有限元SEIAR模型的传染病预测方法及系统

说明书

本发明公开了一种基于有限元SEIAR模型的传染病预测方法及系统，方法包括：根据传染病特性，进行人群类别的划分；根据区域特性，进行有限元子区域的划分，并获取各子区域中不同人群类别的初始人数、各子区域的初始总人数；根据人群流动率、各子区域的初始总人数，计算各子区域动态平衡下的总人数；根据各子区域的不同人群类别的初始人数、各子区域动态平衡下的总人数、人群流动率，计算各子区域中不同人群类别人数单位时间内的变化；根据各子区域中不同人群类别人数单位时间内的变化，构建各子区域的SEIAR模型；根据所构建的SEIAR模型，进行传染病预测。本发明考虑区域人群密度差异及人群流动因素，可有效对传染病的传播进行更准确、更精细化的预测。

技术领域

本发明涉及传染病预测领域，更具体地，涉及一种基于有限元SEIAR模型的传染病预测方法及系统。

背景技术

传染病也称为感染病，通常它是由各种致病的或者是在一定条件下才能致病的病原微生物所引起的，可以通过多种途径在人群中或者人与动物间进行传播。根据传播的特点，感染病可以进一步分为，呼吸道感染病、消化道感染病、血液感染病以及体表感染病等，其中呼吸道感染病包括流感、肺结核等，消化道感染病包括甲型肝炎等，血液感染病包括艾滋病等，传染病的流行病学特点，包括流行性、地方性、季节性等。从古至今，传染病就一直伴随着人类，例如早期的天花病毒，20世纪以来的H1N1流感，埃博拉病毒，以及2019年的新冠肺炎病毒等，给人类的健康带来了巨大的威胁。因此，根据传染病特点制定对应的防控策略，具有重要的意义。

传染病动力学模型分析，通过建立数学模型来反应流行病的发展过程和动力学特性，预测疾病的流行趋势，可以帮助人们做出合理的防控措施，是一种非常重要和有效的方法。传统的传染病动力学模型包括“SI”、“SIS”、“SIR”、“SEIR”、“SEIAR”等，根据不同疾病的特性，可以选择相应的模型进行疾病流行趋势的预测，例如“SEIR”模型适用于具有潜伏期的流行病预测，“SEIR”模型将人群分为易感者(S)、潜伏者(E)、感染者(I)、康复者(R)四类，易感者被患病者感染之后，并不会马上变为感染者，而是先转变为潜伏者，经过潜伏期后再转变为感染者，感染者有一定的概率恢复，变成康复者。而“SEIAR”模型把人群分为五类：易感者S、潜伏者E、显性感染者I、隐性感染者A、康复者R，易感者S被感染会先转变为潜伏者E，潜伏者经过潜伏期之后可能转变为显性感染者I或者隐性感染者A，显性感染者或者隐性感染者都有一定几率转变为康复者R，S-E-I-A-R。

虽然这些经典的模型可以帮助人们对传染病的流行趋势做出一定预测，但是也存在一些问题。例如，这些模型并没有考虑人口的流动因素以及不同区域的人群密度差异等。而这些因素带来的偏倚严重影响了模型的预测准确率。而随着网络通信、空间定位、大数据和人工智能技术的发展，上述传统传染病预测模型并不能很好的满足精细化管理的需要。

发明内容

本发明旨在克服上述现有技术的至少一种缺陷(不足)，提供一种基于有限元SEIAR模型的传染病预测方法及系统，用于解决传统传染病预测模型忽略人口流动因素以及不同区域人群密度差异，从而造成的模型预测准确率低以及无法精细预测的问题。

本发明采取的技术方案是，一种基于有限元SEIAR模型的传染病预测方法，包括以下步骤：

根据传染病特性，进行人群类别的划分；

根据区域特性，进行有限元子区域的划分，并获取各所述有限元子区域中不同人群类别的初始人数、以及各所述有限元子区域的初始总人数；

根据人群流动率以及各所述有限元子区域的初始总人数，计算各所述有限元子区域动态平衡下的总人数；

根据各所述有限元子区域的不同人群类别的初始人数、各所述有限元子区域动态平衡下的总人数以及所述人群流动率，计算各所述有限元子区域中不同人群类别人数单位时间内的变化；

根据各所述有限元子区域中不同人群类别人数单位时间内的变化，构建各所述有限元子区域的SEIAR模型；