CN113270202A - 一种基于场论的病毒传播预测方法 - Google Patents
一种基于场论的病毒传播预测方法 Download PDFInfo
- Publication number
- CN113270202A CN113270202A CN202110654458.9A CN202110654458A CN113270202A CN 113270202 A CN113270202 A CN 113270202A CN 202110654458 A CN202110654458 A CN 202110654458A CN 113270202 A CN113270202 A CN 113270202A
- Authority
- CN
- China
- Prior art keywords
- virus
- uninfected
- field
- probability
- virus infection
- 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
- 241000700605 Viruses Species 0.000 title claims abstract description 120
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005290 field theory Methods 0.000 title claims abstract description 22
- 230000009385 viral infection Effects 0.000 claims abstract description 118
- 230000001681 protective effect Effects 0.000 claims abstract description 71
- 230000001186 cumulative effect Effects 0.000 claims abstract description 14
- 230000004083 survival effect Effects 0.000 claims abstract description 13
- 230000009471 action Effects 0.000 claims abstract description 12
- 208000015181 infectious disease Diseases 0.000 claims description 31
- 208000036142 Viral infection Diseases 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000013598 vector Substances 0.000 description 7
- 230000000694 effects Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000013179 statistical model Methods 0.000 description 3
- 239000013603 viral vector Substances 0.000 description 3
- 230000003612 virological effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000005669 field effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015271 coagulation Effects 0.000 description 1
- 238000005345 coagulation Methods 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 239000000645 desinfectant Substances 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Business, Economics & Management (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Medical Informatics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明提供一种基于场论的病毒传播预测方法,包含步骤:S1、基于病毒存活时间、空间范围建立病毒感染场场强模型;S2、基于未感染人员在病毒感染场的行动轨迹、暴露时间计算其暴露当量;S3、基于病毒感染场中所有未感染人员各自采取的防护措施,获取所有未感染人员的累积暴露当量;S4、基于累积暴露当量计算未感染人员在接触病毒的前提下感染病毒的概率;S5、所述接触病毒的前提下感染病毒的概率,以及病毒感染场中未感染人员、已感染人员各自是否采取防护措施及措施类型,得到微观因素影响下的病毒感染概率;S6、基于微观因素影响下的病毒感染概率、病毒感染场是否采取公共防护措施及措施类型,得到宏观因素影响下的病毒感染概率。
Description
技术领域
本发明涉及病毒传播预测及策略控制领域,特别涉及一种基于场论的病毒传播预测方法。
背景技术
国内外有许多学者和研究机构通过统计学方法与动力学方法对各类病毒传播进行预测和评估。
统计学模型通过小样本的数据对总体进行预测,适用信息不完全的情况。然而,由于小样本与总体样本具有传播特性差异,该方法的估计结果可能存在较大的偏差。同时,统计学模型无法反映病毒传播的变化趋势,只能进行事后的趋势统计,无法对各种应对策略进行有效的预评估,因此时效性较差。与统计模型不同,动力学模型能给出较为清晰的逻辑关系,因而在病毒传播研究中被广泛采用,但在实际应用中仍存在局限性,该类模型无法对病毒扩散趋势做长时空多边约束条件下准确评估和预测。
研究表明,短程场作用更有利于揭示数据分布的凝聚特性。因此利用场来表征微观的病毒载体感染场,然后通过加载该微观的病毒载体感染场,基于一定条件概率的计算,最终呈现病毒传播的预测结果,所有的应对策略均会作用在微观的病毒载体感染场上,通过病毒载体感染场的特征参数的变化影响病毒传播结果。基于上述机理的病毒传播预测和策略评估将更有现实的指导意义同时也更具有广泛地移植性。
发明内容
本发明的目的是提供一种基于场论的病毒传播预测方法,通过建立病毒感染场,基于微观因素和宏观因素,有效分析病毒感染场中的感染概率,能够做到准确预测病毒传播强度,分析防护措施的有效性。
为了达到上述目的,本发明提供一种基于场论的病毒传播预测方法,包含步骤:
S1、基于病毒存活的时间、空间范围建立病毒感染场的场强模型;
S2、基于未感染人员行动轨迹、在病毒感染场中暴露的时间计算该人员在病毒感染场的暴露当量;
S3、基于病毒感染场中所有未感染人员各自采取的防护措施,获取该病毒感染场中所有未感染人员的累积暴露当量;
S4、基于所述累积暴露当量计算未感染人员在接触病毒的前提下感染病毒的概率;
S5、基于所述接触病毒的前提下感染病毒的概率,以及病毒感染场中未感染人员、已感染人员各自是否采取防护措施、各自所采取防护措施的类型,计算得到微观因素影响下的病毒感染概率;
S6、基于所述微观因素影响下的病毒感染概率、病毒感染场是否采取公共防护措施及所采取公共防护措施的类型,计算得到宏观因素影响下的病毒感染概率。
可选的,步骤S1中,所述场强模型的表达式为:
C表示病毒的场强大小;基于环境的地面建立二维坐标系,(x,y)、(x0,y0)分别表示病毒、人在所述二维坐标系中的位置,t表示时间;f1(·)表示病毒的场强大小随病毒位置、时间变化的公式,k表示病毒存活的影响因子综合作用强度,σx(t)、σy(t)为在二维坐标系的x轴、y轴方向上,随着时间变化的病毒强度。
可选的,σx(t)、σy(t)服从Weibull分布,σx(t)、σy(t)的表达式为:
α为形状参数,λ为比例参数。
可选的,病毒存活的影响因子综合作用强度k的数学表达式为:
d表示病毒存活的影响因子总个数,ki表示第i个影响因子的作用强度;f2(·)表示k与ki的关系;λi为ki的权重因子。
可选的,步骤S2中:
当未感染人员与病毒保持相对静止,未感染人员的暴露当量Q为:
t1、t2为未感染人员进入、离开病毒感染场的时间,Δt=t2-t1;当未感染人员与病毒保持相对运动,未感染人员的暴露当量Q为:
Q=∫∫∫CΔtdxdydt。
可选的,步骤S3中累积暴露当量的计算公式为:
L所述累积暴露当量;wr为病毒感染场内未感染人员总数;Qi表示病毒感染场内第i个未感染人员的暴露当量,li表示该人员所采取的防护措施的措施系数。
可选的,步骤S4包含:
S41、计算暴露当量阈值R;
可选的,步骤S5中,若未感染人员周围的预设范围内包含I名已感染人员:
S51、场景一:当病毒感染场中,未感染人员采取防护措施,且所述I名已感染人员也采取防护措施;该未感染人员的微观因素影响下的病毒感染概率记为P1,
其中,a表示未感染人员所采取防护措施的类别,na表示未感染人员采取该类别防护措施的概率,Na表示采取第a类别防护措施的感染概率;bi表示所述I名已感染人员中的第i名未感染人员所采取防护措施的类别,Mbi表示该第i名未感染人员采取该类别防护措施的概率,mi表示采取第bi类别防护措施的感染概率;
S52、场景二:当病毒感染场中,未感染人员采取防护措施,且所述I名已感染人员未采取防护措施,该未感染人员的微观因素影响下的病毒感染概率记为P2,
S53、场景三:当病毒感染场中,未感染人员未采取防护措施,且所述I名已感染人员已采取防护措施,该未感染人员的微观因素影响下的病毒感染概率记为P3,
S54、场景四:当病毒感染场中,未感染人员未采取防护措施,且所述I名已感染人员未采取防护措施,该未感染人员的微观因素影响下的病毒感染概率记为P4,
可选的,步骤S6包含:
S61、若病毒感染场不采取公共防护措施:
S62、若病毒感染场采取公共防护措施,
其中,c表示病毒感染场所采取公共防护措施的类别,gc表示病毒感染场采取第c类别公共防护措施的概率,Gc表示采取第c类别公共防护措施的感染概率;
Pj′为场景j中,该未感染人员宏观因素影响下的病毒感染概率,j=1,2,3,4。
与现有技术相比,本发明的有益效果在于:
1)本发明基于场论的病毒传播预测方法,通过建立病毒感染场场强模型,得到未感染人员在病毒感染场中的暴露当量,进一步计算得到病毒感染场中所有未感染人员的累积暴露当量,通过该累积暴露当量计算未感染人员接触病毒的前提下感染病毒的概率;
2)本发明通过对病毒感染场中的未感染人员,及该未感染人员周围预设范围内的已感染人员进行微观因素(个人所采取的防护措施)影响下的感染概率分析;同时结合所述微观因素影响下的感染概率,分析了宏观因素(病毒感染场所采取的公共防护措施)影响下的病毒感染概率,能够对各类病毒的传播概率进行预测评估,不受应用场景限制,具有实际指导意义。
附图说明
为了更清楚地说明本发明技术方案,下面将对描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一个实施例,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为本发明基于场论的病毒传播预测方法流程图;
图2为单个病毒感染场的平面结构示意图;
图3为多个病毒感染场的平面结构示意图;
图4为病毒感染场场强的高斯曲面图;
图5为单个病毒载体感染场的暴露当量平面示意图;
图6为多个病毒载体感染场的暴露当量平面示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明从病毒的传播微观机理入手、以场论为理论依据建立病毒感染场;进一步构建病毒感染场的场强函数,计算未感染人群在感染场的累积暴露当量;基于个人采取的各类防护措施及病毒感染场所在环境采取公共防护措施,分析病毒传播概率,对病毒传播强度进行预测。
如图1所示,本发明提供一种基于场论的病毒传播预测方法,包含步骤:
S1、基于病毒存活的时间、空间范围建立病毒感染场的场强模型;
所述场强模型的表达式为:
C表示病毒的场强大小;基于环境的地面建立二维坐标系,(x,y)、(x0,y0)分别表示病毒、人在所述二维坐标系中的位置,t表示时间;f1(·)表示病毒的场强大小随病毒位置、时间变化的公式,k表示病毒存活的影响因子综合作用强度,σx(t)、σy(t)为在所述二维坐标系的x轴、y轴方向上,随着时间变化的病毒强度。
σx(t)、σy(t)服从Weibull分布,σx(t)、σy(t)的表达式为:
如图4所示的高斯曲面中,可以通过时间确定此刻病毒活性,再通过病毒载体与未感染人员的坐标计算出两者的距离,从而计算出此时此刻此地的病毒感染场场强。
病毒存活的影响因子综合作用强度k的数学表达式为:
d表示病毒存活的影响因子总个数,ki表示第i个影响因子的作用强度;f2(·)表示k与ki的关系;λi为ki的权重因子。所述影响因子包含温度、湿度、物体材质、紫外线、pH、病毒种类、载量等。
“场”的概念最初是用来描述物质对象之间的作用力,本发明中受到场论思想的启发,用数学作为工具,借鉴物理场的研究方法,考虑病毒特性,诸如病毒传播途径,传播距离和时效,建立病毒感染场(微观)。类同库伦定律,病毒与人之间的作用力与距离成反比,距离越远,作用力越小;距离越近,作用力越大。短程场作用更有利于揭示病毒感染场分布的凝聚特性,病毒感染场的作用范围必须在有限范围内迅速衰减。在充分考虑病毒特性以及病毒感染场内空间病毒传染的特性,高斯函数则可以满足迅速衰减的特性。如图2所示,以病毒投影为中心,感染半径为半径做圆,构建单个病毒载体的感染场,距离中心点越近,场强越大,距离中心点越远,场强越小。图3为不同影响因素下的多个载体的感染场相互叠加的平面示意图。
病毒感染场影响因素包含:
1)时间:
病毒活性随时间不断发生变化,场强也随之不断变化。
2)空间:
病毒感染场存在着感染半径,距离病毒越近,场强作用越明显。
3)其他因素:
病毒在无生命物体表面的存活时间受到一系列内在因素和外在因素的影响,外在因素包括温度、湿度、物体材质、紫外线、pH等,内在因素包括病毒种类、载量等。
S2、基于未感染人员行动轨迹、在病毒感染场中暴露的时间计算该人员在病毒感染场的暴露当量;
如图5所示,人员从进入病毒感染场开始直到离开,整个过程中因时空变化而引起暴露当量变化。在本发明的实施例中,当未感染人员与病毒保持相对静止,未感染人员的暴露当量Q为:
t1、t2为未感染人员进入、离开病毒感染场的时间,Δt=t2-t1;
在本发明的实施例中,当未感染人员与病毒保持相对运动,未感染人员的暴露当量Q为:
Q=∫∫∫CΔtdxdydt。 (5)
S3、基于病毒感染场中所有未感染人员各自采取的防护措施,获取该病毒感染场中所有未感染人员的累积暴露当量;
如图6所示,随着人员轨迹不断叠加,病毒感染场出现重合,暴露当量特发生累积,在本发明的实施例中,步骤S3中累积暴露当量的计算公式为:
L所述累积暴露当量;wr为病毒感染场内未感染人员总数;Qi表示病毒感染场内第i个未感染人员的暴露当量,li表示该人员所采取的防护措施的措施系数。
S4、基于所述累积暴露当量计算未感染人员在接触病毒的前提下感染病毒的概率;
步骤S4包含:
S41、计算暴露当量阈值R;
可选的,步骤S5中,若未感染人员周围的预设范围内包含I名已感染人员:
S5、基于所述接触病毒的前提下感染病毒的概率,以及病毒感染场中未感染人员、已感染人员各自是否采取防护措施、各自所采取防护措施的类型,计算得到微观因素影响下的病毒感染概率;
S51、场景一:当病毒感染场中,未感染人员采取防护措施,且所述I名已感染人员也采取防护措施;该未感染人员的微观因素影响下的病毒感染概率记为P1,
其中,a表示未感染人员所采取防护措施的类别(如戴口罩、穿防护服),na表示未感染人员采取该类别防护措施的概率,Na表示采取第a类别防护措施的感染概率;bi表示所述I名已感染人员中的第i名未感染人员所采取防护措施的类别,Mbi表示该第i名未感染人员采取该类别防护措施的概率,mi表示采取第bi类别防护措施的感染概率;
S52、场景二:当病毒感染场中,未感染人员采取防护措施,且所述I名已感染人员未采取防护措施,该未感染人员的微观因素影响下的病毒感染概率记为P2,
S53、场景三:当病毒感染场中,未感染人员未采取防护措施,且所述I名已感染人员已采取防护措施,该未感染人员的微观因素影响下的病毒感染概率记为P3,
S54、场景四:当病毒感染场中,未感染人员未采取防护措施,且所述I名已感染人员未采取防护措施,该未感染人员的微观因素影响下的病毒感染概率记为P4,
S6、基于所述微观因素影响下的病毒感染概率、病毒感染场是否采取公共防护措施及所采取公共防护措施的类型,计算得到宏观因素影响下的病毒感染概率。步骤S6包含:
S61、若病毒感染场不采取公共防护措施:
S62、若病毒感染场采取公共防护措施,
其中,c表示病毒感染场所采取公共防护措施的类别(如喷洒消毒液、采取隔离手段等),gc表示病毒感染场采取第c类别公共防护措施的概率,Gc表示采取第c类别公共防护措施的感染概率;
Pj′为场景j中,该未感染人员宏观因素影响下的病毒感染概率,j=1,2,3,4。
在本发明的实施例中,还进一步通过对现实环境中采集的病毒传播数据,验证本发明的病毒感染场模型,以及所述微观因素影响下、宏观因素影响下的病毒感染概率。实验证明,本发明基于场论的病毒传播预测方法不受应用场景限制,具有实际指导意义。
本发明基于场论的病毒传播预测方法,通过建立病毒感染场场强模型,得到未感染人员在病毒感染场中的暴露当量,进一步计算得到病毒感染场中所有未感染人员的累积暴露当量,通过该累积暴露当量计算未感染人员接触病毒的前提下感染病毒的概率。本发明通过对病毒感染场中的未感染人员,及该未感染人员周围预设范围内的已感染人员进行微观因素(个人所采取的防护措施)影响下的感染概率分析;同时结合所述微观因素影响下的感染概率,分析了宏观因素(病毒感染场所采取的公共防护措施)影响下的病毒感染概率,能够对各类病毒的传播概率进行预测评估。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种基于场论的病毒传播预测方法,其特征在于,包含步骤:
S1、基于病毒存活的时间、空间范围建立病毒感染场的场强模型;
S2、基于未感染人员行动轨迹、在病毒感染场中暴露的时间计算该人员在病毒感染场的暴露当量;
S3、基于病毒感染场中所有未感染人员各自采取的防护措施,获取该病毒感染场中所有未感染人员的累积暴露当量;
S4、基于所述累积暴露当量计算未感染人员在接触病毒的前提下感染病毒的概率;
S5、基于所述接触病毒的前提下感染病毒的概率,以及病毒感染场中未感染人员、已感染人员各自是否采取防护措施、各自所采取防护措施的类型,计算得到微观因素影响下的病毒感染概率;
S6、基于所述微观因素影响下的病毒感染概率、病毒感染场是否采取公共防护措施及所采取公共防护措施的类型,计算得到宏观因素影响下的病毒感染概率。
8.如权利要求7所述的基于场论的病毒传播预测方法,其特征在于,步骤S5中,若未感染人员周围的预设范围内包含I名已感染人员:
S51、场景一:当病毒感染场中,未感染人员采取防护措施,且所述I名已感染人员也采取防护措施;该未感染人员的微观因素影响下的病毒感染概率记为P1,
其中,a表示未感染人员所采取防护措施的类别,na表示未感染人员采取该类别防护措施的概率,Na表示采取第a类别防护措施的感染概率;bi表示所述I名已感染人员中的第i名未感染人员所采取防护措施的类别,Mbi表示该第i名未感染人员采取该类别防护措施的概率,mi表示采取第bi类别防护措施的感染概率;i∈[1,I];
S52、场景二:当病毒感染场中,未感染人员采取防护措施,且所述I名已感染人员未采取防护措施,该未感染人员的微观因素影响下的病毒感染概率记为P2,
S53、场景三:当病毒感染场中,未感染人员未采取防护措施,且所述I名已感染人员已采取防护措施,该未感染人员的微观因素影响下的病毒感染概率记为P3,
S54、场景四:当病毒感染场中,未感染人员未采取防护措施,且所述I名已感染人员未采取防护措施,该未感染人员的微观因素影响下的病毒感染概率记为P4,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110654458.9A CN113270202B (zh) | 2021-06-11 | 2021-06-11 | 一种基于场论的病毒传播预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110654458.9A CN113270202B (zh) | 2021-06-11 | 2021-06-11 | 一种基于场论的病毒传播预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113270202A true CN113270202A (zh) | 2021-08-17 |
CN113270202B CN113270202B (zh) | 2024-01-23 |
Family
ID=77234914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110654458.9A Active CN113270202B (zh) | 2021-06-11 | 2021-06-11 | 一种基于场论的病毒传播预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113270202B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2005039A1 (en) * | 1989-12-08 | 1991-06-08 | Randell L. Mills | Pharmaceuticals and apparatus providing diagnosis and selective tissue necrosis |
RU2003129726A (ru) * | 2003-10-08 | 2005-03-27 | ГУ Нижегородска государственна медицинска академи (RU) | Способ оценки индивидуального риска инфицирования инфекциями, передаваемыми половым путем |
JP2011128935A (ja) * | 2009-12-18 | 2011-06-30 | Noriaki Aoki | 感染症予測システム |
WO2012044922A1 (en) * | 2010-09-30 | 2012-04-05 | Duke University | Methods, systems and kits for predicting viral set point |
CN103390089A (zh) * | 2012-05-07 | 2013-11-13 | 中国人民解放军防化学院 | 一种具有控制变量的传染病疫情预测方法 |
AR095578A1 (es) * | 2014-03-17 | 2015-10-28 | Dow Agrosciences Llc | Marcadores unidos para la resistencia a nemátodos reniformes |
CN107731308A (zh) * | 2017-09-22 | 2018-02-23 | 电子科技大学 | 一种基于信息双反馈的sir模型传播阈值计算方法 |
KR101874994B1 (ko) * | 2017-04-05 | 2018-08-02 | 동국대학교 산학협력단 | 노로바이러스 감염병 발병 확률 예측 장치 및 방법 |
CN111383771A (zh) * | 2020-02-26 | 2020-07-07 | 汤一平 | 基于流行传染病病毒场的防控系统 |
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 |
CN111933299A (zh) * | 2020-08-14 | 2020-11-13 | 工银科技有限公司 | 传染病感染风险评估方法和装置、电子设备以及存储介质 |
CN112309582A (zh) * | 2020-11-03 | 2021-02-02 | 崔毅 | 一种基于居民活动出行数据的病毒传播预测方法 |
AU2020103842A4 (en) * | 2020-12-02 | 2021-02-11 | Bimal Kumar Mishra | A system and a method for analyzing and forecasting transmission of virus |
US20210145960A1 (en) * | 2014-08-18 | 2021-05-20 | Orgenesis Inc. | Prophylactic protection against viral infections, particularly hiv |
-
2021
- 2021-06-11 CN CN202110654458.9A patent/CN113270202B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2005039A1 (en) * | 1989-12-08 | 1991-06-08 | Randell L. Mills | Pharmaceuticals and apparatus providing diagnosis and selective tissue necrosis |
RU2003129726A (ru) * | 2003-10-08 | 2005-03-27 | ГУ Нижегородска государственна медицинска академи (RU) | Способ оценки индивидуального риска инфицирования инфекциями, передаваемыми половым путем |
JP2011128935A (ja) * | 2009-12-18 | 2011-06-30 | Noriaki Aoki | 感染症予測システム |
WO2012044922A1 (en) * | 2010-09-30 | 2012-04-05 | Duke University | Methods, systems and kits for predicting viral set point |
CN103390089A (zh) * | 2012-05-07 | 2013-11-13 | 中国人民解放军防化学院 | 一种具有控制变量的传染病疫情预测方法 |
AR095578A1 (es) * | 2014-03-17 | 2015-10-28 | Dow Agrosciences Llc | Marcadores unidos para la resistencia a nemátodos reniformes |
US20210145960A1 (en) * | 2014-08-18 | 2021-05-20 | Orgenesis Inc. | Prophylactic protection against viral infections, particularly hiv |
KR101874994B1 (ko) * | 2017-04-05 | 2018-08-02 | 동국대학교 산학협력단 | 노로바이러스 감염병 발병 확률 예측 장치 및 방법 |
CN107731308A (zh) * | 2017-09-22 | 2018-02-23 | 电子科技大学 | 一种基于信息双反馈的sir模型传播阈值计算方法 |
CN111383771A (zh) * | 2020-02-26 | 2020-07-07 | 汤一平 | 基于流行传染病病毒场的防控系统 |
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 |
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 |
CN111933299A (zh) * | 2020-08-14 | 2020-11-13 | 工银科技有限公司 | 传染病感染风险评估方法和装置、电子设备以及存储介质 |
CN112309582A (zh) * | 2020-11-03 | 2021-02-02 | 崔毅 | 一种基于居民活动出行数据的病毒传播预测方法 |
AU2020103842A4 (en) * | 2020-12-02 | 2021-02-11 | Bimal Kumar Mishra | A system and a method for analyzing and forecasting transmission of virus |
Non-Patent Citations (2)
Title |
---|
YUN KYUNG HAHN,等: "Effects of chronic HIV-1 Tat exposure in the CNS: heightened vulnerability of males versus females to changes in cell numbers, synaptic integrity, and behavior", BRAIN STRUCT FUNCT, vol. 220, no. 02, pages 605 - 623, XP035457017, DOI: 10.1007/s00429-013-0676-6 * |
马惠珠,等: "项目计算机辅助受理的研究方向与关键词――2012年度受理情况与2013年度注意事项", 电子与信息学报, vol. 35, no. 01, pages 228 - 254 * |
Also Published As
Publication number | Publication date |
---|---|
CN113270202B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gwynne et al. | A review of the methodologies used in evacuation modelling | |
Balakrishnan et al. | Deep Belief Network enhanced intrusion detection system to prevent security breach in the Internet of Things | |
CN112085010B (zh) | 一种基于图像识别的口罩检测和部署系统及方法 | |
Ramos et al. | A simple but complex enough θ-SIR type model to be used with COVID-19 real data. Application to the case of Italy | |
Tyagi et al. | Mathematical modeling and analysis for controlling the spread of infectious diseases | |
CN110414400A (zh) | 一种施工现场安全帽穿戴自动检测方法及系统 | |
CA2679716C (en) | Simulation cache to expedite complex modeling and simulation processes | |
Baba et al. | Optimal control model for the transmission of novel COVID-19 | |
Setayesh et al. | Edge detection using constrained discrete particle swarm optimisation in noisy images | |
CN109948439A (zh) | 一种活体检测方法、系统及终端设备 | |
Guhathakurata et al. | A new approach to predict COVID-19 using artificial neural networks | |
CN113806799B (zh) | 区块链平台安全强度评估方法及装置 | |
CN113270202A (zh) | 一种基于场论的病毒传播预测方法 | |
Kuikka | Modelling epidemic spreading in structured organisations | |
Cuevas et al. | Optimal evaluation of re-opening policies for COVID-19 through the use of metaheuristic schemes | |
Abbass | Pareto neuro-ensembles | |
Jeevitha et al. | Detection of Face Mask: A Systematic Approach | |
Saleh et al. | Using monkey optimization algorithm to detect neris botnet | |
Yongjun | Security design and application of Internet of things based on asymmetric encryption algorithm and neural network for COVID-19 | |
Gill et al. | Face Mask Detection Using ResNet50 Model and fine tuning it on various hyperactive parameters | |
Tricaud et al. | Optimal trajectories of mobile remote sensors for parameter estimation in distributed cyber-physical systems | |
CN111627564B (zh) | 用户检测模型的训练及检测方法、装置、设备和存储介质 | |
Hou et al. | The influence of an appropriate reporting time and publicity intensity on the spread of infectious diseases | |
CN114462495B (zh) | 一种脸部遮挡检测模型的训练方法及相关装置 | |
Yang et al. | Research on network security management monitoring platform based on Internet of things technology |
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 |