[发明专利]疫情趋势预测方法、装置、电子设备及存储介质

说明书

本申请实施例提供了一种疫情趋势预测方法、装置、电子设备及存储介质，应用于医疗科技领域，该电子设备包括处理器和存储器，存储器用于存储计算机程序，计算机程序包括程序指令，处理器被配置用于调用程序指令，执行以下步骤：获取目标地区的疫情序列数据；根据疫情序列数据构建疫情序列数据对应的目标特征矩阵；调用预训练的时间序列模型以根据目标特征矩阵进行疫情趋势预测，得到第一疫情趋势预测结果，第一疫情趋势预测结果包括预测的第二预设日期范围内各日期的新增病例的数量和/或新增死亡的人数。采用本申请，可以结合多维度特征来进行疫情趋势预测，可参考性更高。本申请涉及区块链技术，如可将第一疫情趋势预测结果写入区块链中。

技术领域

本申请涉及计算机技术领域，尤其涉及一种疫情趋势预测方法、装置、电子设备及存储介质。

背景技术

疫情的爆发和蔓延会对各个地方的经济以及人民生活带来严重的影响。近段时间来，COVID-19引起了世界范围内的疫情爆发，造成了极大的生命损失和经济损失。现有的流行病学预测模型大多是针对单一疾病在人群中的演化进行建模预测，存在一定的局限性：1、只考虑单一疾病的演化，没有兼顾同时流行的多种疾病的影响。2、只采用了单一模态的数据，未能考虑多种因素的协同作用。可见，现有的疫情趋势预测方法可参考性较低。

发明内容

本申请实施例提供了一种疫情趋势预测方法、装置、电子设备及存储介质，结合多维度的特征进行疫情趋势预测，可参考性更高。

第一方面，本申请实施例提供了一种电子设备，包括处理器和存储器，所述处理器和所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行以下步骤：

获取目标地区的疫情序列数据，所述疫情序列数据包括第一预设时间范围内各日期的第一疾病特征数据、第二疾病特征数据以及气象特征数据；

根据所述疫情序列数据构建所述疫情序列数据对应的目标特征矩阵；

调用预训练的时间序列模型以根据所述目标特征矩阵进行疫情趋势预测，得到第一疫情趋势预测结果，所述第一疫情趋势预测结果包括预测的第二预设日期范围内各日期的新增病例的数量和/或新增死亡的人数；所述第二预设日期范围在所述第一预设日期范围之后；

通过终端设备展示所述第一疫情趋势预测结果。

可选地，所述时间序列模型为循环神经网络RNN模型，在调用预训练的时间序列模型以根据所述目标特征矩阵进行疫情趋势预测，得到第一疫情趋势预测结果时，所述处理器被配置用于调用所述程序指令，执行以下步骤：

通过所述预训练的RNN模型中的隐藏层根据所述目标特征矩阵进行处理，得到所述目标特征矩阵对应的目标高维特征矩阵；

根据所述目标高维特征矩阵以及所述预训练的RNN模型中的输出层，获得第一疫情趋势预测结果。

可选地，在根据所述疫情序列数据构建所述疫情序列数据对应的目标特征矩阵时，所述处理器被配置用于调用所述程序指令，执行以下步骤：

对所述疫情序列数据包括的各特征数据进行特征提取，得到所述各特征数据的特征向量；

根据所述各特征数据的特征向量，拼接得到所述疫情序列数据对应的目标特征矩阵。

可选地，在根据所述各特征数据的特征向量，拼接得到所述疫情序列数据对应的目标特征矩阵时，所述处理器被配置用于调用所述程序指令，执行以下步骤：

根据所述疫情序列数据包括的各第一疾病特征数据的特征向量以及各第二疾病特征数据的特征向量，拼接得到第一特征矩阵；

根据所述疫情序列数据包括的各气象特征数据的特征向量，拼接得到第二特征矩阵；