[发明专利]基于周期预测疫情发病人数的方法及装置、设备和介质

说明书

本公开是关于一种基于周期预测疫情发病人数的方法及装置、电子设备以及存储介质，涉及计算机技术领域，可以应用于预测疫情传播期间的发病人数的场景。该方法包括：从初始患者数据中确定患者时序信息，并根据患者时序信息确定现有统计周期对应的当前有效再生数；根据当前有效再生数确定目标多项式，通过目标多项式和当前有效再生数拟合出有效再生数序列的变化曲线，以根据变化曲线预测待测周期的未来有效再生数；确定待测周期的首日新增患者数；根据未来有效再生数和首日新增患者数构建人数预测函数，并根据人数预测函数预测待测周期的日新增患者数。本公开可以基于实际数据对未来周期每天的新增病患人数进行预测。

本申请是申请日为2020年4月8日，申请号为CN202010271242.X，名称为“基于周期预测疫情发病人数的方法及装置、设备和介质”的发明专利申请的分案申请。

技术领域

本公开涉及计算机技术技术领域，具体而言，涉及一种基于周期预测疫情发病人数的方法、基于周期预测疫情发病人数的装置、电子设备以及计算机可读存储介质。

背景技术

经典的流行病传播模型(Susceptible Exposed Infectious Recovered，SEIR)模型将流行范围内的人群分为了四类：易感者(Susceptible)、暴露者(Exposed)、感病者(Infectious)和康复者(Recovered)，从而建立模型以分析各类人群变化。

在某一流行病传播时期，为了估计新增病患的增长趋势，研究人员对该流行病基本再生数进行测算，以确定该流行病的传播能力，即患者人数变化趋势。如今，关于新增患者人数的测算，主要是源于SEIR模型，基于SEIR模型计算每个状态的人数变化趋势。另外，还可以采用极大似然算法，利用每日新增患者序列计算出基本再生数值，在得到基本再生数值后，可以计算出在一个周期之后，现有病患在一个患病周期内可以感染的新病患人数。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种基于周期预测疫情发病人数的方法、基于周期预测疫情发病人数的装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服现有的SEIR模型无法根据实际新增病患的人数变化进行优化且无法得到一个计算周期内每一天的新增病患变化的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本公开的第一方面，提供一种基于周期预测疫情发病人数的方法，包括：从初始患者数据中确定患者时序信息，并根据患者时序信息确定现有统计周期对应的当前有效再生数；根据所述当前有效再生数确定目标多项式，通过目标多项式和当前有效再生数拟合出有效再生数序列的变化曲线，以根据变化曲线预测待测周期的未来有效再生数；确定待测周期的首日新增患者数；根据未来有效再生数和首日新增患者数构建人数预测函数，并根据人数预测函数预测待测周期的日新增患者数。

可选的，根据患者时序信息确定现有统计周期对应的当前有效再生数，包括：确定统计周期的统计天数，根据统计天数和患者时序信息将初始患者数据进行划分，以生成对应的初始患者序列；获取基础再生数，根据基础再生数和初始患者序列，并通过极大似然算法确定现有统计周期对应的当前有效再生数。

可选的，基于未来有效再生数和首日新增患者数构建人数预测函数，包括：根据未来有效再生数和首日新增患者数确定待测周期的患者总增量；确定统计周期的统计天数，并根据统计天数和患者总增量确定患者的基底增量；确定待测周期的多个天数编号，并根据基底增量和各天数编号确定与各天数编号对应的增量比例；根据初始患者数据确定缩放系数，根据统计天数、未来有效再生数、增量比例和缩放系数构建人数预测函数。