[发明专利]基于宏观因子的大数据预测方法及系统

权利要求书

1.一种基于宏观因子的大数据预测方法，其特征在于，该方法包括步骤：

设置收集基础数据的范围；

根据设置的范围收集与流感相关的基础数据；

根据收集的基础数据，采用时间序列预测方法和多项式回归方法建立多个预测模型；

根据所建立的多个预测模型分别得到相应的流感预测结果；及

整合所述多个预测模型的流感预测结果，得到最终预测结果。

2.根据权利要求1所述的基于宏观因子的大数据预测方法，其特征在于，所述基础数据包括自变量特征数据和因变量特征数据，所述因变量特征数据为每天医院确诊流感病例数，所述自变量特征数据包括与流感相关的地区宏观医疗行为数据和气象数据。

3.根据权利要求2所述的基于宏观因子的大数据预测方法，其特征在于，所述地区宏观医疗行为数据包括感冒发热类药物购买量及与流感相关的疾病就诊量。

4.根据权利要求1所述的基于宏观因子的大数据预测方法，其特征在于，所述多个预测模型包括自动筛选特征模型、人工观察筛选特征模型及滑动窗口预测模型。

5.根据权利要求2所述的基于宏观因子的大数据预测方法，其特征在于，所述根据所建立的多个预测模型分别得到相应的流感预测结果的步骤具体包括：

在所述多个预测模型中输入当天的自变量特征数据，分别得到三个相应的流感预测结果，所述流感预测结果为后一天的流感发生数量。

6.根据权利要求1所述的基于宏观因子的大数据预测方法，其特征在于，所述整合是对所述多个预测模型的流感预测结果取平均值。

7.一种基于宏观因子的大数据预测系统，其特征在于，该系统包括：

设置模块，用于设置收集基础数据的范围；

收集模块，用于根据设置的范围收集与流感相关的基础数据；

建立模块，用于根据收集的基础数据，采用时间序列预测方法和多项式回归方法建立多个预测模型；

评估模块，用于根据所建立的多个预测模型分别得到相应的流感预测结果；及

整合模块，用于整合所述多个预测模型的流感预测结果，得到最终预测结果。

8.根据权利要求7所述的基于宏观因子的大数据预测系统，其特征在于，所述基础数据包括自变量特征数据和因变量特征数据，所述因变量特征数据为每天医院确诊流感病例数，所述自变量特征数据包括与流感相关的地区宏观医疗行为数据和气象数据。

9.根据权利要求8所述的基于宏观因子的大数据预测系统，其特征在于，所述地区宏观医疗行为数据包括感冒发热类药物购买量及与流感相关的疾病就诊量。

10.根据权利要求7所述的基于宏观因子的大数据预测系统，其特征在于，所述多个预测模型包括自动筛选特征模型、人工观察筛选特征模型及滑动窗口预测模型。