[发明专利]一种基于集合调整卡尔曼滤波和SIR模型的流感预测方法

权利要求书

1.一种基于集合调整卡尔曼滤波和SIR模型的流感预测方法，其特征在于，包括以下步骤：

步骤1，使用初始的状态向量生成含有M个状态向量的集合，其中集合成员来自特定分布的随机样本；

步骤2，将ILI真实值序列做为输入特征训练长短期记忆网络模型，拟合后的长短期记忆网络模型根据用户给定的预测长度L生成ILI观测值的序列；

步骤3，使用传染病模型SIR对状态向量的集合求解，得到先验状态向量的集合；

步骤4，集合调整卡尔曼滤波系统使用ILI观测值对先验状态向量进行滤波处理，得到流感预测值。

2.根据权利要求1所述的一种基于集合调整卡尔曼滤波和SIR模型的流感预测方法，其特征在于，所述步骤3中传染病模型SIR表示为：

其中，S_t表示t周的易感人群总数，I_t表示t周的感染人群总数，N表示总人口数，γ表示平均康复率，β表示平均感染率。

3.根据权利要求1所述的一种基于集合调整卡尔曼滤波和SIR模型的流感预测方法，其特征在于，所述步骤4中集合调整卡尔曼滤波系统使用ILI观测值的序列对先验状态向量进行滤波处理，具体步骤为：

步骤4.1，卡尔曼滤波系统首先使用预测方程处理初始的状态向量得到先验状态向量，预测方程表示为：

X_t|t-1＝BX_t-1|t-1

其中，B函数表示SIR模型，X_t-1|t-1表示初始的集合状态向量{[S_t-1,I_t-1]ⁿ}^M，X_t|t-1表示集合先验状态向量，M是集合成员总数；

步骤4.2，卡尔曼滤波系统对先验状态向量执行更新过程，通过更新方程和ILI观测值得到后验状态向量，更新方程表示为：

X_t|t＝X_t|t-1+K_t(Z_t-HX_t|t-1)

K_t＝C_t|t-1H^T(HC_t|t-1H^T+V)^-1

其中，X_t|t表示集合后验状态向量，Z_t表示t周的ILI观测值，K_t表示t周的卡尔曼滤波增益，同时H＝[0 1]，V表示观测噪声矩阵，C_t|t-1表示为集合成员的无中心样本协方差矩阵；

步骤4.3，最后卡尔曼滤波系统对集合后验状态向量调整得到集合调整状态向量，集合调整状态向量的所有成员求平均值，得到流感的预测值，判断当前时刻t是否小于预测长度L，当t小于L时重复步骤3和步骤4，否则程序结束，其中调整方程表示为：

其中，表示集合中第n个成员的调整状态向量，表示集合成员后验状态向量的平均值，A＝1.03I，I表示单位矩阵。