CN111768875A - 传染病疫情预测方法、系统、装置及存储介质 - Google Patents
传染病疫情预测方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN111768875A CN111768875A CN202010582522.2A CN202010582522A CN111768875A CN 111768875 A CN111768875 A CN 111768875A CN 202010582522 A CN202010582522 A CN 202010582522A CN 111768875 A CN111768875 A CN 111768875A
- Authority
- CN
- China
- Prior art keywords
- predicted
- infectious disease
- area
- control
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种传染病疫情预测方法、系统、装置及存储介质。所述传染病疫情预测方法根据政府管控措施对人口流动的影响,建立基于待预测地区政府施加管控措施后的流动人口数量预测模型,所述管控措施包括控制复工率措施、控制隔离率措施、以及控制人口流入和流出所述待预测地区措施;并且基于所述待预测地区政府施加的管控措施,根据传染病动力学模型建立所述待预测地区传染病疫情发展中各类人群之间的相互关系方程组;最后通过所述流动人口预测模型和所述方程组分别预测所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况。本发明提供的传染病疫情预测方法适合用于在政府采取管控措施后预测疫情发展的实际情况。
Description
技术领域
本发明涉及传染病传播与控制领域,更具体而言,涉及一种基于考虑政府管控措施的传染病疫情预测方法、系统、装置及存储介质。
背景技术
现有的传染病动力学SEIR模型计算方法比较单一,没有考虑政府管控、企业复工、境内外人口流动以及疑似病人这些因素,因此不适合用于在政府采取管控措施后预测疫情发展的实际情况。
基于此,有必要提供一种新的用于疫情预测的传染病动力学模型,以有效地预测感染者人数、易感染者人数和潜伏者人数,为政府制定有效的防控措施提供依据,以及为政府制定复工、交通管制等方面提供技术支持。
发明内容
本发明的目的在于提供了一种传染病疫情预测方法、系统、装置及存储介质,以解决现有的疫情预测方法不适合用于在政府采取管控措施后预测疫情实际发展情况的问题。
为了实现上述目的,本发明第一方面提供了一种传染病疫情预测方法,所述方法包括:根据政府管控措施对人口流动的影响,建立基于待预测地区政府施加管控措施后的流动人口数量预测模型,所述管控措施包括控制复工率措施、控制隔离率措施、以及控制人口流入和流出所述待预测地区措施,所述流动人口数量预测模型为:
N=N0×F+Lin-Lout-G,
其中,N为所述待预测地区的流动人口数量,N0为所述待预测地区的人口总数,F为所述待预测地区的复工率;Lin为控制流入所述待预测地区人数,Lout为控制流出所述待预测地区人数,G为所述待预测地区的隔离人数;
基于所述待预测地区政府施加的管控措施,根据传染病动力学模型建立所述待预测地区传染病疫情发展中各类人群之间的相互关系方程组,包括:
其中,S(t)、E(t)和I(t)分别为易感者人数、潜伏者人数和感染者人数随时间t的变化函数,De为所述传染病的平均潜伏期,Dt为所述传染病的平均传染期,R0为所述传染病的基本再生数,Y为所述待预测地区的疑似人数,α为所述待预测地区的疑似人数中感染者的比例;
获取所述待预测地区的人口总数、政府的管控措施参数、所述传染病基本参数以及疑似病例统计情况,并对应输入至所述流动人口数量预测模型和所述方程组中,以分别预测所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况;所述管控措施参数包括F、Lin、Lout和G,所述传染病基本参数包括De、Dt和R0,所述疑似病例统计情况包括Y和α。
为了进一步实现上述目的,本发明第二方面提供了传染病疫情预测系统,所述系统包括:
构建模块,用于根据政府管控措施对人口流动的影响,建立基于待预测地区政府施加管控措施后的流动人口数量预测模型,所述管控措施包括控制复工率措施、控制隔离率措施、以及控制人口流入和流出所述待预测地区措施,所述流动人口数量预测模型为:
N=N0×F+Lin-Lout-G,
其中,N为所述待预测地区的流动人口数量,N0为所述待预测地区的人口总数,F为所述待预测地区的复工率;Lin为控制流入所述待预测地区人数,Lout为控制流出所述待预测地区人数,G为所述待预测地区的隔离人数;
所述构建模块,还用于基于所述待预测地区政府施加的管控措施,根据传染病动力学模型建立所述待预测地区传染病疫情发展中各类人群之间的相互关系方程组,包括:
其中,S(t)、E(t)和I(t)分别为易感者人数、潜伏者人数和感染者人数随时间t的变化函数,De为所述传染病的平均潜伏期,Dt为所述传染病的平均传染期,R0为所述传染病的基本再生数,Y为所述待预测地区的疑似人数,α为所述待预测地区的疑似人数中感染者的比例;
获取模块,用于获取所述待预测地区的人口总数、政府的管控措施参数、所述传染病基本参数以及疑似病例统计情况;所述管控措施参数包括F、Lin、Lout和G,所述传染病基本参数包括De、Dt和R0,所述疑似病例统计情况包括Y和α;
预测模块,用于根据获取到的数值和所述流动人口数量预测模型以及所述方程组,预测所述流动人口数量和所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况。
为了进一步实现上述目的,本发明第三方面提供了一种传染病疫情预测装置,所述预测装置包括处理器、与所述处理器耦接的存储器,其中,
所述存储器存储有用于实现上述的传染病疫情预测方法的程序指令;
所述处理器用于执行所述存储器存储的所述程序指令以实现对传染病疫情进行预测。
为了进一步实现上述目的,本发明第四方面提供了一种存储介质,所述存储介质中存储有能够实现上述的传染病疫情预测方法的程序文件。
与现有技术相比,本发明提供的传染病疫情预测方法、系统、装置及存储介质,根据政府管控措施对人口流动的影响,建立基于待预测地区政府施加管控措施后的流动人口数量预测模型,所述管控措施包括控制复工率措施、控制隔离率措施、以及控制人口流入和流出所述待预测地区措施;并且基于所述待预测地区政府施加的管控措施,根据传染病动力学模型建立所述待预测地区传染病疫情发展中各类人群之间的相互关系方程组;最后通过所述流动人口预测模型和所述方程组分别预测所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况。本发明提供的传染病疫情预测方法通过将政府管控措施和疑似病例统计情况考虑到疫情预测中,提升了预测结果的准确性,适合用于在政府采取管控措施后预测疫情发展的实际情况。
附图说明
图1是本发明第一实施例传染病疫情预测方法流程示意图;
图2是本发明第二实施例传染病疫情预测方法流程示意图;
图3是本发明第三实施例传染病疫情预测方法流程示意图;
图4是本发明第四实施例传染病疫情预测方法流程示意图;
图5是本发明第五实施例传染病疫情预测系统的结构示意图;
图6是本发明第六实施例传染病疫情预测系统的结构示意图;
图7是本发明第七实施例传染病疫情预测系统的结构示意图;
图8是本发明第八实施例传染病疫情预测系统的结构示意图;
图9是本发明实施例传染病疫情预测装置的结构示意图;
图10是本发明实施例存储介质的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图和具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参阅图1所示,图1是本发明第一实施例传染病疫情预测方法的流程示意图。需注意的是,若有实质上相同的结果,本发明的预测方法并不以图1所示的流程顺序为限。所述预测方法包括如下步骤:
步骤S101:根据政府管控措施对人口流动的影响,建立基于待预测地区政府施加管控措施后的流动人口数量预测模型,所述管控措施包括控制复工率措施、控制隔离率措施、以及控制人口流入和流出所述待预测地区措施。
在步骤S101中,假设流动人口数量与复工率呈线性关系,则所述流动人口数量预测模型可以为:
N=N0×F+Lin-Lout-G,
其中,N为所述待预测地区的流动人口数量,N0为所述待预测地区的人口总数,F为所述待预测地区的复工率;Lin为控制流入所述待预测地区人数,Lout为控制流出所述待预测地区人数,G为所述待预测地区的隔离人数。
进一步的,所述隔离人数可以通过人口总数乘以政府设置的隔离率得到。政府可以通过交通管制来控制人口流入所述待预测地区和人口流出所述待预测地区。所述待预测地区可以为某个省份、或者某个城市、或者城市中的某个区。
步骤S102:基于所述待预测地区政府施加的管控措施,根据传染病动力学模型建立所述待预测地区传染病疫情发展中各类人群之间的相互关系方程组。
可选的,在步骤S102中,所述传染病动力学模型为SEIR模型。在SEIR模型中,将人群分为四个流行病学类,其中S类为易感者,与感染者有过接触,易受到感染;E类为潜伏者,接触过感染者并具有较长的潜伏期;I类为感染者,可能将病情传染给其他人;R类为治愈者,感染者因隔离或治疗康复。本发明分别预测了基于政府管控措施后,易感者人群数量、潜伏者人群数量和治愈者人群数量随时间的变化情况。具体的,在步骤S102中,所述待预测地区传染病疫情发展中这三类人群之间的相互关系方程组包括:
其中,S(t)、E(t)和I(t)分别为易感者人数、潜伏者人数和感染者人数随时间t的变化函数,De为所述传染病的平均潜伏期,Dt为所述传染病的平均传染期,R0为所述传染病的基本再生数,Y为所述待预测地区的疑似人数,α为所述待预测地区的疑似人数中感染者的比例。
可选的,步骤S102中的所述传染病动力学模型不仅限于SEIR模型,例如还可以为SIR等模型。
步骤S103:获取所述待预测地区的人口总数、政府的管控措施参数、所述传染病基本参数以及疑似病例统计情况。
在步骤S103中,所述管控措施参数包括复工率F、流入所述待预测地区人数Lin、流出所述待预测地区人数Lout和隔离人数G,所述传染病基本参数包括平均潜伏期De、平均传染期Dt和基本再生数R0,所述疑似病例统计情况包括疑似人数Y和疑似人数中感染者的比例α。
具体的,所述传染病基本参数可以通过对国家卫健委发布的疫情相关数据中统计分析得到。
步骤S104:将获取到的参数对应输入至所述流动人口数量预测模型和所述方程组中,以分别预测所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况。
在步骤S104中,先将获取到的所述待预测地区的人口总数N0和管控措施参数(F、Lin、Lout和G)输入至所述流动人口数量预测模型中,以预测所述待预测地区的流动人口数量N。然后将预测到的所述流动人口数量N、所述传染病基本参数(De、Dt和R0,)、所述疑似病例统计情况(Y和α)、以及所述管控措施参数(Lin、Lout和G)输入至所述方程组中,通过程序进行求解,以分别预测所述待预测地区传染病疫情发展中易感者人群数量、潜伏者人群数量和治愈者人群数量随时间t的变化情况。
本发明第一实施例的传染病疫情预测方法根据政府管控措施对人口流动的影响,建立基于待预测地区政府施加管控措施后的流动人口数量预测模型,所述管控措施包括控制复工率措施、控制隔离率措施、以及控制人口流入和流出所述待预测地区措施;并且基于所述待预测地区政府施加的管控措施和疑似病例统计情况,根据传染病动力学模型建立所述待预测地区传染病疫情发展中各类人群之间的相互关系方程组;最后通过所述流动人口预测模型和所述方程组分别预测所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况。通过将政府管控措施和疑似病例统计情况考虑到疫情预测中,提升了预测结果的准确性,适合用于在政府采取管控措施后预测疫情发展的实际情况。
请参阅图2所示,图2是本发明第二实施例传染病疫情预测方法的流程示意图。需注意的是,若有实质上相同的结果,本发明的预测方法并不以图2所示的流程顺序为限。所述预测方法包括如下步骤:
步骤S201:根据政府管控措施对人口流动的影响,建立基于待预测地区政府施加管控措施后的流动人口数量预测模型,所述管控措施包括控制复工率措施、控制隔离率措施、以及控制人口流入和流出所述待预测地区措施。
步骤S202:基于所述待预测地区政府施加的管控措施,根据传染病动力学模型建立所述待预测地区传染病疫情发展中各类人群之间的相互关系方程组。
步骤S203:获取所述待预测地区的人口总数、政府的管控措施参数、所述传染病基本参数以及疑似病例统计情况。
步骤S204:将获取到的参数对应输入至所述流动人口数量预测模型和所述方程组中,以分别预测所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况。
本实施例中,步骤S201至步骤S204分别与第一实施例中的步骤S101至步骤S104相似,为简约起见,在此不再赘述。
步骤S205:判断预测到的所述变化情况是否满足疫情控制目标。
在步骤S205中,若满足,说明政府制定的管控措施能够有效抑制疫情发展,执行步骤S208。若不满足,说明政府制定的管控措施不能有效地抑制疫情发展,需要对各项管控措施参数进行重新调整,加大对人口流动的控制,执行步骤S206。
步骤S206:调整所述管控措施参数以重新预测所述待预测地区的流动人口数量。
在步骤S206中,将所述待预测地区的人口总数N0和调整后的管控措施参数(F、Lin、Lout和G)重新输入至所述流动人口数量预测模型中,以重新预测所述待预测地区的流动人口数量N。
步骤S207:将调整后的管控措施参数和重新预测到的流动人口数量、以及所述传染病基本参数和所述疑似病例统计情况重新输入至所述方程组中,以分别预测所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况,并返回执行所述步骤S205。
在步骤S207中,将调整后的管控措施参数(Lin、Lout和G)和重新预测到的流动人口数量N、以及所述传染病基本参数(De、Dt和R0,)和所述疑似病例统计情况(Y和α)重新输入至所述方程组中,通过程序进行求解,以分别预测所述待预测地区传染病疫情发展中各类人群数量随时间t的变化情况。然后返回执行所述步骤S205中,重新判断,直至预测到的所述变化情况能够满足疫情控制目标。
步骤S208:记录所述管控措施参数。
在步骤S208中,所述管控措施参数可以作为政府部门为所述待预测地区制定人口流动管控措施的理论依据。
本发明第二实施例的传染病疫情预测方法先后建立了基于待预测地区政府施加管控措施后的流动人口数量预测模型和所述待预测地区传染病疫情发展中各类人群之间的相互关系方程组;然后通过所述流动人口预测模型和所述方程组分别预测所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况;并判断预测到的所述变化情况是否满足疫情控制目标;若满足,记录所述管控措施参数,以为政府部门制定人口流动管控措施提供理论依据;若不满足,重新调整所述管控措施参数以重新预测流动人口数量和重新分别预测各类人群数量随时间的变化情况,直至所述变化情况能够满足疫情控制目标。本发明第二实施例通过将政府管控措施考虑到疫情预测中,研究了政府管控措施与疫情发展的相互关系,对管控措施的严格程度和疫情控制效果进行了模拟分析,可以为政府部门进行优化抉择、以尽量小的代价控制疫情提供关键的理论依据信息。
请参阅图3所示,图3是本发明第三实施例传染病疫情预测方法的流程示意图。需注意的是,若有实质上相同的结果,本发明的预测方法并不以图3所示的流程顺序为限。所述预测方法包括如下步骤:
步骤S301:根据政府管控措施对人口流动的影响,建立基于待预测地区政府施加管控措施后的流动人口数量预测模型,所述管控措施包括控制复工率措施、控制隔离率措施、以及控制人口流入和流出所述待预测地区措施。
步骤S302:基于所述待预测地区政府施加的管控措施,根据传染病动力学模型建立所述待预测地区传染病疫情发展中各类人群之间的相互关系方程组。
步骤S303:获取所述待预测地区的人口总数、政府的管控措施参数、所述传染病基本参数以及疑似病例统计情况。
步骤S304:将获取到的参数对应输入至所述流动人口数量预测模型和所述方程组中,以分别预测所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况。
步骤S305:判断预测到的所述变化情况是否满足疫情控制目标。
步骤S306:调整所述管控措施参数以重新预测所述待预测地区的流动人口数量。
步骤S307:将调整后的管控措施参数和重新预测到的流动人口数量、以及所述传染病基本参数和所述疑似病例统计情况重新输入至所述方程组中,以分别预测所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况,并返回执行所述步骤S305。
步骤S308:记录所述管控措施参数。
本实施例中,步骤S301至步骤S308分别与第二实施例中的步骤S201至步骤S208相似,为简约起见,在此不再赘述。
步骤S309:建立社会经济影响评估模型。
在步骤S309中,所述社会经济影响评估模型用于评估所述管控措施参数对社会经济造成的影响。
步骤S310:基于所述社会经济影响评估模型评估所述管控措施参数对社会经济造成的影响。
在步骤S309和S310中,通过建立社会经济影响评估模型进一步研究政府管控措施与社会经济之间的关系,评估政府部门制定的管控措施参数对社会经济造成的影响,从而可以根据所述经济影响进一步优化管控措施参数,有利于决策部门做出最优的抉择,制定出最优的管控措施方案。
本发明第三实施例的传染病疫情预测方法先后建立了基于待预测地区政府施加管控措施后的流动人口数量预测模型和所述待预测地区传染病疫情发展中各类人群之间的相互关系方程组;然后通过所述流动人口预测模型和所述方程组分别预测所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况;并判断预测到的所述变化情况是否满足疫情控制目标;若不满足,重新调整所述管控措施参数以重新预测流动人口数量和重新分别预测各类人群数量随时间的变化情况,直至所述变化情况能够满足疫情控制目标。当满足所述疫情控制目标后,记录所述管控措施参数,并建立社会经济影响评估模型,评估所述管控措施参数对社会经济造成的影响。本发明第三实施例通过将政府管控措施考虑到疫情预测中,研究了政府管控措施与疫情发展的相互关系、以及政府管控措施与社会经济影响之间的关系,对管控措施的严格程度和疫情控制效果进行了模拟分析,以及分析了满足疫情控制目标的管控措施参数对社会经济造成的影响,可以为政府部门进行优化抉择、以尽量小的代价控制疫情提供关键的理论依据信息。
请参阅图4所示,图4是本发明第四实施例传染病疫情预测方法的流程示意图。需注意的是,若有实质上相同的结果,本发明的预测方法并不以图4所示的流程顺序为限。所述预测方法包括如下步骤:
步骤S401:根据政府管控措施对人口流动的影响,建立基于待预测地区政府施加管控措施后的流动人口数量预测模型,所述管控措施包括控制复工率措施、控制隔离率措施、以及控制人口流入和流出所述待预测地区措施。
步骤S402:基于所述待预测地区政府施加的管控措施,根据传染病动力学模型建立所述待预测地区传染病疫情发展中各类人群之间的相互关系方程组。
步骤S403:获取所述待预测地区的人口总数、政府的管控措施参数、所述传染病基本参数以及疑似病例统计情况。
步骤S404:将获取到的参数对应输入至所述流动人口数量预测模型和所述方程组中,以分别预测所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况。
步骤S405:判断预测到的所述变化情况是否满足疫情控制目标。
在步骤S405中,若判断结果为满足,执行步骤S408,若判断结果为不满足,执行步骤S406。
步骤S406:调整所述管控措施参数以重新预测所述待预测地区的流动人口数量。
步骤S407:将调整后的管控措施参数和重新预测到的流动人口数量、以及所述传染病基本参数和所述疑似病例统计情况重新输入至所述方程组中,以分别预测所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况,并返回执行所述步骤S405。
本实施例中,步骤S401至步骤S407分别与第二实施例中的步骤S201至步骤S207相似,为简约起见,在此不再赘述。
步骤S408:建立社会经济影响评估模型。
步骤S409:基于所述社会经济影响评估模型评估所述管控措施参数对社会经济造成的影响。
本实施例中,步骤S408和步骤S409分别与第三实施例中的步骤S309和步骤S310相似,为简约起见,在此不再赘述。
步骤S410:判断造成的所述影响是否超出经济调控范围。
在步骤S410中,若判断结果为是,说明为满足疫情控制目标制定的管控措施过于严格,需要调整所述管控措施参数以降低管控的严格程度,以在满足疫情控制目标的同时减少对社会经济造成的影响,因此,返回执行步骤S406。若判断结果为否,说明政府部门制定的管控措施参数既能满足疫情控制目标,对社会经济的影响也在政府可调控的范围之内,属于较优的抉择,因此执行步骤S411。
步骤S411:记录所述管控措施参数。
本实施例中,步骤S411与第二实施例中的步骤S208相似,为简约起见,在此不再赘述。
本发明第四实施例的传染病疫情预测方法先后建立了基于待预测地区政府施加管控措施后的流动人口数量预测模型、所述待预测地区传染病疫情发展中各类人群之间的相互关系方程组和社会经济影响评估模型;然后通过所述流动人口预测模型和所述方程组分别预测所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况;并判断预测到的所述变化情况是否满足疫情控制目标;若不满足,重新调整所述管控措施参数以重新预测流动人口数量和重新分别预测各类人群数量随时间的变化情况,直至所述变化情况能够满足疫情控制目标。当满足所述疫情控制目标后,根据所述社会经济影响评估模型,评估所述管控措施参数对社会经济造成的影响,并判断所述影响是否超出经济调控范围;若没有超出,记录所述管控措施参数;若超出,就重新调整所述管控措施参数以重新预测流动人口数量和重新分别预测各类人群数量随时间的变化情况,直至所述变化情况能够满足疫情控制目标的同时,还能减少对社会经济造成的影响。本发明第四实施例通过将政府管控措施考虑到疫情预测中,研究了政府管控措施与疫情发展的相互关系、以及政府管控措施与社会经济影响之间的关系,对管控措施的严格程度和疫情控制效果进行了模拟分析,以及分析了满足疫情控制目标的管控措施参数对社会经济造成的影响,可以为政府部门进行优化抉择、以尽量小的代价控制疫情提供关键的理论依据信息。
图5是本发明第五实施例的传染病疫情预测系统的结构示意图。如图5所示,所述系统50包括构建模块51、获取模块52和预测模块53。
所述构建模块51,用于根据政府管控措施对人口流动的影响,建立基于待预测地区政府施加管控措施后的流动人口数量预测模型。
可选的,所述管控措施包括控制复工率措施、控制隔离率措施、以及控制人口流入和流出所述待预测地区措施。假设流动人口数量与复工率呈线性关系,则所述流动人口数量预测模型可以为:
N=N0×F+Lin-Lout-G,
其中,N为所述待预测地区的流动人口数量,N0为所述待预测地区的人口总数,F为所述待预测地区的复工率;Lin为控制流入所述待预测地区人数,Lout为控制流出所述待预测地区人数,G为所述待预测地区的隔离人数;
所述构建模块51,还用于基于所述待预测地区政府施加的管控措施,根据传染病动力学模型建立所述待预测地区传染病疫情发展中各类人群之间的相互关系方程组,包括:
其中,S(t)、E(t)和I(t)分别为易感者人数、潜伏者人数和感染者人数随时间t的变化函数,De为所述传染病的平均潜伏期,Dt为所述传染病的平均传染期,R0为所述传染病的基本再生数,Y为所述待预测地区的疑似人数,α为所述待预测地区的疑似人数中感染者的比例。
所述获取模块52,用于获取所述待预测地区的人口总数、政府的管控措施参数、所述传染病基本参数以及疑似病例统计情况。具体的,所述管控措施参数包括F、Lin、Lout和G,所述传染病基本参数包括De、Dt和R0,所述疑似病例统计情况包括Y和α。
所述预测模块53分别与所述构建模块51和所述获取模块52耦接,用于根据获取到的数值和所述流动人口数量预测模型以及所述方程组,预测所述流动人口数量和所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况。
图6是本发明第六实施例的传染病疫情预测系统的结构示意图。如图6所示,所述系统60包括构建模块61、获取模块62、预测模块63、第一判断模块64、调整模块65和记录模块66。
在本实施例中,所述构建模块61、所述获取模块62和所述预测模块63分别与第五实施例中的构建模块51、所述获取模块52和所述预测模块53相似,为简约起见,在此不再赘述。
所述第一判断模块64与所述预测模块63耦接,用于判断预测到的所述变化情况是否满足疫情控制目标。
所述调整模块65分别与所述获取模块62和所述第一判断模块64耦接,用于当所述第一判断模块64的判断结果为否时,调整所述管控措施参数,所述获取模块62获取调整后的所述管控措施参数。
所述预测模块63,还用于根据调整后的管控措施参数重新预测所述待预测地区的流动人口数量;以及用于根据调整后的管控措施参数、重新预测到的流动人口数量、以及所述传染病基本参数和所述疑似病例统计情况重新预测所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况。
所述记录模块66与所述第一判断模块64耦接,用于当所述第一判断模块64的判断结果为是时,记录所述管控措施参数。
图7是本发明第七实施例的传染病疫情预测系统的结构示意图。如图7所示,所述系统70包括构建模块71、获取模块72、预测模块73、第一判断模块74、调整模块75、记录模块76和评估模块77。
在本实施例中,所述构建模块71、所述获取模块72、所述预测模块73、所述第一判断模块74、所述调整模块75和所述记录模块76分别与第六实施例中的构建模块61、获取模块62、预测模块63、第一判断模块64、调整模块65和记录模块66相似,为简约起见,在此不再赘述。
所述构建模块71,还用于建立社会经济影响评估模型,所述社会经济影响评估模型用于评估所述管控措施参数对社会经济造成的影响。
所述评估模块77分别与所述构建模块71、所述获取模块72和所述记录模块76耦接,用于基于所述社会经济影响评估模型评估所述管控措施参数对社会经济造成的影响。
图8是本发明第八实施例的传染病疫情预测系统的结构示意图。如图8所示,所述系统80包括构建模块81、获取模块82、预测模块83、第一判断模块84、调整模块85、评估模块86和第二判断模块87记录模块88。
在本实施例中,所述构建模块81、获取模块82、预测模块83、第一判断模块84和调整模块85分别与第七实施例中的构建模块71、获取模块72、预测模块73、第一判断模块74和调整模块75相似,为简约起见,在此不再赘述。
所述评估模块87与所述第一判断模块84耦接,用于当所述第一判断模块84的判断结果为是时,基于所述社会经济影响评估模型评估所述管控措施参数对社会经济造成的影响。
所述第二判断模块87与所述评估模块86耦接,用于判断造成的所述影响是否超出经济调控范围。
所述记录模块88与所述第二判断模块87耦接,用于当所述第二判断模块87的判断结果为否时,记录所述管控措施参数。
所述第二判断模块87还与所述调整模块85耦接,所述调整模块85还用于当所述第二判断模块87的判断结果为是时,调整所述管控措施参数。
请参阅图9,图9为本发明实施例的传染病疫情预测装置的结构示意图。如图9所示,该检测装置90包括处理器91及和处理器91耦接的存储器92。
存储器92存储有用于实现上述任一实施例所述的传染病疫情预测方法的程序指令。
处理器91用于执行存储器92存储的程序指令以实现对传染病疫情进行预测。
其中,处理器91还可以称为CPU(Central Processing Unit,中央处理单元)。处理器91可能是一种集成电路芯片,具有信号的处理能力。处理器91还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
参阅图10,图10为本发明实施例的存储介质的结构示意图。本发明实施例的存储介质存储有能够实现上述所有方法的程序文件101,其中,该程序文件101可以以软件产品的形式存储在上述存储装置中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储装置包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质,或者是计算机、服务器、手机、平板等终端设备。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。以上仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种传染病疫情预测方法,其特征在于,所述方法包括:
根据政府管控措施对人口流动的影响,建立基于待预测地区政府施加管控措施后的流动人口数量预测模型,所述管控措施包括控制复工率措施、控制隔离率措施、以及控制人口流入和流出所述待预测地区措施,所述流动人口数量预测模型为:
N=N0×F+Lin-Lout-G,
其中,N为所述待预测地区的流动人口数量,N0为所述待预测地区的人口总数,F为所述待预测地区的复工率;Lin为控制流入所述待预测地区人数,Lout为控制流出所述待预测地区人数,G为所述待预测地区的隔离人数;
基于所述待预测地区政府施加的管控措施,根据传染病动力学模型建立所述待预测地区传染病疫情发展中各类人群之间的相互关系方程组,包括:
其中,S(t)、E(t)和I(t)分别为易感者人数、潜伏者人数和感染者人数随时间t的变化函数,De为所述传染病的平均潜伏期,Dt为所述传染病的平均传染期,R0为所述传染病的基本再生数,Y为所述待预测地区的疑似人数,α为所述待预测地区的疑似人数中感染者的比例;
获取所述待预测地区的人口总数、政府的管控措施参数、所述传染病基本参数以及疑似病例统计情况,并对应输入至所述流动人口数量预测模型和所述方程组中,以分别预测所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况;所述管控措施参数包括F、Lin、Lout和G,所述传染病基本参数包括De、Dt和R0,所述疑似病例统计情况包括Y和α。
2.根据权利要求1所述的方法,其特征在于,所述分别预测所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况步骤之后,还包括:
判断预测到的所述变化情况是否满足疫情控制目标;
若否,调整所述管控措施参数以重新预测所述待预测地区的流动人口数量;
将调整后的管控措施参数和重新预测到的流动人口数量、以及所述传染病基本参数和所述疑似病例统计情况重新输入至所述方程组中,以分别预测所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况,并返回执行所述判断预测到的所述变化情况是否满足疫情控制目标步骤。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:建立社会经济影响评估模型,所述社会经济影响评估模型用于评估所述管控措施参数对社会经济造成的影响;
所述判断预测到的所述变化情况是否满足疫情控制目标步骤之后,还包括:
若是,基于所述社会经济影响评估模型评估所述管控措施参数对社会经济造成的影响。
4.根据权利要求3所述的方法,其特征在于,所述基于所述社会经济影响评估模型评估所述管控措施参数对社会经济造成的影响步骤之后,还包括:
判断造成的所述影响是否超出经济调控范围;
若是,返回执行所述调整所述管控措施参数以重新预测所述待预测地区的流动人口数量步骤;否则,记录所述管控措施参数。
5.一种传染病疫情预测系统,其特征在于,所述系统包括:
构建模块,用于根据政府管控措施对人口流动的影响,建立基于待预测地区政府施加管控措施后的流动人口数量预测模型,所述管控措施包括控制复工率措施、控制隔离率措施、以及控制人口流入和流出所述待预测地区措施,所述流动人口数量预测模型为:
N=N0×F+Lin-Lout-G,
其中,N为所述待预测地区的流动人口数量,N0为所述待预测地区的人口总数,F为所述待预测地区的复工率;Lin为控制流入所述待预测地区人数,Lout为控制流出所述待预测地区人数,G为所述待预测地区的隔离人数;
所述构建模块,还用于基于所述待预测地区政府施加的管控措施,根据传染病动力学模型建立所述待预测地区传染病疫情发展中各类人群之间的相互关系方程组,包括:
其中,S(t)、E(t)和I(t)分别为易感者人数、潜伏者人数和感染者人数随时间t的变化函数,De为所述传染病的平均潜伏期,Dt为所述传染病的平均传染期,R0为所述传染病的基本再生数,Y为所述待预测地区的疑似人数,α为所述待预测地区的疑似人数中感染者的比例;
获取模块,用于获取所述待预测地区的人口总数、政府的管控措施参数、所述传染病基本参数以及疑似病例统计情况;所述管控措施参数包括F、Lin、Lout和G,所述传染病基本参数包括De、Dt和R0,所述疑似病例统计情况包括Y和α;
预测模块,用于根据获取到的数值和所述流动人口数量预测模型以及所述方程组,预测所述流动人口数量和所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况。
6.根据权利要求5所述的系统,其特征在于,所述系统还包括:
第一判断模块,用于判断预测到的所述变化情况是否满足疫情控制目标;
调整模块,用于当所述第一判断模块的判断结果为否时,调整所述管控措施参数;所调整模块还与所述获取模块耦接;
所述预测模块,还用于根据调整后的管控措施参数重新预测所述待预测地区的流动人口数量;以及用于根据调整后的管控措施参数、重新预测到的流动人口数量、以及所述传染病基本参数和所述疑似病例统计情况重新预测所述待预测地区传染病疫情发展中各类人群数量随时间的变化情况;
记录模块,用于当所述第一判断模块的判断结果为是时,记录所述管控措施参数。
7.根据权利要求6所述的系统,其特征在于,所述系统还包括:
所述构建模块,还用于建立社会经济影响评估模型,所述社会经济影响评估模型用于评估所述管控措施参数对社会经济造成的影响;
评估模块,用于当所述第一判断模块的判断结果为是时,基于所述社会经济影响评估模型评估所述管控措施参数对社会经济造成的影响。
8.根据权利要求7所述的系统,其特征在于,所述系统还包括:
第二判断模块,用于判断造成的所述影响是否超出经济调控范围;所述第二判断模块还与所述调整模块耦接;
记录模块,还用于当所述第二判断模块的判断结果为否时,记录所述管控措施参数。
9.一种传染病疫情预测装置,其特征在于,所述预测装置包括处理器、与所述处理器耦接的存储器,其中,
所述存储器存储有用于实现如权利要求1-4中任一项所述的传染病疫情预测方法的程序指令;
所述处理器用于执行所述存储器存储的所述程序指令以实现对传染病疫情进行预测。
10.一种存储介质,其特征在于,存储有能够实现如权利要求1-4中任一项所述的传染病疫情预测方法的程序文件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010582522.2A CN111768875B (zh) | 2020-06-23 | 2020-06-23 | 传染病疫情预测方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010582522.2A CN111768875B (zh) | 2020-06-23 | 2020-06-23 | 传染病疫情预测方法、系统、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111768875A true CN111768875A (zh) | 2020-10-13 |
CN111768875B CN111768875B (zh) | 2023-08-01 |
Family
ID=72722784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010582522.2A Active CN111768875B (zh) | 2020-06-23 | 2020-06-23 | 传染病疫情预测方法、系统、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111768875B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111968749A (zh) * | 2020-10-21 | 2020-11-20 | 平安科技(深圳)有限公司 | 一种风险评估方法、装置、终端设备及可读存储介质 |
CN112435759A (zh) * | 2020-11-24 | 2021-03-02 | 医渡云(北京)技术有限公司 | 疫情数据预测方法及装置、电子设备和存储介质 |
CN112992373A (zh) * | 2021-03-10 | 2021-06-18 | 山东大学 | 一种传染病的流行趋势预判方法及系统 |
CN113161005A (zh) * | 2021-03-17 | 2021-07-23 | 第四范式(北京)技术有限公司 | 目标区域的疫情推演方法和目标区域疫情推演模拟器 |
CN113270202A (zh) * | 2021-06-11 | 2021-08-17 | 上海海事大学 | 一种基于场论的病毒传播预测方法 |
CN113345594A (zh) * | 2020-12-22 | 2021-09-03 | 中国联合网络通信集团有限公司 | 信息预测的方法和装置 |
CN116307829A (zh) * | 2023-01-17 | 2023-06-23 | 福建实达集团股份有限公司 | 基于信息熵评估传染病对社会承载力的影响方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040024612A1 (en) * | 2002-07-31 | 2004-02-05 | Gerntholtz Otto Carl | Infectious disease surveillance system |
CN101794342A (zh) * | 2009-09-30 | 2010-08-04 | 中国人民解放军防化指挥工程学院 | 基于非线性、变系数预测模型的传染病疫情预测分析方法 |
CN103390091A (zh) * | 2012-05-08 | 2013-11-13 | 中国人民解放军防化学院 | 一种传染病疫情优化控制方法 |
JP2015038708A (ja) * | 2013-08-19 | 2015-02-26 | 国立大学法人 東京大学 | 感染症対策プログラム、感染症対策装置および感染症対策方法 |
CN111063451A (zh) * | 2020-03-17 | 2020-04-24 | 广州地理研究所 | 基于输入-扩散函数的传染病疫情早期风险态势分析方法 |
-
2020
- 2020-06-23 CN CN202010582522.2A patent/CN111768875B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040024612A1 (en) * | 2002-07-31 | 2004-02-05 | Gerntholtz Otto Carl | Infectious disease surveillance system |
CN101794342A (zh) * | 2009-09-30 | 2010-08-04 | 中国人民解放军防化指挥工程学院 | 基于非线性、变系数预测模型的传染病疫情预测分析方法 |
CN103390091A (zh) * | 2012-05-08 | 2013-11-13 | 中国人民解放军防化学院 | 一种传染病疫情优化控制方法 |
JP2015038708A (ja) * | 2013-08-19 | 2015-02-26 | 国立大学法人 東京大学 | 感染症対策プログラム、感染症対策装置および感染症対策方法 |
CN111063451A (zh) * | 2020-03-17 | 2020-04-24 | 广州地理研究所 | 基于输入-扩散函数的传染病疫情早期风险态势分析方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111968749A (zh) * | 2020-10-21 | 2020-11-20 | 平安科技(深圳)有限公司 | 一种风险评估方法、装置、终端设备及可读存储介质 |
CN112435759A (zh) * | 2020-11-24 | 2021-03-02 | 医渡云(北京)技术有限公司 | 疫情数据预测方法及装置、电子设备和存储介质 |
CN113345594A (zh) * | 2020-12-22 | 2021-09-03 | 中国联合网络通信集团有限公司 | 信息预测的方法和装置 |
CN113345594B (zh) * | 2020-12-22 | 2023-06-20 | 中国联合网络通信集团有限公司 | 信息预测的方法和装置 |
CN112992373A (zh) * | 2021-03-10 | 2021-06-18 | 山东大学 | 一种传染病的流行趋势预判方法及系统 |
CN112992373B (zh) * | 2021-03-10 | 2022-09-16 | 山东大学 | 一种传染病的流行趋势预判方法及系统 |
CN113161005A (zh) * | 2021-03-17 | 2021-07-23 | 第四范式(北京)技术有限公司 | 目标区域的疫情推演方法和目标区域疫情推演模拟器 |
CN113270202A (zh) * | 2021-06-11 | 2021-08-17 | 上海海事大学 | 一种基于场论的病毒传播预测方法 |
CN113270202B (zh) * | 2021-06-11 | 2024-01-23 | 上海海事大学 | 一种基于场论的病毒传播预测方法 |
CN116307829A (zh) * | 2023-01-17 | 2023-06-23 | 福建实达集团股份有限公司 | 基于信息熵评估传染病对社会承载力的影响方法及装置 |
CN116307829B (zh) * | 2023-01-17 | 2024-03-29 | 福建实达集团股份有限公司 | 基于信息熵评估传染病对社会承载力的影响方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111768875B (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111768875A (zh) | 传染病疫情预测方法、系统、装置及存储介质 | |
KR102097426B1 (ko) | 피셀 알고리즘을 이용하여 실시간 유동 인구 데이터의 제공이 가능한 유동인구 정보 분석 방법 | |
CN113539509B (zh) | 新发传染病发病风险预测方法、装置、终端设备及介质 | |
CN111768873A (zh) | 一种covid-19实时风险预测方法 | |
CN112037930B (zh) | 一种传染病预测设备、方法、装置及存储介质 | |
CN112435759A (zh) | 疫情数据预测方法及装置、电子设备和存储介质 | |
WO2019219052A1 (zh) | 一种预测方法、训练方法、装置及计算机存储介质 | |
CN110059770B (zh) | 基于位置预测的自适应任务分发方法、装置及相关组件 | |
CN113470836A (zh) | 一种传染病趋势预测方法、系统、装置及存储介质 | |
Deeb et al. | The dynamics of COVID-19 spread: evidence from Lebanon | |
Yashima et al. | Epidemic process over the commute network in a metropolitan area | |
CN114764508A (zh) | 一种基于人工智能的企业数据安全管理系统 | |
TW200814708A (en) | Power save method and system for a mobile device | |
CN113837383B (zh) | 模型训练方法、装置、电子设备及存储介质 | |
CN111835536B (zh) | 一种流量预测方法和装置 | |
CN108021980A (zh) | 一种基于手机数据的精细尺度城市人群数量预测方法 | |
CN112259248B (zh) | 一种covid-19境外输入风险评估预测方法 | |
CN113345594B (zh) | 信息预测的方法和装置 | |
CN113486933B (zh) | 模型训练方法、用户身份信息预测方法及装置 | |
Wu et al. | Statistical analysis of the community lockdown for COVID-19 pandemic | |
Fan et al. | Data-driven contact network models of COVID-19 reveal trade-offs between costs and infections for optimal local containment policies | |
Li et al. | Modelling the pulse population-wide nucleic acid screening in mitigating and stopping COVID-19 outbreaks in China | |
JP2021157515A (ja) | レイアウト設計支援システム、レイアウト設計支援方法及びプログラム | |
Asteris et al. | A novel heuristic global algorithm to predict the COVID-19 pandemic trend | |
Brunner et al. | Forecasting the final disease size: comparing calibrations of Bertalanffy–Pütter models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |