[发明专利]一种基于滞后分析和LSTM的呼吸系统疾病发病人数预测方法在审
| 申请号： | 201911119117.0 | 申请日： | 2019-11-15 |
| 公开（公告）号： | CN110706823A | 公开（公告）日： | 2020-01-17 |
| 发明（设计）人： | 夏小琳;姚凌;荆文龙;刘杨晓月;李勇;杨骥 | 申请（专利权）人： | 广州地理研究所 |
| 主分类号： | G16H50/80 | 分类号： | G16H50/80;G06N3/08;G06N3/04;G06K9/62 |
| 代理公司： | 44425 广州骏思知识产权代理有限公司 | 代理人： | 潘桂生 |
| 地址： | 510075 广东省广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于滞后分析和LSTM的呼吸系统疾病发病人数预测方法，结合了大气污染物和气象条件对人体呼吸系统疾病的影响，采用深度学习技术进行目标病种发病人数预测，能够有效地提高呼吸系统疾病人数的预测精度；同时，本申请将大气污染物对呼吸系统疾病影响的滞后效应纳入分析之中，提出了基于滞后分析的深度学习时间步长设置方法，能够在保证模型合理性的前提下，有效地简化LSTM网络参数的调优过程。 | ||
| 搜索关键词： | 呼吸系统疾病 大气污染物 发病人数 有效地 预测 人体呼吸系统 气象条件 时间步长 网络参数 滞后效应 分析 滞后 合理性 学习 疾病 申请 保证 | ||
【主权项】：
1.一种基于滞后分析和LSTM的呼吸系统疾病发病人数预测方法，其特征在于，包括以下步骤：/n获取城市中各设定区域的人口密度数据、大气污染物数据、气象数据及病例数据；/n根据所述大气污染物数据、气象数据及病例数据，得到以各设定区域为空间单位的大气污染物浓度、气象条件及目标病种发病人数的时间序列数据集；/n根据所述时间序列数据集，构建大气污染物浓度、气象条件与目标病种发病人数之间的暴露-反应关系模型；/n基于所述暴露-反应关系模型，选取不同滞后天数验证大气污染物浓度对目标病种发病人数的滞后效应的显著性，确定存在显著滞后效应的最长滞后天数；/n以日发病人数作为因变量，以日均大气污染物浓度作为自变量，以人口密度作为辅助参数，参考所述最长滞后天数设置时间步长参数，构建基于长短期记忆网络的疾病人数预测模型；/n将大气污染物的实际监测数据及对应设定区域的人口密度数据输入所述疾病人数预测模型，获得未来最长滞后天数内对应设定区域内目标病种每日发病人数的预测值。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广州地理研究所，未经广州地理研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201911119117.0/，转载请声明来源钻瓜专利网。
