一种提高疫情防控精度的方法、装置、电子设备及介质制造方法及图纸

本申请涉及疫情防控的领域，尤其是涉及一种提高疫情防控精度的方法、装置、电子设备及介质。其方法包括：获取过去预设时间段内的疫情灾害信息，然后对疫情灾害信息进行分析，确定时间序列长度，得到第一疫情矩阵数据，然后将第一疫情矩阵数据输入至训练好的疫情预测模型进行向量特征提取，得到疫情特征维度数量，并将得到的疫情特征维度数量与第一疫情矩阵数据进行数据结合处理，生成第二疫情矩阵数据，然后对第二疫情矩阵数据中所包含的数据进行数据处理，得到疫情灾害数据，并将得到的疫情灾害数据进行数据推算，生成不同区域对应的类型组合数量中每种组合在未来预设时间段内的疫情发生量，本申请具有提高疫情防控准确度的效果。的效果。的效果。

【技术实现步骤摘要】
一种提高疫情防控精度的方法、装置、电子设备及介质


[0001]本申请涉及疫情防控的领域，尤其是涉及一种提高疫情防控精度的方法、装置、电子设备及介质。

技术介绍

[0002]目前，对于传染病传播的防控多采用仓室模型的机理防控法，仓室模型诞生于19世纪，是以感染者数量研究对象，根据传播机理建立微分方程模型，通过分析最终得到感染者数量与时间的函数关系，从此函数关系中可以得到疫情什么时间进入高爆发期，什么时间能够到达峰值，什么时间可以进入稳定可控阶段，根据不同的传播机理一般常用的仓室模型有SIS,SIR,SIRS,SEIR等模型。
[0003]针对于上述相关技术，专利技术人认为在某区域发生疫情时，虽然可以对该区域的疫情时间以及疫情人数进行预测防控，但难以根据疫情区域的人员流动对其他地区的疫情进行防控，从而存在降低疫情防控精度的缺陷。

技术实现思路

[0004]为了提高疫情防控的准确度，本申请提供一种提高疫情防控精度的方法、装置、电子设备及介质。
[0005]第一方面，本申请提供一种提高疫情防控精度的方法，采用如下的技术方案：一种提高疫情防控精度的方法，包括：获取过去预设时间段内的疫情灾害信息，所述疫情灾害信息为不同区域对应的实际防疫政策信息、确诊人员的行动轨迹信息以及与所述行动轨迹信息相匹配的不同人群类型所发生过的疫情信息；对所述疫情灾害信息进行分析，确定所述疫情灾害信息中不同人群类型的类型组合数量以及所述类型组合数量中每个类型组合对应的时间序列长度，并基于所述时间序列长度以及所述类型组合数量对所述疫情灾害信息进行无监督时间序列数据整理，得到第一疫情矩阵数据；将所述第一疫情矩阵数据输入至训练好的疫情预测模型进行向量特征提取，得到疫情特征维度数量，并将得到的所述疫情特征维度数量与所述第一疫情矩阵数据进行数据结合处理，生成第二疫情矩阵数据；对所述第二疫情矩阵数据中所包含的数据进行数据处理，得到疫情灾害数据，并将得到的所述疫情灾害数据输入至预设算法模型中进行数据推算，生成所述不同区域对应的所述类型组合数量中每种组合在未来预设时间段内的疫情发生量。
[0006]通过采用上述技术方案，在对不同区域的疫情进行防控时，通过对不同区域对应的实际防疫政策信息、确诊人员的行动轨迹信息以及与行动轨迹信息相匹配的不同人群类型所发生过的疫情信息进行采集，得到疫情灾害信息，然后对疫情灾害信息进行分析，获取疫情灾害信息中的不同人群类型的类型组合数量以及类型组合数量中每个类型组合对应的时间序列长度，其中，时间序列长度与类型组合数量是一一对应的关系，然后根据时间序
列长度以及类型组合数量对疫情灾害信息进行无监督时间序列数据整理，得到第一疫情矩阵数据，然后将第一疫情矩阵数据输入至训练好的疫情预测模型进行向量特征提取，得到疫情特征维度数量，并将得到的疫情特征维度数量与第一疫情矩阵数据进行数据结合处理，生成第二疫情矩阵数据，然后对第二疫情矩阵数据中所包含的数据进行一一处理，得到疫情灾害数据，将疫情灾害数据输入至预设算法模型中进行数据推算，生成类型组合数量中每个类型组合在未来预设时间段内的疫情发生量，工作人员根据实际需求设置过去预设时间段以及未来预设时间段，以获取在未来预设时间段内的不同区域对应的类型组合数量中每种组合的疫情发生量，便于后续疫情防控人员根据对不同区域未来的疫情发生量进行疫情防控，从而达到了提高疫情防控准确度的效果。
[0007]在另一种可能实现的方式中，对所述疫情灾害信息进行分析，确定所述疫情灾害信息中不同人群类型的类型组合数量以及所述类型组合数量中每个类型组合对应的时间序列长度，包括：基于所述疫情灾害信息确定所述不同区域的疫情情处理数据；分别对所述疫情处理数据进行标签获取，得到每组疫情处理数据中的人群组合数据以及处理时间数据；根据所述处理时间数据确定所述疫情处理数据是否处理完结，若未处理完结，则将所述疫情处理数据进行数据瓦解，若处理完结，则将所述人群组合数据与所述处理时间数据进行对应绑定，得到疫情绑定数据；对所述疫情绑定数据进行人群组合类型筛选，得到所述疫情灾害信息中不同人群类型的类型组合数量以及所述类型组合数量中每个类型组合对应的时间序列长度。
[0008]通过上述技术方案，在对疫情灾害信息进行分析时，获取疫情灾害信息中的至少一组疫情处理数据，然后分别对每组疫情处理数据进行标签获取，得到每组疫情处理数据中的人群组合数据以及处理时间数据，然后判断处理时间数据是否处理完结，即截止到目前为止，当前的疫情处理数据的处理状态是否仍在处理中，若未处理完结，则将疫情处理数据进行数据瓦解，不将该疫情处理数据计入到疫情灾害信息中，若处理完结，则将所述人群组合数据与所述处理时间数据进行对应绑定，得到疫情绑定数据，随后对疫情绑定数据进行类型组合类型筛选，以得到类型组合数量以及时间序列长度，通过将未处理完结的疫情处理数据进行瓦解，提高了疫情灾害信息的准确性。
[0009]在另一种可能实现的方式中，将所述第一疫情矩阵数据输入至训练好的疫情预测模型进行向量特征提取，得到疫情特征维度数量，包括：基于所述第一疫情矩阵数据确定所述疫情灾害信息中每个疫情事件的事件时间、确诊人员信息、密接人员信息、事件地点以及与所述事件地点对应防疫政策；分别将所述事件时间、所述确诊人员信息、所述密接人员信息、所述事件地点以及与所述防疫政策输入至所述疫情预测模型进行向量提取，得到与所述事件时间对应的时间特征向量、与所述确诊人员信息、所述密接人员信息以及所述防疫政策信息对应的文本特征向量以及与所述事件地点对应的位置特征向量；对所述时间特征向量、所述文本特征向量以及所述位置特征向量进行数量统计，得到所述疫情特征维度数量。
[0010]通过上述技术方案，在对疫情特征维度数量进行获取时，根据第一疫情矩阵数据
确定疫情灾害信息中每个疫情事件的事件时间、确诊人员信息、密接人员信息、事件地点以及与事件地点对应防疫政策，然后分别将事件时间、确诊人员信息、密接人员信息、事件地点以及防疫政策输入至疫情预测模型中进行向量提取，得到与事件时间对应的时间特征向量、与确诊人员信息、密接人员信息以及防疫政策信息对应的文本特征向量以及与事件地点对应的位置特征向量，然后通过对文本特征向量、时间特征向量以及位置特征向量进行数量统计，得到疫情特征维度数量，分别对疫情灾害信息中每个疫情事件的特征维度进行统计，达到了提高疫情特征维度数量的准确度的效果。
[0011]在另一种可能实现的方式中，所述将得到的所述疫情特征维度数量与所述第一疫情矩阵数据进行数据结合处理，生成第二疫情矩阵数据，包括：将所述疫情特征维度数量与所述第一疫情矩阵数据进行整合，生成疫情维度矩阵数据；对所述疫情维度矩阵数据进行基本数据分布探查，获取所述疫情灾害信息中危害事件发生的相对周期性规律，并基于所述相对周期性规律确定时间周期长度；基于所述时间周期长度对所述疫情维度矩阵数据进行有监督时间序列数据整理，得到疫情预测矩阵数据；基于所述疫情预测矩阵数据对未来预设时间段内的疫情发生趋势进行预测，生成第二疫情矩阵数据。
...

【技术保护点】

【技术特征摘要】
1.一种提高疫情防控精度的方法，其特征在于，包括获取过去预设时间段内的疫情灾害信息，所述疫情灾害信息为不同区域对应的实际防疫政策信息、确诊人员的行动轨迹信息以及与所述行动轨迹信息相匹配的不同人群类型所发生过的疫情信息；对所述疫情灾害信息进行分析，确定所述疫情灾害信息中不同人群类型的类型组合数量以及所述类型组合数量中每个类型组合对应的时间序列长度，并基于所述时间序列长度以及所述类型组合数量对所述疫情灾害信息进行无监督时间序列数据整理，得到第一疫情矩阵数据；将所述第一疫情矩阵数据输入至训练好的疫情预测模型进行向量特征提取，得到疫情特征维度数量，并将得到的所述疫情特征维度数量与所述第一疫情矩阵数据进行数据结合处理，生成第二疫情矩阵数据；对所述第二疫情矩阵数据中所包含的数据进行数据处理，得到疫情灾害数据，并将得到的所述疫情灾害数据输入至预设算法模型中进行数据推算，生成所述不同区域对应的所述类型组合数量中每种组合在未来预设时间段内的疫情发生量。2.根据权利要求1所述的方法，其特征在于，对所述疫情灾害信息进行分析，确定所述疫情灾害信息中不同人群类型的类型组合数量以及所述类型组合数量中每个类型组合对应的时间序列长度，包括：基于所述疫情灾害信息确定所述不同区域的疫情情处理数据；分别对所述疫情处理数据进行标签获取，得到每组疫情处理数据中的人群组合数据以及处理时间数据；根据所述处理时间数据确定所述疫情处理数据是否处理完结，若未处理完结，则将所述疫情处理数据进行数据瓦解，若处理完结，则将所述人群组合数据与所述处理时间数据进行对应绑定，得到疫情绑定数据；对所述疫情绑定数据进行人群组合类型筛选，得到所述疫情灾害信息中不同人群类型的类型组合数量以及所述类型组合数量中每个类型组合对应的时间序列长度。3.根据权利要求1所述的方法，其特征在于，将所述第一疫情矩阵数据输入至训练好的疫情预测模型进行向量特征提取，得到疫情特征维度数量，包括：基于所述第一疫情矩阵数据确定所述疫情灾害信息中每个疫情事件的事件时间、确诊人员信息、密接人员信息、事件地点以及与所述事件地点对应防疫政策；分别将所述事件时间、所述确诊人员信息、所述密接人员信息、所述事件地点以及与所述防疫政策输入至所述疫情预测模型进行向量提取，得到与所述事件时间对应的时间特征向量、与所述确诊人员信息、所述密接人员信息以及所述防疫政策信息对应的文本特征向量以及与所述事件地点对应的位置特征向量；对所述时间特征向量、所述文本特征向量以及所述位置特征向量进行数量统计，得到所述疫情特征维度数量。4.根据权利要求1所述的方法，其特征在于，所述将得到的所述疫情特征维度数量与所述第一疫情矩阵数据进行数据结合处理，生成第二疫情矩阵数据，包括：将所述疫情特征维度数量与所述第一疫情矩阵数据进行整合，生成疫情维度矩阵数据；
对所述疫情维度矩阵数据进行基本数据分布探查，获取所述疫情灾害信息中危害事件发生的相对周期性规律，并基于所述相对周期性规律确定时间周期长度；基于所述时间周期长度对所述疫情维度矩阵数据进行有监督时间序列数据整理，得到疫情预测矩阵数据；基于所述疫情预测矩阵数据对未来预设时间段内的疫情发生趋势进行预测，生成第二疫情矩阵数据。5.根据权利要求1所述...

【专利技术属性】
技术研发人员：韩建明，李瑞金，吴晓春，贾严，
申请(专利权)人：中科同昌万锦信息技术股份有限公司，
类型：发明
国别省市：