CN111798990A - 疫情新增人数预测方法、装置、电子设备和可读存储介质 - Google Patents

疫情新增人数预测方法、装置、电子设备和可读存储介质 Download PDF

Info

Publication number
CN111798990A
CN111798990A CN202010648520.9A CN202010648520A CN111798990A CN 111798990 A CN111798990 A CN 111798990A CN 202010648520 A CN202010648520 A CN 202010648520A CN 111798990 A CN111798990 A CN 111798990A
Authority
CN
China
Prior art keywords
target
people
time
day
prevention
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.)
Pending
Application number
CN202010648520.9A
Other languages
English (en)
Inventor
焦增涛
杜鑫惠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yidu Cloud Beijing Technology Co Ltd
Original Assignee
Yidu Cloud Beijing Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yidu Cloud Beijing Technology Co Ltd filed Critical Yidu Cloud Beijing Technology Co Ltd
Priority to CN202010648520.9A priority Critical patent/CN111798990A/zh
Publication of CN111798990A publication Critical patent/CN111798990A/zh
Pending legal-status Critical Current

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

Landscapes

  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供一种疫情新增人数预测方法、装置以及电子设备和计算机可读存储介质，该方法包括：获取目标地区在目标时间内针对目标疫情的每日新增人数和每日有效人数再生数，所述目标时间为第一时刻之前的一个目标传播周期；根据所述目标时间内的每日新增人数、每日有效人数再生数以及所述目标疫情的目标传播周期，确定所述第一时刻的日新增人数。本公开实施例提供的技术方案，能够求出目标时间下一时刻的疫情新增人数。

Description

疫情新增人数预测方法、装置、电子设备和可读存储介质
技术领域
本公开涉及计算机与互联网技术领域，尤其涉及一种疫情新增人数预测方法、装置、电子设备和可读存储介质。
背景技术
新冠状病毒是自1918年H1N1流感全球大流行以来对公共卫生的威胁情况最严重的呼吸道疾病。不同的国家或地区可能会针对新冠状病毒采取不同的防控措施。
但是，采取何种防控措施很大程度上取决于该国家或地区每日新增人数(如果每日新增人数过多，则需要采用比较严格的防控措施；如果每日新增人数很少，则需要减弱当前防控措施)。
因此，一种可以准确的预估未来每日新增人数的方法，对新冠状病毒的控制至关重要。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解。
发明内容
本公开实施例提供一种疫情新增人数预测方法及装置、电子设备和计算机可读存储介质，能够确定目标地区针对目标疫情在第一时刻的日新增人数。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
本公开实施例提出一种疫情新增人数预测方法，该方法包括：获取目标地区在目标时间内针对目标疫情的每日新增人数和每日有效人数再生数，所述目标时间为第一时刻之前的一个目标传播周期；根据所述目标时间内的每日新增人数、每日有效人数再生数以及所述目标疫情的目标传播周期，确定所述第一时刻的日新增人数。
在一些实施例中，所述目标时间包括第一目标时刻；其中，获取所述目标地区在所述第一目标时刻针对目标疫情的每日有效人数再生数，包括：获取所述目标地区在所述第一目标时刻实施的第一防控措施组合以及实施所述第一防控措施组合的目标时刻；获取所述目标地区在所述目标时刻的属性特征；根据所述目标地区在所述目标时刻的属性特征和所述第一防控措施组合，确定所述目标地区在所述第一目标时刻针对所述目标疫情的每日有效人数再生数。
在一些实施例中，根据所述目标地区在所述目标时刻的属性特征和所述第一防控措施组合，确定所述目标地区在所述第一目标时刻针对所述目标疫情的每日有效人数再生数，包括：获取所述目标地区针对所述目标疫情的基本人数再生数；根据所述目标地区的属性特征和所述第一防控措施组合，确定在所述第一目标时刻所述第一防控措施组合中各个防控措施对所述目标疫情的防控的目标影响值；根据所述基本人数再生数和所述目标影响值，确定所述目标地区在所述第一目标时刻针对所述目标疫情的每日有效人数再生数。
在一些实施例中，所述目标时间包括第二目标时刻；其中，根据所述目标时间内的每日新增人数、每日有效人数再生数以及所述目标疫情的目标传播周期，确定所述第一时刻的日新增人数，包括：根据所述目标时间内的每日新增人数、每日有效人数再生数以及所述目标疫情的目标传播周期，确定在所述目标时间内的每日新增传播人数，所述每日新增传播人数描述目标时间内每日新增人数在所述第一时刻传播的人数；根据所述目标时间内的每日新增传播人数确定所述第一时刻的日新增人数。
在一些实施例中，根据所述目标时间内的每日新增传播人数确定所述第一时刻的日新增人数，包括：将所述目标时间内的每日新增传播人数求和，以确定所述第一时刻的日新增人数。
在一些实施例中，所述疫情新增人数预测方法还可以包括：根据所述第一时刻的日新增人数确定所述第一时刻及未来N天的每日新增人数，N为大于或者等于1的正整数；获取所述目标地区在院患者的出院周期以及所述目标地区在所述第一时刻的在院患者数；根据所述出院周期、所述第一时刻的在院患者数以及所述第一时刻及未来N天的每日新增人数，确定所述目标地区在所述第一时刻及未来N天的每日在院患者数；根据所述第一时刻及未来N天的每日在院患者数确定首次超出目标医疗资源范围的目标时间点，以便在所述目标时间点调整所述目标地区的防控措施。
在一些实施例中，所述目标医疗资源范围包括医疗资源下限；其中，根据所述第一时刻及未来N天的每日在院患者数确定首次超出目标医疗资源范围的目标时间点，以便在所述目标时间点调整所述目标地区的防控措施，包括：若所述目标地区在所述目标时间点的在院患者数低于所述医疗资源下限，则获取所述目标地区在所述第一时刻执行的第二防控措施组合；根据所述第二防控措施组合中各个防控措施对所述目标地区经济影响的大小，从所述第二防控措施组合中取消防控措施以获取第一有效防控措施组合，在所述第一有效防控措施组合的干预下所述目标地区在指定时间内的在院患者数在目标医疗资源范围内。
在一些实施例中，所述目标医疗资源范围包括医疗资源上限；其中，根据所述第一时刻及未来N天的每日在院患者数确定首次超出目标医疗资源范围的目标时间点，以便在所述目标时间点调整所述目标地区的防控措施，包括：若所述目标地区在所述目标时间点的在院患者数超过所述医疗资源上限，则获取所述目标地区可采用的目标防控措施；根据各个目标防控措施对所述目标地区经济影响的大小，调整所述目标地区的防控措施以获取第二有效防控措施组合，在所述第二有效防控措施组合的干预下所述目标地区在指定时间内的在院患者数在目标医疗资源范围内。
本公开实施例提供了一种疫情新增人数预测装置，该疫情新增人数预测装置可以包括：数据获取模块、新增人数确定模块。
其中，所述数据获取模块可以配置为获取目标地区在目标时间内针对目标疫情的每日新增人数和每日有效人数再生数，所述目标时间包括第一时刻以及所述第一时刻之前的一个目标传播周期。所述新增人数确定模块可以配置为根据所述目标时间内的每日新增人数、每日有效人数再生数以及所述目标疫情的目标传播周期，确定所述第一时刻的日新增人数。
本公开实施例提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一项所述的疫情新增人数预测方法。
本公开实施例提出一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述任一项所述的疫情新增人数预测方法。
本公开实施例提出一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述任一项所述的疫情新增人数预测方法。
本公开某些实施例提供的疫情新增人数预测方法、装置及电子设备和计算机可读存储介质，通过目标时间(第一时刻之前的一个目标传播周期)内的每日新增人数、每日有效人数再生数以及目标疫情的目标传播周期，确定了目标时间内的每日新增传播人数(该每日新增传播人数可以有效的衡量目标时间内的每日新增的人数在第一时刻可以传播的人数)，通过将目标时间内的每日新增传播人数(例如将目标时间内的每日新增传播人数叠加)可以有效地预测第一时刻的日新增人数。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了可以应用于本公开实施例的疫情新增人数预测方法或疫情新增人数预测装置的示例性系统架构的示意图。
图2是根据一示例性实施例示出的一种应用于疫情新增人数预测装置的计算机系统的结构示意图。
图3是根据一示例性实施例示出的一种疫情新增人数预测方法的流程图。
图4是图3中步骤S1在一示例性实施例中的流程图。
图5是图4中步骤S13在一示例性实施例中的流程图。
图6是根据一示例实施例示出的一种根据以前新增人数确定防控措施调整时间点的方法。
图7是图6中步骤S7在一示例性实施例中的流程图。
图8是根据一示例性实施例示出的执行各个防控措施的国家的个数及对应的时间。
图9是图6中步骤S7在一示例性实施例中的流程图。
图10是根据一示例性实施例示出的一种疫情新增人数预测装置的框图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
本公开所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图仅为本公开的示意性图解，图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和步骤，也不是必须按所描述的顺序执行。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
本说明书中，用语“一个”、“一”、“该”、“所述”和“至少一个”用以表示存在一个或多个要素/组成部分/等；用语“包含”、“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等；用语“第一”、“第二”和“第三”等仅作为标记使用，不是对其对象的数量限制。
下面结合附图对本公开示例实施方式进行详细说明。
图1示出了可以应用于本公开实施例的疫情新增人数预测方法或疫情新增人数预测装置的示例性系统架构的示意图。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。其中，终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、可穿戴设备、虚拟现实设备、智能家居等等。
服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所进行操作的装置提供支持的后台管理服务器。后台管理服务器可以对接收到的请求等数据进行分析等处理，并将处理结果反馈给终端设备。
服务器105可例如获取目标地区在目标时间内针对目标疫情的每日新增人数和每日有效人数再生数，所述目标时间为第一时刻之前的一个目标传播周期；服务器105可例如对根据所述目标时间内的每日新增人数、每日有效人数再生数以及所述目标疫情的目标传播周期，确定所述第一时刻的日新增人数；服务器105可例如根据所述目标时间内的每日新增传播人数确定所述第一时刻的日新增人数。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的，服务器105可以是一个实体的服务器，还可以为多个服务器组成，根据实际需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图2，其示出了适于用来实现本申请实施例的终端设备的计算机系统200的结构示意图。图2示出的终端设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图2所示，计算机系统200包括中央处理单元(CPU)201，其可以根据存储在只读存储器(ROM)202中的程序或者从储存部分208加载到随机访问存储器(RAM)203中的程序而执行各种适当的动作和处理。在RAM 203中，还存储有系统200操作所需的各种程序和数据。CPU 201、ROM 202以及RAM 203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。
以下部件连接至I/O接口205：包括键盘、鼠标等的输入部分206；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分207；包括硬盘等的储存部分208；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分209。通信部分209经由诸如因特网的网络执行通信处理。驱动器210也根据需要连接至I/O接口205。可拆卸介质211，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器210上，以便于从其上读出的计算机程序根据需要被安装入储存部分208。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分209从网络上被下载和安装，和/或从可拆卸介质211被安装。在该计算机程序被中央处理单元(CPU)201执行时，执行本申请的系统中限定的上述功能。
需要说明的是，本申请所示的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的模块、和/或单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块、和/或单元也可以设置在处理器中，例如，可以描述为：一种处理器包括发送单元、获取单元、确定单元和第一处理单元。其中，这些模块、和/或单元的名称在某种情况下并不构成对该模块、和/或单元本身的限定。
作为另一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备可实现功能包括：获取目标地区在目标时间内针对目标疫情的每日新增人数和每日有效人数再生数，所述目标时间为第一时刻之前的一个目标传播周期；根据所述目标时间内的每日新增人数、每日有效人数再生数以及所述目标疫情的目标传播周期，确定所述第一时刻的日新增人数。
图3是根据一示例性实施例示出的一种疫情新增人数预测方法的流程图。本公开实施例所提供的方法可以由任意具备计算处理能力的电子设备处理，例如上述图1实施例中的服务器105和/或终端设备102、103，在下面的实施例中，以服务器105为执行主体为例进行举例说明，但本公开并不限定于此。
参照图3，本公开实施例提供的疫情新增人数预测方法可以包括以下步骤。
在步骤S1中，获取目标地区在目标时间内针对目标疫情的每日新增人数和每日有效人数再生数，所述目标时间为第一时刻之前的一个目标传播周期。
在一些实施例中，目标地区可以指的是国家，也可以指的是地区，还可以指的是某个国家的某个行政省、市、县、自治区以及直辖市等行政区域，任意可以实施防控措施的国家或地区均在本公开的保护范围之内，本公开对此不做限制。
在一些实施例中，第一时刻可以指的是未来的某一天，目标时间可以指的是第一时刻之前的一个目标传播周期内。例如，若目标疫情的目标传播周期为10天，第一时刻为6月15日，那么目标时间可以为6.5～6.14这一时间段。
在一些实施例中，若目标时间为已经发生了的一段时间，那么目标时间的每日新增人数则可以是已知的；若目标时间全部为尚未发生的一段时间或部分为未发生的一段时间，则可以通过一定的预测模型预测目标时间内未发生时间内的每日新增人数，例如可以通过本实施例提供的技术方案进行预测，也可以通过SIR模型(S代表易感者，I代表感染者，R表示移除者)、SEIR模型(S代表易感者，E代表潜伏者，I代表感染者，R表示移除者)等传染病模型进行预测，本公开对此不做限制。
在一些实施例中，若目标时间内的每日新增人数已经确定，那么目标时间内的每日有效人数再生数(即每一天对应的有效人数再生数)也就可以确定。例如可以通过最大似然方法对目标时间内每日新增人数进行求解，以获得目标时间内的每日有效人数再生数。
在一些实施例中，t时刻的有效再生人数Rt可以指的是在t时刻一个具备传染性的病人在一个目标传播周期T内平均能感染的人数。
在步骤S2中，根据所述目标时间内的每日新增人数、每日有效人数再生数以及所述目标疫情的目标传播周期，确定所述第一时刻的日新增人数。
在一些实施例中，可以根据目标时间内的每日新增人数、每日有效人数再生数以及目标疫情的目标传播周期，确定在目标时间内的每日新增传播人数，每日新增传播人数描述目标时间内每日新增人数在所述第一时刻传播的人数，然后根据所述目标时间内的每日新增传播人数确定所述第一时刻的日新增人数。
一般来说，可以认为第一时刻的新增人数只与在它之前的一个目标传播周期(目标时间)内的新增人数相关，而与该目标传播周期(目标时间)之前的确诊总人数等无关。可以理解的是，只有在目标时间内感染上的患者才对第一时刻产生的新增人数产生影响，而在目标传播周期(目标时间)之前感染上的患者已经被隔离或者收治，所以该目标传播周期(目标时间)之前的感染者将不会对第一时刻的新增人数产生影响。
在一些实施例中，所述目标时间包括第二目标时刻，可以理解的是第二目标时刻可以指的是目标时间内的任意时刻，此处仅以第二目标时刻为例解释如何确定每一天的每日新增传播人数。
在一些实施例中，可以根据第二目标时刻对应的每日新增人数、每日有效人数再生数以及目标传播周期，确定目标地区在第二目标时刻的日新增传播人数。
可以具体为：根据所述有效人数再生数确定所述第二目标时刻的日新增人数在第一传播周期内传播的目标人数，所述第一传播周期包括所述第二目标时刻；根据所述目标传播周期的值和所述目标人数，确定所述第二目标时刻的日新增传播人数。其中，第一传播周期可以指的是从第二目标时刻开始的一个目标疫情的传播周期。
例如，可以根据公式Baset*Rt求出第二目标时刻(可以是目标时间内的第t天)的日新增人数在第一传播周期内总共可传播的人数。然后根据公式Nt＝Baset*Rt/T确定第二目标时刻的每日新增传播人数Nt。其中，Nt代表第二目标时刻的日新增传播人数(即第二目标时刻对应的新增人数所能传染的人的数目)，Baset代表第二目标时刻(可以是目标时间内的第t天)的当日新增人数(此数据已知)，Rt代表第二目标时刻(可以是目标时间内的第t天)对应的每日有效人数再生数，T代表目标传播周期。
在一些实施例中，根据上述过程可以求出目标时间内每一天对应的新增传播人数。可以理解的是，由于目标时间之前的确诊人数不会对第一时刻的新增人数产生影响，所以这里的每日新增传播人数指的是根据当天新增人数确定的感染人数。
在一些实施例中，可以通过公式
Figure BDA0002574028180000111
将目标时间内的每日新增传播人数求和，以确定第一时刻的日新增人数N，其中t代表目标时间内的第t天(即目标传播周期内的最后一天)，T代表目标时间的总天数。
本实施例提供的技术方案，通过第一时刻之前的一个目标传播周期内的每日新增人数、每日有效人数再生数以及目标疫情的目标传播周期，确定了第一时刻的日新增人数。该技术方案不仅考虑了第一时刻之前的一个目标传播周期中的每日新增人数对第一时刻日新增人数的影响，还剔除了该目标传播周期之前的确诊人数对第一时刻日新增人数的影响，准确的预测了第一时刻的日新增人数。
图4是图3中步骤S1在一示例性实施例中的流程图。
在一些实施例中，目标时间可以包括第一目标时刻，其中第一目标时刻可以指的是目标时间内的任意一天，本公开对此不作限制。
在一些实施例中，若第一目标时刻是已经发生过的时间，那么可以根据历史数据确定第一目标时刻的每日有效人数再生数，若第一目标时刻是尚未发生过的时间，那么就需要对第一目标时刻的有效人数再生数进行预测。可以理解的是，获取第一目标时刻的有效人数再生数的方法有很多，例如通过SIR模型、SEIR模型等传染病模型进行预测，本公开对此不做限制。
本实施例提供了一种对第一目标时刻的有效人数再生数进行预测的方法。
参考图4，对第一目标时刻的有效人数再生数的预测可以包括以下步骤。
在步骤S11中，获取所述目标地区在所述第一目标时刻实施的第一防控措施组合以及实施所述第一防控措施组合的目标时刻。
在一些实施例中，各个国家或地区针对目标疫情(例如新冠状病毒)均会采取一些非药物防控措施进行疫情干预。其中，非药物防控措施大致可以分为三大类：控制和管理措施、经济措施、健康系统措施。其中，控制和管理措施以及健康系统措施例如可以包括C1:关闭学校、C2:关闭工作场所、C3:取消公共活动、C4:限制聚会、C5:公共交通停运、C6:居家隔离要求、C7:限制内部流动、C8:边境控制、H2:核算检测、H3:密接追踪等。
在一些实施例中，第一防控措施组合可以包括至少一个防控措施。可以理解的是，本公开对第一防控措施组合中的防控措施的个数种类并不做限制。例如，该第一防控措施组合可以包括关闭学校、关闭工作场所、取消公共活动、限制聚会、公共交通停运、居家隔离要求、限制内部流动、边境控制、病毒检测或者密接追踪中的至少一个。
在步骤S12中，获取所述目标地区在所述目标时刻的属性特征。
在一些实施例中，该属性特征可以指的是目标地区的国情特征、地域特征，本公开对此不做限制。例如，目标地区在目标时刻的属性特征可以指的是目标地区在目标时刻的人口密度特征、经济特征、老龄化特征、宗教信仰特征、人群移动特征以及地理位置特征中的至少一个。
在一些实施例中，目标地区的经济特征可以指的是国内(地区)生产总值(GrossDomestic Product，GDP)、人均收入等可以衡量该国家或地区经济水平的特征，本公开对此不做限制。
在一些实施例中，老龄化特征可以指的是该国家或地区老龄化人口的总数，或老龄化人口在总人口中的占比。
在一些实施例中，宗教信仰特征可以指的是目标地区的人民主要的宗教信仰。例如，若在目标地区有50％以上的人信仰A宗教，那么A宗教就可以是目标地区的宗教信仰，本公开对目标地区的宗教信仰的种类、个数均不做限制，以实际需求为准。
在一些实施例中，人群移动特征可以指的是目标地区在指定地点的移动数据(出入人口数据)。其中，指定地点可以指的是公园、植物园、动物园、图书馆、火车站、飞机场等人群容易聚集的地方。
在一些实施例中，地理位置特征可以指的是该目标地区所处经纬度信息，也可以指的是该目标地区是否靠海、靠山等，本公开对此不做限制。
在一些实施例中，目标地区的属性特征还可以包括目标地区的总人口数，人均占地面积、主要贸易国(或地区)、主要旅游国(或地区)等，本公开对此不做限制。
可以理解的是，任意可以反映目标地区的属性特征的指标均在本公开的保护范围之内。
在步骤S13中，根据所述目标地区在所述目标时刻的属性特征和所述第一防控措施组合，确定所述目标地区在所述第一目标时刻针对所述目标疫情的每日有效人数再生数。
在一些实施例中，可以通过预先训练好的神经网络模型对目标地区在目标时刻的属性特征和第一防控措施组合进行处理，以确定目标地区在第一目标时刻针对目标疫情的每日有效人数再生数。
在一些实施例中，预先训练神经网络模块可以包括以下步骤。
获取第一国家或地区在第一时间实施的防控措施组合，以及该第一国家或地区在第一时间的属性特征，并根据该防控措施组合和属性特征生成目标训练向量。
在一些实施例中，可以获取第一国家或地区在实施第一防控措施后的第t天的有效人数再生数Rt与第1天有效人数再生数R1的比值作为训练标签，其中t为第一目标时刻与目标时刻之间的差值。
其中，第t天的有效人数再生数Rt可以指的是在t时刻一个病人在一个目标传播周期T内平均能感染的人数。其中一个目标传播周期可以为目标疫情的潜伏期和确诊时间之和。例如，若目标疫情的潜伏周期平均为7天，确诊时间平均为3天，那么目标疫情的目标传播周期就可以为7+3＝10天。
其中，潜伏期可以指的是目标对象在染上目标疫情至病发的时间周期，确诊时间可以指的是目标对象通过一定的医疗手段确定自己染上目标疫情的实际周期。可以理解的是，目标疫情的潜伏期和确诊时间可能会随着时间的变化而变化。一般来说，目标疫情的潜伏期是符合特定分布的，例如泊松分布或韦伯分布等。
通过目标训练向量和训练标签预先训练神经网络模型，以便根据训练完成的神经网络模型对目标地区的属性特征和第一防控措施组合进行处理，以确定目标地区在第一防控措施组合实施后第t天(即第一目标时刻)的有效人数再生数Rt。
可以理解的是，根据上述方法训练的单个神经网络模块可能只能得出某一天的有效人数再生数，所以如果要预测多天的每日有效人数再生数，可能需要训练多个神经网络模型，训练过程与上述训练过程类似(不同之处在于训练标签Rt/R1中的t是变化的)，此处不再赘述。
本实施例提供的技术方案，可以通过目标地区在第一目标时刻实施的第一防控措施组合和目标地区的属性特征，准确有效地确定目标地区在第一目标时刻的有效人数再生数。
图5是图4中步骤S13在一示例性实施例中的流程图。
参考图5，上述步骤S13可以包括以下步骤。
在步骤S131中，获取所述目标地区针对所述目标疫情的基本人数再生数。
在一些实施例中，基本人数再生数可以指的是在没有任何干预的情况下，在一个全部是易感人群的环境中，一个患者在一个目标传染周期内平均可以传染的人数。
在步骤S132中，根据所述目标地区的属性特征和所述第一防控措施组合，确定在所述第一目标时刻所述第一防控措施组合中各个防控措施对所述目标疫情的防控的目标影响值。
在一些实施例中，可以预先训练神经网络模型，以确定在第一目标时刻第一防控措施组合中各个防控措施对目标疫情的防控的目标影响值。
例如可以通过预先训练好的渐进梯度回归树(Gradient BoostRegression Tree，GBRT)对目标地区的第一防控措施组合和目标地区在目标时刻(第一防控措施组合实施的时刻)的属性特征进行处理，以确定在第一目标时刻第一防控措施组合中各个防控措施对目标疫情的防控的目标影响值。
GBRT是一种迭代的回归决策树算法，该算法由多棵回归决策树组成，在实施例中，每一棵回归树学习的是之前所有树的结论和残差(负梯度)，拟合得到一个当前的残差回归树。在迭代的每一步构建的弱学习器都是为了弥补已有模型的不足，每个决策的枝杈都具有数据上的可解释性。GBRT还能够自动做多组特征间的交互，可以处理我们数据中防控措施特征和国家相关特征的非线性关联问题。在拟合待预测目标的同时，GBRT还可以基于特征在单棵树中重要度的平均值，得到特征的重要程度。
在一些实施例中，可以预先采集第二地区(或国家)在第二时间对目标疫情的防控措施进行调整后所采用的第二防控措施组合，以及第二地区(或国家)在第二时间点的第二属性特征，并根据第二防控措施组合以及第二属性特征生成训练该神经网络模型的目标训练向量。可以理解的是，第二地区(或国家)可以指的是多个国家或地区，本公开对此不做限制。
在一些实施例中，可以通过目标训练向量和第二国家在实施第二防控措施后的第二疫情控制指标(例如第二防控措施实施后第t天的有效人数再生数Rt与第1天有效人数再生数R1的比值)作为训练标签，训练该GBRT神经网络模型，其中t为第一目标时刻与目标时刻的时间差。
在一些实施例中，通过预先训练的CBRT神经网络模型对目标预测向量(由目标地区在目标时刻的属性特征和第一防控措施组合生成)进行处理，不仅可以获得第一疫情控制指标(例如第一防控措施实施后第t天的疫情有效人数再生数Rt与第1天疫情的有效人数再生数R1的比值)，还可以获得目标预测向量中各个特征(与第一防控措施中的各个防控措施以及各个属性特征对应)对该第一疫情控制指标(也可以认为是第一疫情人数有效再生数)的影响值。
如表2所示，表2示出了目标预测向量中各个特征对最终的预测结果(例如第一防控措施实施后第t天的疫情有效人数再生数Rt与第1天疫情的有效人数再生数R1的比值)的影响的大小，t为大于或者等于1的正整数。
表2是根据一示例性实施例示出的目标预测向量中各个防控措施、属性特征对输出结果的影响大小。排在第一位的表示对最终的目标值的影响最大，例如防控措施C4在人口密度H3为特点的国家/地区背景下，取消C4措施对第一疫情人数有效再生数的影响最大。
C4 0.1056517
H3 0.0491506
C5 0.0288271
C1 0.0243832
C2 0.0218051
C8 0.0189261
C6 0.0184697
C7 0.0169168
H2 0.0070437
C3 0.0034341
在步骤S133中，根据所述基本人数再生数和所述目标影响值，确定所述目标地区在所述第一目标时刻针对所述目标疫情的每日有效人数再生数。
在一些实施例中，可以通过公式
Figure BDA0002574028180000151
对目标影响值进行处理，以确定第一目标时刻的每日有效人数再生数。其中，R0代表基本人数再生数，Rt代表第一目标时刻针对目标疫情的每日有效人数再生数，αk代表在第一防控措施组合中第k个防控措施在第一时刻对目标疫情的防控的目标影响值，M为第一防控措施组合中防控措施的个数，Ik,t代表t时刻目标地区是否采用了第k个防控措施。一般来说若Ik,t等于1则代表目标地区采用了第k个防控措施，若Ik,t等于0则代表目标地区没有采用第k个防控措施。
本实施例提供的技术方案，通过第一目标时刻实施的第一防控措施组合中各个防控措施对第一目标时刻的疫情防控的影响值、基本人数再生数，准确的确定了第一目标时刻的每日有效人数再生数。
图6是根据一示例实施例示出的一种根据以前新增人数确定防控措施调整时间点的方法。
参考图6，上述方法可以包括以下步骤。
在步骤S4中，根据所述第一时刻的日新增人数确定所述第一时刻及未来N天的每日新增人数，N为大于或者等于1的正整数。
在一些实施例中，可以根据第一时刻、目标时间内的每日新增人数和每日有效人数再生数，基于本实施例提供的技术方案，确定第一时刻的下一时刻、下下时刻……等未来N天的每日新增人数。由于预测方法与上述新增人数确定方法一致，本公开对此不做赘述。
在步骤S5中，获取所述目标地区在院患者的出院周期以及所述目标地区在所述第一时刻的在院患者数。
在步骤S6中，根据所述出院周期、所述第一时刻的在院患者数以及所述第一时刻及未来N天的每日新增人数，确定所述目标地区在所述第一时刻及未来N天的每日在院患者数。
在一些实施例中，由于第一时刻之后的每日新增人数已知，第一时刻在院患者数也已知，还可以获知在院患者的出院周期(即入院多久之后可以出院)，那么就可以求出第一时刻之后的每日在院患者数(每日在院患者数＝每日新增确诊人数+每日在院患者数-每日出院人数)。
在步骤S7中，根据所述第一时刻及未来N天的每日在院患者数确定首次超出目标医疗资源范围的目标时间点，以便在所述目标时间点调整所述目标地区的防控措施。
在一些实施例中，目标地区的医疗资源有限，可接诊的患者人数也有限，为避免目标疫情的患者人数过多，可以根据目标地区的医疗资源状况调整目标地区的防控措施。
在一些实施例中，可以根据第一时刻后的每日在院患者数，在不调整防控措施的情况下确定首次超出目标在院人数范围的目标时间点。可以理解的是，若目标时间点的每日在院患者数高于目标医疗资源范围，那么目标疫情可能会爆发；若目标时间点的每日在院患者数低于目标医疗资源范围，那么目标地区针对目标疫情的医疗资源发生过剩现象。其中，目标医疗资源范围可以通过目标地区的可接诊床位数确定。
在一些实施例中，若目标时间点的在院患者数超出目标医疗资源范围，则可以在目标时间点对目标地区的防控措施进行调整。
本实施例提供的技术方案，根据目标地区的第一防控措施组合确定了目标地区未来时间的每日在院患者数，并根据未来时间的每日在院患者数确定了目标疫情爆发(目标地区的医疗资源无法承受全部患者)或医疗资源过剩的目标时间点，以便于根据该目标时间点进行防控措施的调整，实现了对疫情爆发或医疗资源过剩的提前预警。
在一些实施例中，由于目标地区的医疗资源有限，若因防控措施过松导致患者人数过多，会对目标地区的医疗资源产生极大的冲击；若因防控措施过紧导致患者人数较少，会使得目标地区的医疗资源过剩，那么将会因过紧的防控措施对目标地区的经济或政治产生不利的影响。
因此，可以根据目标地区的在未来时间内的每日新增人数确定目标地区针对目标疫情是否会存在疫情爆发或医疗资源过剩的情况。
在一些实施例中，为了判断目标地区是否会疫情爆发或发生医疗资源过剩的情况，需要设定一个合理的目标医疗资源范围。在一些实施例中，该目标医疗资源范围可以包括医疗资源上限和医疗资源下限。其中医疗资源上限可以指的是目标地区的医疗资源上限，医疗资源下限可以指的是目标地区的医疗资源下限，例如若目标地区的可接诊床位为10000张，那么目标地区的医疗资源上限可以为10000*09＝9000，那么目标地区的医疗资源下限可以为10000*0.3＝3000。
图7是图6中步骤S7在一示例性实施例中的流程图。
在一些实施例中，目标医疗资源范围可以包括医疗资源下限。
参考图7，上述步骤S7可以包括以下步骤。
在步骤S71中，若所述目标地区在所述目标时间点的在院患者数低于所述医疗资源下限，则获取所述目标地区在所述第一时刻执行的第二防控措施组合。
在步骤S72中，根据所述第二防控措施组合中各个防控措施对所述目标地区经济影响的大小，从所述第二防控措施组合中取消防控措施以获取第一有效防控措施组合，在所述第一有效防控措施组合的干预下所述目标地区在指定时间内的在院患者数在目标医疗资源范围内。
在一些实施例中，若目标地区在目标时间点的在院患者数低于医疗资源下限，则可以获取目标地区在第一时刻执行的第二防控措施组合；根据该第二防控措施组合中各个防控措施对目标地区经济影响的大小，从第二防控措施组合中取消防控措施以获取第二有效防控措施组合，在所述第二有效防控措施组合的干预下目标地区在指定时间(例如一个月)内的在院患者数在目标医疗资源范围内。
在一些实施例中，可以统计执行各个防控措施的国家数量及执行时间，以确定各个防控措施对经济的影响。
图8是根据一示例性实施例示出的执行各个防控措施的国家的个数及对应的时间。如图8所示，“限制国际旅行”防控措施被很多各国家或地区在疫情一开始的阶段即被采用，所以可以认为“限制国际旅行”是一种对各地区经济影响较小的防控措施；“居家令”防控措施被较少的国家采用，而且采用时间相对较晚，所以可以认为“居家令”防控措施是一种对各地区的经济影响较大的防控措施。
在一些实施例中，可以在图8中目标国家数量处(例如80)画一条横线，可以认为在该横线上从左至右的防控措施对经济的影响越来越大。
若目标地区在目标时间点的在院患者数低于医疗资源下限，则获取目标地区可采用的目标防控措施(即目标地区尚未采用，但是可以采用的防控措施或防控措施力度)，根据各个目标防控措施对所述目标地区经济影响的大小，调整目标地区的防控措施以获取第二有效防控措施组合。例如假设目标地区可采用的目标防控措施包括a、b、c、d……等多个防控措施，对目标地区经济影响的大小为a<b<c<d.....。那么若目标地区在目标时间点的在院患者数低于医疗资源下限，则可以按照a、b、c、d……的顺序向目标防控措施组合中增加防控措施，直至在调整后的目标防控措施组合的干预下目标地区在指定时间(例如一个月)内的在院患者数均在目标医疗资源范围内，那么调整后的目标防控措施组合就是第二有效防控措施组合。
图9是图6中步骤S7在一示例性实施例中的流程图。
在一些实施例中，目标医疗资源范围可以包括医疗资源上限。
参考图9，上述步骤S7可以包括以下步骤。
在步骤S73中，若所述目标地区在所述目标时间点的在院患者数超过所述医疗资源上限，则获取所述目标地区可采用的目标防控措施。
在步骤S74中，根据各个目标防控措施对所述目标地区经济影响的大小，调整所述目标地区的防控措施以获取第二有效防控措施组合，在所述第二有效防控措施组合的干预下所述目标地区在指定时间内的在院患者数在目标医疗资源范围内。
在一些实施例中，若目标地区在目标时间点的在院患者数高于医疗资源上限，则获取目标地区可采用的目标防控措施(即目标地区尚未采用，但是可以采用的防控措施或防控措施力度)；根据各个目标防控措施对所述目标地区经济影响的大小，调整目标地区的防控措施以获取第二有效防控措施组合，在第二有效防控措施组合的干预下所述目标地区在指定时间(例如一个月)内的在院患者数在目标医疗资源范围内。
若目标地区在目标时间点的在院患者数超过医疗资源上限，则可以获取目标地区在第一时间执行的目标防控措施组合，从目标防控组合中按照各个防控措施对目标地区经济影响的大小依次减少防控措施。例如目标防控措施中包括A、B、C、D四个措施，对目标地区经济影响的大小为A>B>C>D。那么若目标地区在目标时间点的在院患者数超过医疗资源上限，则可以按照A、B、C、D的顺序从目标防控措施组合中减少防控措施，直至在目标防控措施组合的干预下所述目标地区在指定时间(例如一个月)内的在院患者数均在目标医疗资源范围内，那么调整后的目标防控措施组合就是第二有效防控措施组合。
本实施例提供的技术方案，一方面通过目标地区的每日疫情新增人数预测了目标地区的每日在院患者数，并根据每日在院患者数预测了目标地区医疗资源过剩或疫情爆发的目标时间点；另一方面，根据各个防控措施对经济的影响，在目标时间点对目标地区的防控措施进行调整，以便在有效控制疫情的同时，尽可能的减少对目标地区经济的影响。
图10是根据一示例性实施例示出的一种疫情新增人数预测装置的框图。参照图10，本公开实施例提供的疫情新增人数预测装置1000可以包括：数据获取模块1001和新增人数确定模块1002。
其中，所述数据获取模块1001可以配置为获取目标地区在目标时间内针对目标疫情的每日新增人数和每日有效人数再生数，所述目标时间包括第一时刻以及所述第一时刻之前的一个目标传播周期。所述新增人数确定模块1002可以配置为根据所述目标时间内的每日新增人数、每日有效人数再生数以及所述目标疫情的目标传播周期，确定所述第一时刻的日新增人数。
在一些实施例中，所述目标时间包括第一目标时刻。
在一些实施例中，所述数据获取模块1001可以包括：第一防控措施组合确定单元、属性特征获取单元以及每日有效人数再生数获取单元。
其中，所述第一防控措施组合确定单元可以配置为获取所述目标地区在所述第一目标时刻实施的第一防控措施组合以及实施所述第一防控措施组合的目标时刻。所述属性特征获取单元可以配置为获取所述目标地区在所述目标时刻的属性特征。所述每日有效人数再生数获取单元可以配置为根据所述目标地区在所述目标时刻的属性特征和所述第一防控措施组合，确定所述目标地区在所述第一目标时刻针对所述目标疫情的每日有效人数再生数。
在一些实施例中，所述每日有效人数再生数获取单元可以包括：基本人数再生数获取子单元、目标影响值获取子单元以及每日有效人数再生数确定子单元。
其中，所述基本人数再生数获取子单元可以配置为获取所述目标地区针对所述目标疫情的基本人数再生数。所述目标影响值获取子单元可以配置为根据所述目标地区的属性特征和所述第一防控措施组合，确定在所述第一目标时刻所述第一防控措施组合中各个防控措施对所述目标疫情的防控的目标影响值。所述每日有效人数再生数确定子单元可以配置为根据所述基本人数再生数和所述目标影响值，确定所述目标地区在所述第一目标时刻针对所述目标疫情的每日有效人数再生数。
在一些实施例中，所述目标时间包括第二目标时刻。
在一些实施例中，所述新增人数确定模块1002可以包括：新增传播人数确定单元。
其中，所述新增传播人数确定单元可以配置为根据所述目标时间内的每日新增人数、每日有效人数再生数以及所述目标疫情的目标传播周期，确定在所述目标时间内的每日新增传播人数，所述每日新增传播人数描述目标时间内每日新增人数在所述第一时刻传播的人数；根据所述目标时间内的每日新增传播人数确定所述第一时刻的日新增人数。
在一些实施例中，所述新增人数确定模块1002可以配置为将所述目标时间内的每日新增传播人数求和，以确定所述第一时刻的日新增人数。
在一些实施例中，所述疫情新增人数预测装置1000可以包括：未来时刻每日新增人数确定模块、第一时刻在院患者数获取模块、每日在院患者数确定模块以及目标时间点确定模块。
其中，所述未来时刻每日新增人数确定模块可以配置为根据所述第一时刻的日新增人数确定所述第一时刻及未来N天的每日新增人数，N为大于或者等于1的正整数。所述第一时刻在院患者数获取模块可以配置为获取所述目标地区在院患者的出院周期以及所述目标地区在所述第一时刻的在院患者数。所述每日在院患者数确定模块可以配置为根据所述出院周期、所述第一时刻的在院患者数以及所述第一时刻及未来N天的每日新增人数，确定所述目标地区在所述第一时刻及未来N天的每日在院患者数。所述目标时间点确定模块可以配置为根据所述第一时刻及未来N天的每日在院患者数确定首次超出目标医疗资源范围的目标时间点，以便在所述目标时间点调整所述目标地区的防控措施。
在一些实施例中，所述目标医疗资源范围包括医疗资源下限。
在一些实施例中，所述目标时间点确定模块可以包括：第二防控措施组合获取单元和第一调整单元。
其中，所述第二防控措施组合获取单元可以配置为若所述目标地区在所述目标时间点的在院患者数低于所述医疗资源下限，则获取所述目标地区在所述第一时刻执行的第二防控措施组合。所述第一调整单元可以配置为根据所述第二防控措施组合中各个防控措施对所述目标地区经济影响的大小，从所述第二防控措施组合中取消防控措施以获取第一有效防控措施组合，在所述第一有效防控措施组合的干预下所述目标地区在指定时间内的在院患者数在目标医疗资源范围内。
在一些实施例中，所述目标医疗资源范围包括医疗资源上限。
在一些实施例中，所述目标时间点确定模块可以包括：目标防控措施获取单元和第二调整单元。
其中，所述目标防控措施获取单元可以配置为若所述目标地区在所述目标时间点的在院患者数超过所述医疗资源上限，则获取所述目标地区可采用的目标防控措施。所述第二调整单元可以配置为根据各个目标防控措施对所述目标地区经济影响的大小，调整所述目标地区的防控措施以获取第二有效防控措施组合，在所述第二有效防控措施组合的干预下所述目标地区在指定时间内的在院患者数在目标医疗资源范围内。
由于本公开的示例实施例的疫情新增人数预测装置1000的各个功能模块与上述疫情新增人数预测方法的示例实施例的步骤对应，因此在此不再赘述。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者智能设备等)执行根据本公开实施例的方法，例如图3的一个或多个所示的步骤。
此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其他实施例。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不限于这里已经示出的详细结构、附图方式或实现方法，相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。

Claims (10)

1.一种疫情新增人数预测方法，其特征在于，包括：
获取目标地区在目标时间内针对目标疫情的每日新增人数和每日有效人数再生数，所述目标时间为第一时刻之前的一个目标传播周期；
根据所述目标时间内的每日新增人数、每日有效人数再生数以及所述目标疫情的目标传播周期，确定所述第一时刻的日新增人数。
2.根据权利要求1所述方法，其特征在于，所述目标时间包括第二目标时刻；其中，根据所述目标时间内的每日新增人数、每日有效人数再生数以及所述目标疫情的目标传播周期，确定所述第一时刻的日新增人数，包括：
根据所述目标时间内的每日新增人数、每日有效人数再生数以及所述目标疫情的目标传播周期，确定在所述目标时间内的每日新增传播人数，所述每日新增传播人数描述目标时间内每日新增人数在所述第一时刻传播的人数；
根据所述目标时间内的每日新增传播人数确定所述第一时刻的日新增人数。
3.根据权利要求1所述方法，其特征在于，根据所述目标时间内的每日新增传播人数确定所述第一时刻的日新增人数，包括：
将所述目标时间内的每日新增传播人数求和，以确定所述第一时刻的日新增人数。
4.根据权利要求1所述方法，其特征在于，所述目标时间包括第一目标时刻；其中，获取所述目标地区在所述第一目标时刻针对目标疫情的每日有效人数再生数，包括：
获取所述目标地区在所述第一目标时刻实施的第一防控措施组合以及实施所述第一防控措施组合的目标时刻；
获取所述目标地区在所述目标时刻的属性特征；
根据所述目标地区在所述目标时刻的属性特征和所述第一防控措施组合，确定所述目标地区在所述第一目标时刻针对所述目标疫情的每日有效人数再生数。
5.根据权利要求4所述方法，其特征在于，根据所述目标地区在所述目标时刻的属性特征和所述第一防控措施组合，确定所述目标地区在所述第一目标时刻针对所述目标疫情的每日有效人数再生数，包括：
获取所述目标地区针对所述目标疫情的基本人数再生数；
根据所述目标地区的属性特征和所述第一防控措施组合，确定在所述第一目标时刻所述第一防控措施组合中各个防控措施对所述目标疫情的防控的目标影响值；
根据所述基本人数再生数和所述目标影响值，确定所述目标地区在所述第一目标时刻针对所述目标疫情的每日有效人数再生数。
6.根据权利要求1所述方法，其特征在于，还包括：
根据所述第一时刻的日新增人数确定所述第一时刻及未来N天的每日新增人数，N为大于或者等于1的正整数；
获取所述目标地区在院患者的出院周期以及所述目标地区在所述第一时刻的在院患者数；
根据所述出院周期、所述第一时刻的在院患者数以及所述第一时刻及未来N天的每日新增人数，确定所述目标地区在所述第一时刻及未来N天的每日在院患者数；
根据所述第一时刻及未来N天的每日在院患者数确定首次超出目标医疗资源范围的目标时间点，以便在所述目标时间点调整所述目标地区的防控措施。
7.根据前权利要求6所述的方法，其特征在于，所述目标医疗资源范围包括医疗资源下限；其中，根据所述第一时刻及未来N天的每日在院患者数确定首次超出目标医疗资源范围的目标时间点，以便在所述目标时间点调整所述目标地区的防控措施，包括：
若所述目标地区在所述目标时间点的在院患者数低于所述医疗资源下限，则获取所述目标地区在所述第一时刻执行的第二防控措施组合；
根据所述第二防控措施组合中各个防控措施对所述目标地区经济影响的大小，从所述第二防控措施组合中减少防控措施，获取第一有效防控措施组合，在所述第一有效防控措施组合的干预下所述目标地区在指定时间内的在院患者数在目标医疗资源范围内。
8.一种疫情新增人数预测装置，其特征在于，包括：
数据获取模块，配置为获取目标地区在目标时间内针对目标疫情的每日新增人数和每日有效人数再生数，所述目标时间包括第一时刻以及所述第一时刻之前的一个目标传播周期；
新增人数确定模块，配置为根据所述目标时间内的每日新增人数、每日有效人数再生数以及所述目标疫情的目标传播周期，确定第一时刻的日新增人数。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-8中任一项所述的方法。
CN202010648520.9A 2020-07-07 2020-07-07 疫情新增人数预测方法、装置、电子设备和可读存储介质 Pending CN111798990A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010648520.9A CN111798990A (zh) 2020-07-07 2020-07-07 疫情新增人数预测方法、装置、电子设备和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010648520.9A CN111798990A (zh) 2020-07-07 2020-07-07 疫情新增人数预测方法、装置、电子设备和可读存储介质

Publications (1)

Publication Number Publication Date
CN111798990A true CN111798990A (zh) 2020-10-20

Family

ID=72811356

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010648520.9A Pending CN111798990A (zh) 2020-07-07 2020-07-07 疫情新增人数预测方法、装置、电子设备和可读存储介质

Country Status (1)

Country Link
CN (1) CN111798990A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112382406A (zh) * 2020-11-11 2021-02-19 医渡云（北京）技术有限公司 传染病的基本再生数的估算方法及装置、介质和设备
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
CN113724847A (zh) * 2021-08-31 2021-11-30 平安国际智慧城市科技股份有限公司 基于人工智能的医疗资源分配方法、装置、终端设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN105335604A (zh) * 2015-08-31 2016-02-17 吉林大学 面向流行病防控的人口动态接触结构建模与发现方法
US10366791B1 (en) * 2014-03-31 2019-07-30 EMC IP Holding Company LLC Method and system for global epidemic disease outbreak prediction
CN111128399A (zh) * 2020-03-30 2020-05-08 广州地理研究所 一种基于人流密度的流行病疫情风险等级评估方法
CN111354471A (zh) * 2020-02-19 2020-06-30 自然资源部第一海洋研究所 基于数据的传染病传播率及疫情评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US10366791B1 (en) * 2014-03-31 2019-07-30 EMC IP Holding Company LLC Method and system for global epidemic disease outbreak prediction
CN105335604A (zh) * 2015-08-31 2016-02-17 吉林大学 面向流行病防控的人口动态接触结构建模与发现方法
CN111354471A (zh) * 2020-02-19 2020-06-30 自然资源部第一海洋研究所 基于数据的传染病传播率及疫情评估方法
CN111128399A (zh) * 2020-03-30 2020-05-08 广州地理研究所 一种基于人流密度的流行病疫情风险等级评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周涛 等: "新型冠状病毒肺炎基本再生数的初步预测", 《中国循证医学杂志》 *
白宁 等: "基于动力学模型的COVID-19疫情预测与控制策略研究", 《应用数学学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112382406A (zh) * 2020-11-11 2021-02-19 医渡云（北京）技术有限公司 传染病的基本再生数的估算方法及装置、介质和设备
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
CN113724847A (zh) * 2021-08-31 2021-11-30 平安国际智慧城市科技股份有限公司 基于人工智能的医疗资源分配方法、装置、终端设备及介质

Similar Documents

Publication Publication Date Title
CN111798989A (zh) 基于防控措施预测疫情发展趋势的方法及相关设备
CN111798990A (zh) 疫情新增人数预测方法、装置、电子设备和可读存储介质
Phipps et al. Robust estimates of the true (population) infection rate for COVID-19: a backcasting approach
Mercer et al. A comparison of spatial smoothing methods for small area estimation with sampling weights
Chikhi et al. Y genetic data support the Neolithic demic diffusion model
Cohen et al. International migration beyond gravity: A statistical model for use in population projections
Khalemsky et al. Emergency response community effectiveness: a simulation modeler for comparing emergency medical services with smartphone-based Samaritan response
Mayfield et al. Predictive risk mapping of an environmentally-driven infectious disease using spatial Bayesian networks: A case study of leptospirosis in Fiji
Gayawan A Poisson regression model to examine spatial patterns in antenatal care utilisation in Nigeria
Razzaque et al. Association of time since migration from rural to urban slums and maternal and child outcomes: Dhaka (north and south) and Gazipur City corporations
Larsen-Cooper et al. Scale matters: a cost-outcome analysis of an m-health intervention in Malawi
Ahern et al. Predicting the population health impacts of community interventions: the case of alcohol outlets and binge drinking
Padilla-Iglesias et al. Population interconnectivity over the past 120,000 years explains distribution and diversity of Central African hunter-gatherers
Stoesser et al. Moderating effects of out-of-hospital cardiac arrest characteristics on the association between EMS response time and survival
Arnold et al. Estimating the effects of lockdown timing on COVID-19 cases and deaths in England: A counterfactual modelling study
CN109243592A (zh) 基于人工智能的医疗项目使用异常检测方法及相关装置
RineerJames et al. Creation of a geospatially explicit, agent-based model of a regional healthcare network with application to clostridioides difficile infection
Huang et al. Urban spatial epidemic simulation model: A case study of the second COVID‐19 outbreak in Beijing, China
Briz‐Redón et al. A mechanistic spatio‐temporal modeling of COVID‐19 data
Hulme et al. Challenges in estimating the effectiveness of COVID-19 vaccination using observational data
CN112382406A (zh) 传染病的基本再生数的估算方法及装置、介质和设备
Nkwent et al. The effect of subsidized malaria treatment among under-five children in the Buea Health District, Cameroon
Grafton et al. Epidemiological modelling of the health and economic effects of COVID-19 control in Australia’s second wave
Chen et al. An optimization framework to study the balance between expected fatalities due to COVID-19 and the reopening of US Communities
van Velthoven et al. mHealth Series: mHealth project in Zhao County, rural China–Description of objectives, field site and methods

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