基于大数据人工智能的传染病协同递进监测预警应对方法技术

基于大数据人工智能的传染病协同递进监测预警应对方法，包括：传染病获取步骤；传染病监测步骤；用户预警步骤；部门预警步骤；数据更新步骤；应对跟踪步骤；监测强化训练步骤；个人预警强化训练步骤；部门预警强化训练步骤。上述方法、系统和机器人，将监测平台、预警平台、应对平台之间的信息对接起来，使得相互之间可以互通有无，相互印证和促进，使得监测平台可以根据应对平台的结果反馈进行监测平台的预测模型的强化训练，来逐步提高监测平台的预测模型的预测准确率，同时，根据应对平台的结果反馈进行预警平台的预警模型的强化训练，来逐步提高预警的效果。步提高预警的效果。步提高预警的效果。

【技术实现步骤摘要】
基于大数据人工智能的传染病协同递进监测预警应对方法


[0001]本专利技术涉及人工智能
，特别是涉及一种基于大数据人工智能的传染病协同递进监测预警应对方法。

技术介绍

[0002]在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：现有技术下，新发重大传染病的监测、预警、应对是密不可分的环节，但在实操过程中，特别是在新发重大传染病情紧张的情况下，监测、预警、应对这三个环节往往脱节，而且各个部门很容易各自为政、相互脱节。
[0003]因此，现有技术还有待于改进和发展。

技术实现思路

[0004]基于此，有必要针对现有技术的缺陷或不足，提供基于大数据人工智能的传染病协同递进监测预警应对方法，以解决现有技术中监测、预警、应对这三个环节脱节的问题。
[0005]第一方面，本专利技术实施例提供一种人工智能方法，所述方法包括：
[0006]传染病获取步骤：通过监测平台获取需要监测的传染病，作为目标传染病；
[0007]传染病监测步骤：通过监测平台获取怀疑感染了目标传染病的用户信息；怀疑感染了目标传染病的用户信息包括用户的身份或/和症状严重程度或/和监测结果的可信度；将怀疑感染了目标传染病的用户信息发送给预警平台；
[0008]用户预警步骤：通过预警平台根据怀疑感染了目标传染病的用户信息分析是否需要向用户预警，若需要预警，则通过预警平台发送预警信息建议怀疑感染了目标传染病的用户去医院检查；
[0009]部门预警步骤：通过预警平台根据怀疑感染了目标传染病的用户信息分析是否需要向部门预警，若需要预警，则通过预警平台发送预警信息通知怀疑感染了目标传染病的用户所在地相关部门进行跟踪；
[0010]数据更新步骤：通过监测平台更新各级部门的传染病监测统计数据；
[0011]应对跟踪步骤：通过应对平台获取用户和各级部门采取应对措施后产生的应对结果，并将结果反馈给监测平台和预警平台；
[0012]监测强化训练步骤：监测平台根据应对平台的结果反馈，对监测平台中的预测模型进行强化训练；
[0013]个人预警强化训练步骤：预警平台根据应对平台的结果反馈，对预警平台中的个人预警模型进行强化训练；
[0014]部门预警强化训练步骤：预警平台根据应对平台的结果反馈，对预警平台中的部门预警模型进行强化训练。
[0015]优选地，所述应对跟踪步骤具体包括：
[0016]通过应对平台获取怀疑感染了目标传染病的用户去医院检查的结果，若结果为确
诊感染了目标传染病，则向监测平台发送所述怀疑感染了目标传染病的用户监测结果的确认信息，向预警平台发送所述怀疑感染了目标传染病的用户预警的确认信息；若结果为确诊没有感染目标传染病，则向监测平台发送所述怀疑感染了目标传染病的用户监测结果的否认信息，向预警平台发送所述怀疑感染了目标传染病的用户预警的否认信息。
[0017]优选地，所述监测强化训练步骤具体包括：
[0018]通过监测平台将确认信息中包含的确诊感染了目标传染病的用户的数据和确认感染了目标传染病作为输入和预期输出对监测平台中的传染病预测模型进行有监督训练；通过监测平台将否认信息中包含的确诊没有感染目标传染病的用户的数据和确认没有感染目标传染病作为输入和预期输出对监测平台中的传染病预测模型进行有监督训练；所述传染病预测模型包括深度学习神经网络模型或卷积神经网络模型或其他神经网络模型或机器学习模型。
[0019]优选地，
[0020]个人预警强化训练步骤具体包括：通过预警平台将确认信息中包含的确诊感染了目标传染病的用户的数据和确认需要对所述用户进行预警作为输入和预期输出对预警平台中的传染病个人预警模型进行有监督训练；通过预警平台将否认信息中包含的确诊没有感染目标传染病的用户的数据和确认不需要对所述用户进行预警作为输入和预期输出对预警平台中的传染病个人预警模型进行有监督训练；所述传染病个人预警模型包括深度学习神经网络模型或卷积神经网络模型或其他神经网络模型或机器学习模型；
[0021]部门预警强化训练步骤具体包括：若预警平台收到了属于同一个部门在预设连续时长内超过预设数量的怀疑感染了目标传染病的用户预警的确认信息，则将所述在预设连续时长内的怀疑感染了目标传染病的用户的数据和确认需要对所述部门进行预警作为输入和预期输出对预警平台中的传染病部门预警模型进行有监督训练；若预警平台没收到属于同一个部门在预设连续时长内超过预设数量的怀疑感染了目标传染病的用户预警的确认信息，则将所述在预设连续时长内的怀疑感染了目标传染病的用户的数据和确认不需要对所述部门进行预警作为输入和预期输出对预警平台中的传染病部门预警模型进行有监督训练；所述传染病部门预警模型包括深度学习神经网络模型或卷积神经网络模型或其他神经网络模型或机器学习模型。
[0022]优选地，所述方法还包括：
[0023]就医预警阈值调节步骤：通过应对平台获取在最近预设时长内应对过程中资源是否紧张的信息，若是，则通过预警平台提高用户个人就医预警的阈值；若否，则通过预警平台降低用户个人就医预警的阈值；
[0024]个性化预警步骤：若通过预警平台根据怀疑感染了目标传染病的用户信息分析需要向用户预警，但未达到就医预警阈值，则建议所述用户自己在家隔离或在家治疗；若通过预警平台根据怀疑感染了目标传染病的用户信息分析需要向用户预警，且达到了就医预警阈值，则建议所述用户去医院检查和治疗；
[0025]数据变化检测步骤：在监测平台、预警平台和应对平台各自设置变化标志字段，每一平台通过检测自己和其他平台的变化标志字段来检测变化标志字段对应的数据的变化。
[0026]优选地，所述方法还包括：
[0027]层层递进监测步骤：通过监测平台根据个人、家属和不同部门的层级关系和管辖
范围，逐层向上汇总或更新数据，并在每一层通过大数据技术统计、汇总、分析、挖掘出所述每一层的关键特征数据，并发送给所述每一层对应的个人、家属或各级部门；
[0028]层层递进预警步骤：通过预警平台根据个人和不同部门的层级关系和管辖范围，将根据个人、家属和不同部门的关键特征数据确定是否向对应的个人、家属、各级部门发送预警信息以及发送预警信息的内容；
[0029]层层递进应对步骤：通过应对平台根据个人和不同部门的层级关系和管辖范围，并根据个人、家属和不同部门的关键特征数据向对应的个人和不同部门推荐不同的应对建议；
[0030]局部增量更新步骤：在更新监测数据、预警数据、应对数据时，个人和不同部门的数据的变化时，每层只需将变化的部分发送到更高的层次进行更新。
[0031]优选地，层层递进监测步骤具体包括：
[0032]通过监测平台采用大数据多层MAP
‑
REDUCE递进汇总或更新的方式，首先对用户监测数据进行关键特征数据的挖掘提取，然后将各用户监测数据汇总或更新到该用户所在部门或社区，并对所述部门或社区的数据进行关键特征数据的挖掘提取，然后将各部本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人工智能方法，其特征在于，所述方法包括：传染病获取步骤：通过监测平台获取需要监测的传染病，作为目标传染病；传染病监测步骤：通过监测平台获取怀疑感染了目标传染病的用户信息；怀疑感染了目标传染病的用户信息包括用户的身份或/和症状严重程度或/和监测结果的可信度；将怀疑感染了目标传染病的用户信息发送给预警平台；用户预警步骤：通过预警平台根据怀疑感染了目标传染病的用户信息分析是否需要向用户预警，若需要预警，则通过预警平台发送预警信息建议怀疑感染了目标传染病的用户去医院检查；部门预警步骤：通过预警平台根据怀疑感染了目标传染病的用户信息分析是否需要向部门预警，若需要预警，则通过预警平台发送预警信息通知怀疑感染了目标传染病的用户所在地相关部门进行跟踪；数据更新步骤：通过监测平台更新各级部门的传染病监测统计数据；应对跟踪步骤：通过应对平台获取用户和各级部门采取应对措施后产生的应对结果，并将结果反馈给监测平台和预警平台；监测强化训练步骤：监测平台根据应对平台的结果反馈，对监测平台中的预测模型进行强化训练；个人预警强化训练步骤：预警平台根据应对平台的结果反馈，对预警平台中的个人预警模型进行强化训练；部门预警强化训练步骤：预警平台根据应对平台的结果反馈，对预警平台中的部门预警模型进行强化训练。2.根据权利要求1所述的人工智能方法，其特征在于，所述应对跟踪步骤具体包括：通过应对平台获取怀疑感染了目标传染病的用户去医院检查的结果，若结果为确诊感染了目标传染病，则向监测平台发送所述怀疑感染了目标传染病的用户监测结果的确认信息，向预警平台发送所述怀疑感染了目标传染病的用户预警的确认信息；若结果为确诊没有感染目标传染病，则向监测平台发送所述怀疑感染了目标传染病的用户监测结果的否认信息，向预警平台发送所述怀疑感染了目标传染病的用户预警的否认信息。3.根据权利要求1所述的人工智能方法，其特征在于，所述监测强化训练步骤具体包括：通过监测平台将确认信息中包含的确诊感染了目标传染病的用户的数据和确认感染了目标传染病作为输入和预期输出对监测平台中的传染病预测模型进行有监督训练；通过监测平台将否认信息中包含的确诊没有感染目标传染病的用户的数据和确认没有感染目标传染病作为输入和预期输出对监测平台中的传染病预测模型进行有监督训练；所述传染病预测模型包括深度学习神经网络模型或卷积神经网络模型或其他神经网络模型或机器学习模型。4.根据权利要求1所述的人工智能方法，其特征在于，个人预警强化训练步骤具体包括：通过预警平台将确认信息中包含的确诊感染了目标传染病的用户的数据和确认需要对所述用户进行预警作为输入和预期输出对预警平台中的传染病个人预警模型进行有监督训练；通过预警平台将否认信息中包含的确诊没有感染目标传染病的用户的数据和确认不需要对所述用户进行预警作为输入和预期输出对预警
平台中的传染病个人预警模型进行有监督训练；所述传染病个人预警模型包括深度学习神经网络模型或卷积神经网络模型或其他神经网络模型或机器学习模型；部门预警强化训练步骤具体包括：若预警平台收到了属于同一个部门在预设连续时长内超过预设数量的怀疑感染了目标传染病的用户预警的确认信息，则将所述在预设连续时长内的怀疑感染了目标传染病的用户的数据和确认需要对所述部门进行预警作为输入和预期输出对预警平台中的传染病部门预警模型进行有监督训练；若预警平台没收到属于同一个部门在预设连续时长内超过预设数量的怀疑感染了目标传染病的用户预警的确认信...

【专利技术属性】
技术研发人员：朱定局，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：