CN111968749A - 一种风险评估方法、装置、终端设备及可读存储介质 - Google Patents

一种风险评估方法、装置、终端设备及可读存储介质 Download PDF

Info

Publication number
CN111968749A
CN111968749A CN202011132028.2A CN202011132028A CN111968749A CN 111968749 A CN111968749 A CN 111968749A CN 202011132028 A CN202011132028 A CN 202011132028A CN 111968749 A CN111968749 A CN 111968749A
Authority
CN
China
Prior art keywords
target
infectious disease
input
target infectious
risk
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
Application number
CN202011132028.2A
Other languages
English (en)
Other versions
CN111968749B (zh
Inventor
刘小双
徐衔
徐啸
孙瑜尧
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202011132028.2A priority Critical patent/CN111968749B/zh
Publication of CN111968749A publication Critical patent/CN111968749A/zh
Application granted granted Critical
Publication of CN111968749B publication Critical patent/CN111968749B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • 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

本申请实施例公开了一种风险评估方法、装置、终端设备及可读存储介质，应用于医疗科技领域，该方法包括：接收针对目标传染病的风险评估请求；获取目标地区在目标历史时间节点与目标传染病关联的感染统计数据，并基于感染统计数据更新目标传染病模型的目标参数值；通过更新目标参数值后的第一目标传染病模型，确定目标地区在预测时间与目标传染病关联的目标感染人数；获取目标地区在预测时间的预输入人数；基于目标感染人数和预输入人数，计算输入风险值，可以提高对目标传染病输入风险评估的准确性，本申请涉及区块链技术，如可将计算得到目标传染病的输入风险值写入区块链中，以用于对目标地区的输入风险值进行评估等场景下。

Description

一种风险评估方法、装置、终端设备及可读存储介质
技术领域
本申请涉及数据分析领域，具体应用于医疗科技领域，具体涉及一种风险评估方法、装置、终端设备及可读存储介质。
背景技术
在传染病流行期间，各个地区之间互相封锁可以有效的避免传染病的传播，但同时也会对各个地区的经济带来一定压力，因此，如何预测传染病在各个地区的输入风险，对于各地区传染病的防护异常重要。
目前，传统的传染病模型可预测任一传染病在各地区的输入风险，但传统的传染病模型是一个在认为无任何因素干扰情况下设定的理想模型，由于传染病的发展千变万化，受各种因素的影响，传统的传染病模型所预测的输入风险准确率低下。
发明内容
本申请实施例提供了一种风险评估方法、装置、终端设备及可读存储介质，可以提高对目标传染病输入风险评估的准确性。
本申请实施例第一方面提供了一种风险评估方法，包括：
接收针对目标传染病的风险评估请求，所述风险评估请求用于指示所述风险评估平台确定所述目标传染病，在目标地区的预测时间的输入风险值；
获取所述目标地区在目标历史时间节点与所述目标传染病关联的感染统计数据，并基于所述感染统计数据更新目标传染病模型的目标参数值，所述目标传染病模型中的传染指数与时间关联，所述预测时间晚于所述目标历史时间节点；
通过更新所述目标参数值后的第一目标传染病模型，确定所述目标地区在所述预测时间与所述目标传染病关联的目标感染人数；
获取目标地区在所述预测时间的预输入人数；
基于所述目标感染人数和所述预输入人数，计算所述输入风险值。
本申请实施例第二方面提供了一种风险评估方法，包括：
接收模块，用于接收针对目标传染病的风险评估请求，所述风险评估请求用于指示所述风险评估平台确定所述目标传染病在目标地区的预测时间的输入风险值；
处理模块，用于获取所述目标地区在目标历史时间节点与所述目标传染病关联的感染统计数据，并基于所述感染统计数据更新目标传染病模型的目标参数值，所述目标传染病模型中的传染指数与时间关联，所述预测时间晚于所述目标历史时间节点；
确定模块，用于通过更新所述目标参数值后的第一目标传染病模型，确定所述目标地区在所述预测时间与所述目标传染病关联的目标感染人数；
所述处理模块，还用于获取目标地区在所述预测时间的预输入人数；
计算模块，用于基于所述目标感染人数和所述预输入人数，计算所述输入风险值。
本申请实施例第三方面提供了一种终端设备，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，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，所述处理器被配置用于调用所述程序，执行上述第一方面所述的方法。
本申请实施例第四方面提供了一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面所述的方法。
在本申请实施例中，风险评估平台接收针对目标传染病的风险评估请求，该风险评估请求用于指示风险评估平台确定目标传染病，在目标地区的预测时间的输入风险值，并获取目标地区在目标历史时间节点与目标传染病关联的感染统计数据，进而基于感染统计数据更新目标传染病模型的目标参数值，并通过更新目标参数值后的第一目标传染病模型，确定目标地区在预测时间与目标传染病关联的目标感染人数，并获取目标地区在所述预测时间的预输入人数，从而基于目标感染人数和预输入人数，计算输入风险值，从而提高了对目标传染病输入风险评估的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，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是本申请实施例提供的一种风险评估系统的架构示意图；
图2是本申请实施例提供的一种风险评估方法的流程示意图；
图3是本申请实施例提供的另一种风险评估方法的流程示意图；
图4是本申请实施例提供的一种风险评估装置的结构示意图；
图5是本申请实施例提供的一种终端设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例中提供一种风险评估方法，将传统的传染病模型中的传染指数进行改造，改造后的传染指数与时间进行关联，从而得到目标传染病模型，进一步地，风险评估平台接收针对目标传染病的风险评估请求，并获取目标地区在目标历史时间节点与目标传染病关联的感染统计数据，并基于感染统计数据更新目标传染病模型的目标参数值，进而通过更新目标参数值后的第一目标传染病模型，确定目标地区在预测时间与目标传染病关联的目标感染人数，并获取目标地区在所述预测时间的预输入人数，基于目标感染人数和预输入人数，计算所述输入风险值，相对于传统的传染病模型，没有考虑外部干扰，即基本传染指数不随时间变化，本申请实施例对预设传染病模型中的基本传染指数进行改造得到的目标传染病模型，可以提高对目标传染病输入风险评估的准确性。
请参见图1，是本申请实施例提供的一种风险评估系统的架构示意图，该风险评估系统包括区块链网络10、终端设备102和风险评估平台（或者风险评估网页）103，其中：
区块链网络10是指用于进行节点与节点之间数据共享的网络，区块链网络中可以包括多个节点101。每个节点101在进行正常工作可以接收到输入信息，并基于接收到的输入信息维护区块链网络内的共享数据（即区块链）。为了保证区块链网络内的信息互通，每个节点之间可以存在信息连接，任意两个节点之间可以实现点对点（Peer To Peer，P2P）通信，具体可以通过有线通信链路或无线通信链路进行P2P通信。例如，当区块链网络中的任意节点接收到输入信息时，其他节点便根据共识算法获取该输入信息，将该输入信息作为共享数据中的数据进行存储，使得区块链网络中全部节点上存储的数据均一致。
终端设备102、风险评估平台103可以接入该区块链网络，并可以与区块链网络中的节点进行通信，例如，向节点发起数据获取等等。其中，终端设备102具体可以是智能手机、平板电脑、笔记本电脑、台式电脑、车载智能终端等，本申请实施例不做限定。
需要说明的是，图1中所示的节点的数目仅仅是示意性的，根据实际需要，可以部署任意数目的节点，终端设备102、风险评估平台103可以与区块链网络中的同一节点进行通信，也可以分别与区块链网络中的不同节点进行通信。
在一种可行的实施例中，用户可以通过终端设备102登录该风险评估平台103，当想要对目标传染病在目标地区未来第n天（即预测时间）的输入风险值进行评估时，可以提交针对目标传染病的风险评估请求，该风险评估请求用于指示风险评估平台确定目标传染病在目标地区未来第n天（即预测时间）的输入风险值。
在一种可行的实施例中，风险评估平台103在接收到风险评估请求后，可以获取目标地区在目标历史时间节点与目标传染病关联的感染统计数据，并基于感染统计数据更新目标传染病模型的目标参数值，通过更新目标参数值后的第一目标传染病模型，确定目标地区在预测时间与目标传染病关联的目标感染人数，并获取目标地区在预测时间的预输入人数，基于目标感染人数和预输入人数，计算输入风险值。其中，该目标历史时间节点是指随着系统时间的推移改变的，例如，该目标历史时间节点可以是指系统时间的前一天、前一周等等，具体表示可以时间点进行，该系统时间可以理解为当前时间，例如，系统时间为8月22，则目标历史时间节点可以是8月21，该感染统计数据可以是包括实际感染该目标传染病的人数，以及预测感染该目标传染病的人数。
在一种可行的实施例中，风险评估平台103在计算输入风险值后，可以输出输入风险值，当接收到用户针对输入风险值的确认指示信息时，获取目标地区的区域标识，生成包括区域标识、预测时间和输入风险值的风险指示信息，风险指示信息用于指示目标传染病，在目标地区的预测时间的输入风险值，并基于用户的私钥对风险指示信息进行数字签名，将带数字签名的风险指示信息上传至区块链网络10，从而保证风险指示信息的有效性，并以便后续用户终端102可以从区块链网络10中获取该风险指示信息。
请参见图2，是本申请实施例基于图1所示的风险评估系统提供的一种风险评估方法的流程示意图，该风险评估方法应用于风险评估平台，该风险评估方法包括如下步骤：
201、接收针对目标传染病的风险评估请求，该风险评估请求用于指示风险评估平台确定目标传染病，在目标地区的预测时间的输入风险值。
其中，目标传染病可以是通过病原体一定途径进行人与人之间传播，人与动物之间或者动物与动物之间进行传播的一种疾病，例如，新型冠状病毒肺炎、鼠疫等等。预测时间晚于系统时间，预测时间是指从系统时间算上的未来第几天、未来第几周等等，可以理解的是，若预测时间为第4天，是从该系统时间为第一天算起。
202、获取目标地区在目标历史时间节点与目标传染病关联的感染统计数据，并基于感染统计数据更新目标传染病模型的目标参数值，该目标传染病模型中的传染指数与时间关联。
其中，该预测时间晚于目标历史时间节点。该目标历史时间节点是指随着系统时间的推移改变的，例如，该目标历史时间节点可以是指系统时间的前一天、前一周等等，该目标历史时间节点可以以时间进行表示，例如该系统时间为8月23，则目标历史时间节点可以是8月22（即系统时间的前一天）。该感染统计数据可以是实际感染该目标传染病的人数（简称实际感染人数），以及预测感染该目标传染病的人数（简称预测感染人数），其中，该传染指数与时间关联可以是设置该传染指数与时间的函数关系。
在一种可行的实施例中，风险评估平台可以是对预设传染病模型对应的传染指数进行调整得到目标传染病模型。该预设传染病模型可以是传统的SEIR传染模型，若该预设传染模型为传统的SEIR传染模型，则目标传染病模型为对传统的SEIR传染模型中传染指数进行调整得到的。
在一种可行的实施例中，该风险评估请求还用于指示风险评估平台获取目标地区在目标历史时间节点与目标传染病关联的感染统计数据，风险评估平台根据风险评估请求获取目标地区在目标历史时间节点下与目标传染病关联的感染统计数据。
在一种可行的实施例中，该目标参数值包括：目标地区感染目标传染病到恢复的平均天数、目标传染病的潜伏期的平均天数和计算该目标传染病模型中传染指数所需的常数。
在一种可行的实施例中，若该预设传染模型为传统的SEIR传染模型，则目标传染病模型为对传统的SEIR传染模型中传染指数进行调整得到的，其中，该预设传染模型中基本传染指数为R0，风险评估平台将基本传染指数R0进行调整，从而得到调整后的传染指数与时间关联，该调整后的传染指数为
Figure 431683DEST_PATH_IMAGE001
，其中，a，b为常数，根据调整后的传染指数可以得到目标传染病模型，该目标传染模型如下：
Figure 207878DEST_PATH_IMAGE002
其中，DI示从感染目标疾病到恢复的平均天数，DE目标传染病潜伏期的平均天数，S表示易感目标传染病的人数，I表示实际感染目标传染病的人数，N为目标地区的人口总数，E表示目标传染病潜伏人数。
在一种可行的实施例中，进一步地，在确定出目标传染模型后，风险评估平台可以从网络中获取目标地区在目标历史时间节点下与目标传染病关联的感染统计数据，并根据蒙特卡罗方法（Markov Chain Monte Carlo，MCMC）和与目标传染病关联的感染统计数据更新目标传染病模型的目标参数值。
203、通过更新目标参数值后的第一目标传染病模型，确定目标地区在预测时间与目标传染病关联的目标感染人数。
具体的，风险评估平台在基于感染统计数据更新目标传染病模型的目标参数值后，风险评估平台可以通过更新目标参数值后的第一目标传染病模型采用迭代算法，确定目标地区在预测时间与目标传染病关联的目标感染人数，具体如何利用迭代算法确定目标地区在预测时间与目标传染病关联的目标感染人数可参照下一实施例中的描述，在此不再赘述。
204、获取目标地区在预测时间的预输入人数。
在一种可行的实施例中，预输入人数可以通过目标地区的人口总数和目标地区中历史时间的人口流动比例进行确定。在具体实现中，风险评估平台获取目标地区的人口总数和在目标地区中历史时间人口流动比例，从而确定在预测时间的预输入人数。其中，该目标地区的人口总数可以通过目标地区的人口统计年鉴进行查询，该在目标地区中历史时间人口流动比例可以通过百度迁徙进行查询。
205、基于目标感染人数和预输入人数，计算输入风险值。
具体的，风险评估平台在确定出目标地区在预测时间与目标传染病关联的目标感染人数和预输入人数后，可以根据目标地区在预测时间与目标传染病关联的目标感染人数和预输入人数得到预测时间的输入风险值，例如，预测时间为第n天，风险评估平台根据目标地区在第n天与目标传染病关联的目标感染人数和第n天的预输入人数可以确定第n天的输入风险值。
在一种可行的实施例中，风险评估平台可以根据上述目标感染人数，上述目标地区人口总数，上述历史时间人口（如过去M天）流动比例可以计算得到各地区对目标地区的输入风险值，以使得用户针对每个地区采取不同方法进行防疫。其计算方式如下：
Figure 987615DEST_PATH_IMAGE003
其中， p表示目标地区，d 表示第d天（对应上述预测时间），
Figure 117245DEST_PATH_IMAGE004
表示目标地区的第d 天的输入风险值，
Figure 931617DEST_PATH_IMAGE005
表示目标地区的第d 天的目标感染人数，
Figure 222921DEST_PATH_IMAGE006
表示目标地区的人口总数，
Figure 489955DEST_PATH_IMAGE007
表示第d天从其他地区回到目标地区的人口比例，
Figure 547909DEST_PATH_IMAGE008
表示目标地区在过去M天的流出人口总数；
Figure 216788DEST_PATH_IMAGE009
表示第d 天从深圳流出到地区p的人口比例；
Figure 210152DEST_PATH_IMAGE010
表示用过去M天的目标地区流出人口估算未来第d天的目标地区的流入人口。
在一种可行的实施例中，风险评估平台可以判断输入风险值是否大于阈值，若该输入风险值大于阈值，则风险评估平台输出输入风险值，当接收到用户针对输入风险值的确认指示信息时，风险评估平台获取目标地区的区域标识，生成包括区域标识、预测时间和输入风险值的风险指示信息，该风险指示信息用于指示目标传染病在目标地区的预测时间的输入风险值，并基于用户的私钥对风险指示信息进行数字签名，进一步将带数字签名的风险指示信息上传至区块链网络。其中，该区域标识可以是该目标地区名，如深圳。在具体实现中，风险评估平台可以在接收到用户针对输入风险值的确认指示信息时，获取目标地区的区域标识，并生成包括区域标识、预测时间和输入风险值的风险指示信息，该风险指示信息用于指示目标传染病在目标地区的预测时间的输入风险值，对该风险指示信息进行哈希计算，生成关于风险指示信息的摘要，并对关于风险指示信息的摘要利用用户的私钥进行加密，从而得到带数字签名的风险指示信息，并将带数字签名的风险指示信息上传至区块链网络，以使得该区块链网络中每个区块链节点对该带数字签名的风险指示信息进行校验，当达成区块链节点达成共识之后，保存在区块链网络中，将带数字签名的风险指示信息上传至区块链网络可以保证数据的有效性。
在本申请实施例中，风险评估平台接收针对目标传染病的风险评估请求，该风险评估请求用于指示风险评估平台确定目标传染病在目标地区的预测时间的输入风险值，并获取目标地区在目标历史时间节点与目标传染病关联的感染统计数据，该目标传染病模型中的传染指数与时间关联，进而基于感染统计数据更新目标传染病模型的目标参数值，并通过更新目标参数值后的第一目标传染病模型，确定目标地区在预测时间与目标传染病关联的目标感染人数，并获取目标地区在所述预测时间的预输入人数，从而基于目标感染人数和预输入人数，计算输入风险值，从而提高了对目标传染病输入风险评估的准确性。
请参见图3，是本申请实施例基于图1所示的风险评估系统提供的一种风险评估方法的流程示意图，该风险评估方法应用于风险评估平台，该风险评估方法包括如下步骤：
301、接收针对目标传染病的风险评估请求，该风险评估请求用于指示风险评估平台确定目标传染病，在目标地区的预测时间的输入风险值。
302、获取目标地区在目标历史时间节点与目标传染病关联的感染统计数据，并基于感染统计数据更新目标传染病模型的目标参数值，该目标传染病模型中的传染指数与时间关联。
在一种可行的实施例中，该感染统计数据包括预测感染目标传染病的人数（简称预测感染人数）和实际感染目标传染病的人数（简称实际感染人数），风险评估平台可以利用蒙特卡罗方法模拟至少一个备选参数值，并通过各备选参数值更新各备选参数值各自对应的目标传染病模型的目标参数值，进一步，风险评估平台根据更新目标参数值后的第二目标传染病模型确定预测感染人数，计算预测感染人数和实际感染人数的偏差值，根据偏差值从至少一个备选参数值中确定目标备选参数值，并根据目标备选参数值更新目标备选参数值各自对应的目标传染病模型的目标参数值，其中，各备选参数值包括：目标地区感染目标传染病到恢复的平均天数、目标传染病的潜伏期的平均天数和计算所目标传染病模型中传染指数所需的常数。可以理解为，一个备选参数值更新该备选参数值各自对应的目标传染病模型的目标参数值后会得到一个更新目标参数值后的第二目标传染病模型，并根据该更新目标参数值后的第二目标传染病模型计算预测感染人数，进而计算该感染人数和实际感染人数的偏差值。因此，通过各备选参数值更新各备选参数值各自对应的目标传染病模型的目标参数值后，会得到不同更新目标参数值后的第二目标传染模型，从而根据第二目标传染模型得到不同的预测感染人数，并根据实际感染人数分别与不同的预测感染人数计算偏差值，并根据偏差值从至少一个备选参数值中确定目标备选参数值，根据该目标备选参数值更新目标备选参数值各自对应的目标传染病模型的目标参数值。其中，该偏差值C的计算：
Figure 698902DEST_PATH_IMAGE011
其中，n为蒙特卡罗方法中样本点个数，
Figure 428141DEST_PATH_IMAGE013
为预测感染人数，
Figure 218504DEST_PATH_IMAGE014
为实际感染人数。
在一种可行的实施例中，风险评估平台根据偏差值从至少一个备选参数值中确定目标备选参数值可以是风险评估平台先确定出偏差值最小对应的备选参数值，并将该偏差值最小对应的备选参数值作为目标备选参数值，以使得后续根据目标备选参数更新所述目标备选参数值对应的目标传染病模型的目标参数值。
303、获取目标地区在系统时间下的易感染目标传染病的人数、实际感染人数、目标传染病的潜伏人数。
在一种可行的实施例中，风险评估平台可以通过网络下载目标地区在系统时间下的易感染目标传染病的人数、实际感染人数、目标传染病的潜伏人数，或者该风险评估平台可以从该风险评估平台的服务器中获取目标地区在系统时间下的易感染目标传染病的人数、实际感染人数、目标传染病的潜伏人数。
304、根据易感染目标传染病的人数、实际感染人数和潜伏人数通过更新目标参数值后的第一目标传染病模型进行迭代处理，确定目标地区在预测时间与目标传染病关联的目标感染人数。
具体的，风险评估平台根据易感染目标传染病的人数、实际感染人数和潜伏人数通过对更新目标参数值后第一目标传染病模型进行积分迭代处理，可以确定出目标地区在预测时间与目标传染病关联的目标感染人数。
例如，预测时间为第4天，风险评估平台根据在系统时间（即第一天）下获取得到的易感染目标传染病的人数、实际感染人数和潜伏人数通过对更新目标参数值后的第一目标传染病模型进行积分，得到第二天的易感人数、感染人数、潜伏人数，并根据第二天的易感染目标传染病的人数、实际感染人数和潜伏人数通过对更新目标参数值后的第一目标传染病模型进行积分，得到第三天的易感染目标传染病的人数、实际感染人数和潜伏人数，以此类推，从而得到第4天的易感染目标传染病的人数、实际感染人数和潜伏人数，并将该第4天确定出来的实际感染人数确定为目标地区在第4天与目标传染病关联的目标感染人数。
例如，预测时间为8月25，风险评估平台根据在系统时间8月20下获取得到的易感染目标传染病的人数、实际感染人数和潜伏人数通过对更新目标参数值后的第一目标传染病模型进行积分，得到8月21的易感人数、感染人数、潜伏人数，并根据第二天的易感染目标传染病的人数、实际感染人数和潜伏人数通过对更新目标参数值后的第一目标传染病模型进行积分，得到第三天8月22的易感染目标传染病的人数、实际感染人数和潜伏人数，以此类推，从而得到8月25的易感染目标传染病的人数、实际感染人数和潜伏人数，并将该8月25确定出来的实际感染人数确定为目标地区在8月25与目标传染病关联的目标感染人数。
在一种可行的实施例中，风险评估平台根据易感染目标传染病的人数、实际感染人数和潜伏人数通过更新上述目标参数值后的第一目标传染病模型进行迭代处理，确定目标地区在预测时间与目标传染病关联的目标感染人数的实现方式可以是，风险评估平台确定预测时间的前一个时间周期的历史预测时间节点，并获取目标地区的历史预测时间节点的易感染目标传染病的人数、实际感染人数和目标传染病的潜伏人数，并根据易感染目标传染病的人数、实际感染人数和潜伏人数通过更新目标参数值后的第一目标传染病模型，得到目标地区的在所述预测时间与目标传染病关联的目标感染人数。其中，前一个时间周期可以根据需求预先设置，前一个时间周期的时间单位可以是天、周等等，例如，前一个时间周期可以是前一天。例如，风险评估平台需要获取目标地区在该预测时间为8月25的目标感染人数，风险评估平台先确定预测时间的前一天的历史预测时间节点为8月24，获取目标地区的8月24的易感染目标传染病的人数、实际感染人数和潜伏人数时，并根据易感染目标传染病的人数、实际感染人数和潜伏人数通过更新目标参数值后的第一目标传染病模型，得到目标地区在8月25与目标传染病关联的目标感染人数。
305、获取目标地区在预测时间的预输入人数。
306、基于目标感染人数和预输入人数，计算输入风险值。
其中，步骤305-306可参照上述实施例图2中步骤204-205，在此不再赘述。
在本申请实施例中，风险评估平台接收针对目标传染病的风险评估请求，该风险评估请求用于指示风险评估平台确定目标传染病在目标地区的预测时间的输入风险值，并获取目标地区在目标历史时间节点与目标传染病关联的感染统计数据，该目标传染病模型中的传染指数与时间关联，进而基于感染统计数据更新目标传染病模型的目标参数值，并获取目标地区在系统时间下的易感染目标传染病的人数、实际感染人数、目标传染病的潜伏人数，根据易感染所述目标传染病的人数、实际感染人数和潜伏人数通过更新目标参数值后的第一目标传染病模型进行迭代处理，确定目标地区在预测时间与目标传染病关联的目标感染人数，并获取目标地区在所述预测时间的预输入人数，从而基于目标感染人数和预输入人数，计算输入风险值，从而提高了对目标传染病输入风险评估的准确性。
请参见图4，为本申请实施例提供的一种风险评估装置的结构示意图。本实施例中所描述的风险评估装置，应用于风险评估平台，包括：
接收模块401，用于接收针对目标传染病的风险评估请求，所述风险评估请求用于指示所述风险评估平台确定所述目标传染病，在目标地区的预测时间的输入风险值；
处理模块402，用于获取所述目标地区在目标历史时间节点下与所述目标传染病关联的感染统计数据，并基于所述感染统计数据更新目标传染病模型的目标参数值，所述目标传染病模型中的传染指数与时间关联，所述预测时间晚于所述目标历史时间节点；
确定模块403，用于通过更新所述目标参数值后的第一目标传染病模型，确定所述目标地区在所述预测时间与所述目标传染病关联的目标感染人数；
所述处理模块402，还用于获取目标地区在所述预测时间的预输入人数；
计算模块404，用于基于所述目标感染人数和所述预输入人数，计算所述输入风险值。
在一个可行的实施例中，所述处理模块402，具体用于：
利用蒙特卡罗方法模拟至少一个备选参数值；
通过各备选参数值更新所述各备选参数值各自对应的所述目标传染病模型的目标参数值；
根据更新目标参数值后的第二目标传染病模型确定预测感染人数；
计算所述预测感染人数和所述实际感染人数的偏差值；
根据所述偏差值从至少一个备选参数值中确定目标备选参数值；
根据所述目标备选参数值更新所述目标备选参数值各自对应的所述目标传染病模型的目标参数值。
在一个可行的实施例中，所述处理模块402，具体用于：
获取目标地区在系统时间下的易感染所述目标传染病的人数、实际感染人数、所述目标传染病的潜伏人数；
根据所述易感染所述目标传染病的人数、所述实际感染人数和所述潜伏人数通过更新所述目标参数值后的第一目标传染病模型进行迭代处理，确定所述目标地区在所述预测时间与所述目标传染病关联的目标感染人数。
在一个可行的实施例中，所述确定模块403，还用于确定所述预测时间的前一个时间周期的历史预测时间节点；
所述处理模块402还用于获取所述目标地区在所述历史预测时间节点的易感染所述目标传染病的人数、实际感染人数和所述目标传染病的潜伏人数；
所述处理模块402还用于根据所述易感染所述目标传染病的人数、所述实际感染人数和所述潜伏人数通过更新所述目标参数值后的第一目标传染病模型，得到所述目标地区在所述预测时间与所述目标传染病关联的目标感染人数。
在一个可行的实施例中，所述目标参数值包括所述目标地区感染所述目标传染病到恢复的平均天数、所述目标传染病的潜伏期的平均天数和计算所述目标传染病模型中传染指数所需的常数。
在一个可行的实施例中，所述处理模块402，还用于获取所述目标地区的人口总数，在所述目标地区中历史时间的人口流动比例；
所述确定模块403还用于根据所述人口总数，所述人口流动比例确定在预测时间的预输入人数。
在一个可行的实施例中，所述基于所述目标感染人数和所述预输入人数，计算所述输入风险值之后，所述装置还包括：输出模块405，其中：
所述输出模块405，用于若所述输入风险值大于阈值，则输出所述输入风险值；
所述处理模块402，还用于当接收到用户针对输入风险值的确认指示信息时，获取所述目标地区的区域标识，生成包括所述区域标识、预测时间和所述输入风险值的风险指示信息，所述风险指示信息用于指示目标传染病在目标地区的预测时间的输入风险值；
所述处理模块402，还用于基于所述用户的私钥对所述风险指示信息进行数字签名；
所述处理模块402，还用于将带所述数字签名的风险指示信息上传至区块链网络。
可以理解的是，本实施例的风险评估装置的各功能模块可根据上述方法实施例图2或者图3中的方法具体实现，其具体实现过程可以参照上述方法实施例图2或者图3的相关描述，此处不再赘述。
请参阅图5，图5为本申请实施例提供的一种终端设备的结构示意图。该终端设备可以包括：一个或多个处理器501；一个或多个输入设备502，一个或多个输出设备503和存储器504。上述处理器501、输入设备502、输出设备503和存储器504通过总线505连接。存储器504用于存储计算机程序，所述计算机程序包括程序指令，处理器501用于执行存储器504存储的程序指令，执行以下操作：
接收针对目标传染病的风险评估请求，所述风险评估请求用于指示所述风险评估平台确定所述目标传染病在目标地区的预测时间的输入风险值；
获取所述目标地区在目标历史时间节点与所述目标传染病关联的感染统计数据，并基于所述感染统计数据更新目标传染病模型的目标参数值，所述目标传染病模型中的传染指数与时间关联，所述预测时间晚于所述目标历史时间节点；
通过更新所述目标参数值后的第一目标传染病模型，确定所述目标地区在所述预测时间与所述目标传染病关联的目标感染人数；
获取目标地区在所述预测时间的预输入人数；
基于所述目标感染人数和所述预输入人数，计算所述输入风险值。
在一种可行的实施例中，所述处理器501，具体用于：
利用蒙特卡罗方法模拟至少一个备选参数值；
通过各备选参数值更新所述各备选参数值各自对应的所述目标传染病模型的目标参数值；
根据更新目标参数值后的第二目标传染病模型确定预测感染人数；
计算所述预测感染人数和所述实际感染人数的偏差值；
根据所述偏差值从至少一个备选参数值中确定目标备选参数值；
根据所述目标备选参数值更新所述目标备选参数值各自对应的所述目标传染病模型的目标参数值。
在一种可行的实施例中，所述处理器501，具体用于：
获取目标地区在系统时间下的易感染所述目标传染病的人数、实际感染人数、所述目标传染病的潜伏人数；
根据所述易感染所述目标传染病的人数、所述实际感染人数和所述潜伏人数通过更新所述目标参数值后的第一目标传染病模型进行迭代处理，确定所述目标地区在所述预测时间与所述目标传染病关联的目标感染人数。
在一种可行的实施例中，所述处理器501，具体用于：
确定所述预测时间的前一个时间周期的历史预测时间节点；
获取所述目标地区在所述历史预测时间节点的易感染所述目标传染病的人数、实际感染人数和所述目标传染病的潜伏人数；
根据所述易感染所述目标传染病的人数、所述实际感染人数和所述潜伏人数通过更新所述目标参数值后的第一目标传染病模型，得到所述目标地区在所述预测时间与所述目标传染病关联的目标感染人数。
在一种可行的实施例中，所述目标参数值包括所述目标地区感染所述目标传染病到恢复的平均天数、所述目标传染病的潜伏期的平均天数和计算所述目标传染病模型中传染指数所需的常数。
在一种可行的实施例中，所述处理器501，具体用于：
获取所述目标地区的人口总数，在所述目标地区中历史时间的人口流动比例；
根据所述人口总数，所述人口流动比例确定在预测时间的预输入人数。
在一种可行的实施例中，所述处理器501基于所述目标感染人数和所述预输入人数，计算所述输入风险值之后，还用于：
若所述输入风险值大于阈值，则输出所述输入风险值；
当接收到用户针对输入风险值的确认指示信息时，获取所述目标地区的区域标识，生成包括所述区域标识、预测时间和所述输入风险值的风险指示信息，所述风险指示信息用于指示目标传染病在目标地区的预测时间的输入风险值；
基于所述用户的私钥对所述风险指示信息进行数字签名；
将带所述数字签名的风险指示信息上传至区块链网络。
应当理解，在本申请实施例中，所称处理器501可以是中央处理单元（CentralProcessing Unit，CPU），该处理器501还可以是其他通用处理器、数字信号处理器（DigitalSignal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现成可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
该存储器504可以包括只读存储器和随机存取存储器，并向处理器501提供指令和数据。存储器504的一部分还可以包括非易失性随机存取存储器。
具体实现中，本申请实施例中所描述的处理器501、输入设备502、输出设备503和存储器504可执行本申请实施例提供的风险评估方法所描述的实现方式，也可执行本申请实施例所描述的风险评估装置的实现方式，在此不再赘述。
本申请实施例中还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时，可执行上述风险评估方法实施例中所执行的步骤。
本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序代码，当所述计算机程序代码在计算机上运行时，使得计算机执行上述风险评估方法实施例中所执行的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）或随机存储记忆体（Random AccessMemory，RAM）等。所述的计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
其中，本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
以上所揭露的仅为本申请一种较佳实施例而已，当然不能以此来限定本申请之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本申请权利要求所作的等同变化，仍属于发明所涵盖的范围。

Claims (10)

1.一种风险评估方法，其特征在于，应用于风险评估平台，所述方法包括：
接收针对目标传染病的风险评估请求，所述风险评估请求用于指示所述风险评估平台确定所述目标传染病，在目标地区的预测时间的输入风险值；
获取所述目标地区在目标历史时间节点与所述目标传染病关联的感染统计数据，并基于所述感染统计数据更新目标传染病模型的目标参数值，所述目标传染病模型中的传染指数与时间关联，所述预测时间晚于所述目标历史时间节点；
通过更新所述目标参数值后的第一目标传染病模型，确定所述目标地区在所述预测时间与所述目标传染病关联的目标感染人数；
获取目标地区在所述预测时间的预输入人数；
基于所述目标感染人数和所述预输入人数，计算所述输入风险值。
2.根据权利要求1所述的方法，其特征在于，所述感染统计数据包括实际感染人数和预测感染人数，所述基于所述感染统计数据更新目标传染病模型的目标参数值，包括：
利用蒙特卡罗方法模拟至少一个备选参数值；
通过各备选参数值更新所述各备选参数值各自对应的所述目标传染病模型的目标参数值；
根据更新目标参数值后的第二目标传染病模型确定预测感染人数；
计算所述预测感染人数和所述实际感染人数的偏差值；
根据所述偏差值从至少一个备选参数值中确定目标备选参数值；
根据所述目标备选参数值更新所述目标备选参数值各自对应的所述目标传染病模型的目标参数值。
3.根据权利要求1所述的方法，其特征在于，所述通过更新所述目标参数值后的第一目标传染病模型，确定所述目标地区在所述预测时间与所述目标传染病关联的目标感染人数，包括：
获取目标地区在系统时间下的易感染所述目标传染病的人数、实际感染人数、所述目标传染病的潜伏人数；
根据所述易感染所述目标传染病的人数、所述实际感染人数和所述潜伏人数通过更新所述目标参数值后的第一目标传染病模型进行迭代处理，确定所述目标地区在所述预测时间与所述目标传染病关联的目标感染人数。
4.根据权利要求3所述的方法，其特征在于，所述根据所述易感染所述目标传染病的人数、所述实际感染人数和所述潜伏人数通过更新目标参数值后的第一目标传染病模型进行迭代处理，确定所述目标地区在所述预测时间与所述目标传染病关联的目标感染人数，包括：
确定所述预测时间的前一个时间周期的历史预测时间节点；
获取所述目标地区在所述历史预测时间节点的易感染所述目标传染病的人数、实际感染人数和所述目标传染病的潜伏人数；
根据所述易感染所述目标传染病的人数、所述实际感染人数和所述潜伏人数通过更新所述目标参数值后的第一目标传染病模型，得到所述目标地区在所述预测时间与所述目标传染病关联的目标感染人数。
5.根据权利要求1所述的方法，所述目标参数值包括所述目标地区感染所述目标传染病到恢复的平均天数、所述目标传染病的潜伏期的平均天数和计算所述目标传染病模型中传染指数所需的常数。
6.根据权利要求1所述的方法，其特征在于，所述获取目标地区在所述预测时间的预输入人数，包括：
获取所述目标地区的人口总数，在所述目标地区中历史时间的人口流动比例；
根据所述人口总数，所述人口流动比例确定在预测时间的预输入人数。
7.根据权利要求1所述的方法，其特征在于，所述基于所述目标感染人数和所述预输入人数，计算所述输入风险值之后，所述方法还包括：
若所述输入风险值大于阈值，则输出所述输入风险值；
当接收到用户针对输入风险值的确认指示信息时，获取所述目标地区的区域标识，生成包括所述区域标识、预测时间和所述输入风险值的风险指示信息，所述风险指示信息用于指示目标传染病在目标地区的预测时间的输入风险值；
基于所述用户的私钥对所述风险指示信息进行数字签名；
将带所述数字签名的风险指示信息上传至区块链网络。
8.一种疾病风险评估装置，其特征在于，应用于风险评估平台，所述装置包括：
接收模块，用于接收针对目标传染病的风险评估请求，所述风险评估请求用于指示所述风险评估平台确定所述目标传染病，在目标地区的预测时间的输入风险值；
处理模块，用于获取所述目标地区在目标历史时间节点与所述目标传染病关联的感染统计数据，并基于所述感染统计数据更新目标传染病模型的目标参数值，所述目标传染病模型中的传染指数与时间关联，所述预测时间晚于所述目标历史时间节点；
确定模块，用于通过更新所述目标参数值后的第一目标传染病模型，确定所述目标地区在所述预测时间与所述目标传染病关联的目标感染人数；
所述处理模块，还用于获取目标地区在所述预测时间的预输入人数；
计算模块，用于基于所述目标感染人数和所述预输入人数，计算所述输入风险值。
9.一种终端设备，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，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，所述处理器被配置用于调用所述程序，执行如权利要求1~7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1~7任一项所述的方法。
CN202011132028.2A 2020-10-21 2020-10-21 一种风险评估方法、装置、终端设备及可读存储介质 Active CN111968749B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011132028.2A CN111968749B (zh) 2020-10-21 2020-10-21 一种风险评估方法、装置、终端设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011132028.2A CN111968749B (zh) 2020-10-21 2020-10-21 一种风险评估方法、装置、终端设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN111968749A true CN111968749A (zh) 2020-11-20
CN111968749B CN111968749B (zh) 2021-01-15

Family

ID=73387592

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011132028.2A Active CN111968749B (zh) 2020-10-21 2020-10-21 一种风险评估方法、装置、终端设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN111968749B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112132490A (zh) * 2020-11-23 2020-12-25 中电科新型智慧城市研究院有限公司 城市传染病高风险社区识别方法、装置、电子设备及介质
CN112735602A (zh) * 2021-01-07 2021-04-30 南方科技大学 区块链风险值管理方法、装置、电子设备及存储介质
CN112768067A (zh) * 2020-12-15 2021-05-07 广州呼吸健康研究院 新型冠状病毒各地风险指数评估系统
CN113191870A (zh) * 2021-01-19 2021-07-30 迅鳐成都科技有限公司 一种基于区块链的知识产权价值评估方法及系统
CN113838580A (zh) * 2021-09-03 2021-12-24 医渡云（北京）技术有限公司 传染病传染规模预测方法、装置、存储介质及电子设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102222163A (zh) * 2011-05-25 2011-10-19 中国人民解放军防化指挥工程学院 一种具有免疫期且受季节影响的传染病疫情预测方法
CN102945310A (zh) * 2012-09-27 2013-02-27 吉林大学 基于自治计算的流行病传播网络建模与推断
CN108198629A (zh) * 2018-03-06 2018-06-22 云南省疾病预防控制中心 一种传染病跨境输入传播风险自动评估系统及方法
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
CN111524611A (zh) * 2020-04-24 2020-08-11 腾讯科技（深圳）有限公司 构建传染病趋势预测模型的方法、预测方法、装置及设备
CN111564222A (zh) * 2020-04-16 2020-08-21 上海明略人工智能(集团)有限公司 一种数据信息的确定方法和装置
CN111652446A (zh) * 2020-06-15 2020-09-11 深圳前海微众银行股份有限公司 传染病感染风险的预测方法、设备及存储介质
CN111739656A (zh) * 2020-07-17 2020-10-02 医渡云（北京）技术有限公司 基于无症状感染者预测传染病趋势的方法及装置
CN111739658A (zh) * 2020-07-20 2020-10-02 医渡云（北京）技术有限公司 基于输入病例预测传染病趋势的方法及装置
CN111768875A (zh) * 2020-06-23 2020-10-13 深圳市城市公共安全技术研究院有限公司 传染病疫情预测方法、系统、装置及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102222163A (zh) * 2011-05-25 2011-10-19 中国人民解放军防化指挥工程学院 一种具有免疫期且受季节影响的传染病疫情预测方法
CN102945310A (zh) * 2012-09-27 2013-02-27 吉林大学 基于自治计算的流行病传播网络建模与推断
CN108198629A (zh) * 2018-03-06 2018-06-22 云南省疾病预防控制中心 一种传染病跨境输入传播风险自动评估系统及方法
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
CN111564222A (zh) * 2020-04-16 2020-08-21 上海明略人工智能(集团)有限公司 一种数据信息的确定方法和装置
CN111524611A (zh) * 2020-04-24 2020-08-11 腾讯科技（深圳）有限公司 构建传染病趋势预测模型的方法、预测方法、装置及设备
CN111652446A (zh) * 2020-06-15 2020-09-11 深圳前海微众银行股份有限公司 传染病感染风险的预测方法、设备及存储介质
CN111768875A (zh) * 2020-06-23 2020-10-13 深圳市城市公共安全技术研究院有限公司 传染病疫情预测方法、系统、装置及存储介质
CN111739656A (zh) * 2020-07-17 2020-10-02 医渡云（北京）技术有限公司 基于无症状感染者预测传染病趋势的方法及装置
CN111739658A (zh) * 2020-07-20 2020-10-02 医渡云（北京）技术有限公司 基于输入病例预测传染病趋势的方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
消费日报网: "《平安旗下两大研究院联合发布全球疫情预测报告》", 《中国网 科学中国》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112132490A (zh) * 2020-11-23 2020-12-25 中电科新型智慧城市研究院有限公司 城市传染病高风险社区识别方法、装置、电子设备及介质
CN112132490B (zh) * 2020-11-23 2021-04-23 中电科新型智慧城市研究院有限公司 城市传染病高风险社区识别方法、装置、电子设备及介质
CN112768067A (zh) * 2020-12-15 2021-05-07 广州呼吸健康研究院 新型冠状病毒各地风险指数评估系统
CN112735602A (zh) * 2021-01-07 2021-04-30 南方科技大学 区块链风险值管理方法、装置、电子设备及存储介质
CN113191870A (zh) * 2021-01-19 2021-07-30 迅鳐成都科技有限公司 一种基于区块链的知识产权价值评估方法及系统
CN113191870B (zh) * 2021-01-19 2023-08-08 迅鳐成都科技有限公司 一种基于区块链的知识产权价值评估方法及系统
CN113838580A (zh) * 2021-09-03 2021-12-24 医渡云（北京）技术有限公司 传染病传染规模预测方法、装置、存储介质及电子设备
CN113838580B (zh) * 2021-09-03 2024-04-12 医渡云（北京）技术有限公司 传染病传染规模预测方法、装置、存储介质及电子设备

Also Published As

Publication number Publication date
CN111968749B (zh) 2021-01-15

Similar Documents

Publication Publication Date Title
CN111968749B (zh) 一种风险评估方法、装置、终端设备及可读存储介质
US11228440B2 (en) Proof-of-work for smart contracts on a blockchain
US10965466B2 (en) Estimable proof-of-work for blockchain
CN107683489B (zh) 用于在受信任执行环境中执行加密操作的系统、装置和方法
US10460234B2 (en) Private deep neural network training
US11899647B2 (en) Documenting timestamps within a blockchain
EP3673386B1 (en) Edit script verification for nucleic acid sequences with match operations and difference operations
Hasan et al. A new estimation method for COVID-19 time-varying reproduction number using active cases
CN111641712B (zh) 区块链数据更新方法、装置、设备、系统及可读存储介质
CN112613601B (zh) 神经网络模型更新方法、设备及计算机存储介质
CN111125420B (zh) 基于人工智能的对象推荐方法、装置及电子设备
JP2019003402A (ja) 管理装置、管理方法及びプログラム
Bowden et al. Modeling and analysis of block arrival times in the Bitcoin blockchain
WO2021098615A1 (zh) 基因型数据缺失的填充方法、装置及服务器
WO2021174881A1 (zh) 多维度信息的组合预测方法、装置、计算机设备及介质
Sankoff et al. A model for biased fractionation after whole genome duplication
CN114760308B (zh) 边缘计算卸载方法及装置
Xu et al. Data tag replacement algorithm for data integrity verification in cloud storage
JP2020003848A (ja) 分散深層学習システム、分散深層学習方法、およびコンピューティングインタコネクト装置
CN115438322A (zh) 一种支持身份证明的联邦学习方法、系统、设备及介质
CN114021732B (zh) 一种比例风险回归模型训练方法、装置、系统及存储介质
WO2021179258A1 (zh) 数字签名方法、数字签名装置、系统和存储介质
CN109741064B (zh) 一种审查攻击处理方法、系统及电子设备和存储介质
Chatterjee et al. Brief announcement: A probabilistic performance model and tuning framework for eventually consistent distributed storage systems
CN112215424B (zh) 医疗指标预测方法、装置、电子设备及存储介质

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