System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及传染病预测,尤其是指一种基于社会网络的传染病预测方法与系统、存储介质和设备。
技术介绍
1、建立准确的传染病传播模型进行预测与防控策略评估,可以为制定精准防控措施提供依据。目前传染病的预测方法中,大多使用传染病动力学建模,在现有的动力学模型中,最具代表性的是sir、sirs、seir等经典模型。但是这些传统的动力学模型主要是针对均匀的混合人群,即考虑所有个体的接触都是等可能的,忽略了个体之间接触过程的差异,假设所有易感者以同样的概率被感染,因此无法描述具有显著异质性的社会网络中的传染过程,并且此对疫情的预测不够准确。而且国内已有的传染病预测系统主要是基于某一特定传染病,不能同时适用于其他传染病,并且是基于传染病的动力学模型方法,预测其他传染病时,预测效果误差大;目前的预测方法中,大多都是预测理论的结果,而现实生活中往往会实施干预措施,干预措施往往会大大的影响预测结果,目前的方法大多无法反映干预后的预测结果,实用性不大。
技术实现思路
1、为此,本专利技术所要解决的技术问题在于克服现有技术中无法描述具有显著异质性的社会网络中的传染过程,只适合于单种传染病的预测,预测效率低,效果差,准确率低,无法根据实际的情况进行实时更新。
2、为解决上述技术问题,本专利技术提供了一种基于社会网络的传染病预测方法与系统、存储介质和设备,基于社会接触网络模型,充分考虑个体之间接触过程的差异,描述真实的传播情况,通过设置seirs动力学模型中不同的参数值,对应预测不同的传染病,并
3、为了达到上述目的,本专利技术采用的主要技术方案包括:
4、第一方面,本专利技术提供一种基于社会网络的传染病预测方法,包括:获取预测地区的传染病的数据、人口统计数据、模拟时间和干预措施数据;根据所述人口统计数据生成所述预测地区的社会接触网络模型;根据所述传染病数据得到预设传染病预测模型;根据所述传染病的数据和所述模拟时间,在所述社会接触网络模型中模拟所述传染病预测模型,得到预测结果;根据所述干预措施数据更新所述社会接触网络模型,得到更新后的社会接触网络模型;根据所述传染病的数据和所述模拟时间,在所述更新后的社会接触网络模型中模拟所述预设传染病预测模型,得到干预后的预测结果。
5、在本专利技术的一个实施例中,所述传染病的数据包括初始不同状态下的人数;所述状态包括:感染状态、暴露状态、康复状态和死亡状态。
6、在本专利技术的一个实施例中,所述预测结果包括:在所述模拟时间内,不同时间下所述感染状态、暴露状态、康复状态和死亡状态的人数。
7、在本专利技术的一个实施例中,根据所述人口统计数据生成所述预测地区的社会接触网络模型的具体步骤包括:获取预设初始社会接触网络模型;其中,所述预设初始社会接触网络模型包括多个社会接触网络模型参数;所述社会接触网络模型参数包括:预测地区的总人数、预测地区人群的年龄分布、预测地区的家庭规模分布、预测地区的家庭年龄内部年龄构成、预测地区每个年龄层平均每天接触人数和社交距离参数;根据所述人口统计数据为所述社会接触网络模型参数赋值;基于赋值后的所述社会接触网络模型参数得到所述预测地区的社会接触网络模型。
8、在本专利技术的一个实施例中,根据所述干预措施数据更新所述社会接触网络模型,得到更新后的社会接触网络模型的具体步骤包括:根据所述干预措施数据设置所述社交距离参数;基于所述社交距离参数得到所述更新后的社会接触网络模型。
9、在本专利技术的一个实施例中,根据所述传染病数据得到预设传染病预测模型的具体步骤包括:根据所述传染病的数据确认所述传染病的类型;根据所述传染病的类型获取与所述传染病的类型对应的预设传染病预测模型;其中,所述预设传染病预测模型包括多个传染病预测模型参数,所述传染病预测模型参数包括感染率、进展率、恢复率、再易感染率、病死率、自然再生数、初始感染人数、初始暴露人数、初始康复人数、初始死亡人数和预测时间。
10、在本专利技术的一个实施例中,所述预设传染病预测模型为seirs动力学模型。
11、第二方面,本专利技术提供一种基于社会网络的传染病预测系统,包括:
12、获取模块,用于获取预测地区的传染病的数据、人口统计数据、模拟时间和干预措施数据;
13、社会接触网络模型生成模块,用于根据所述人口统计数据生成所述预测地区的社会接触网络模型;
14、传染病预测模型生成模块,用于根据所述传染病数据得到预设传染病预测模型;
15、第一预测模块,用于根据所述传染病的数据和所述模拟时间,在所述社会接触网络模型中模拟所述传染病预测模型,得到预测结果;
16、第二预测模块,用于根据所述干预措施数据更新所述社会接触网络模型,得到更新后的社会接触网络模型;根据所述传染病的数据和所述模拟时间,在所述更新后的社会接触网络模型中模拟所述预设传染病预测模型,得到干预后的预测结果。
17、第三方面,本专利技术提供一种计算机可读存储介质,其上存储有计算机程序,所述程序执行时实现上述第一方面中任一项所述基于社会网络的传染病预测方法。
18、第四方面,本专利技术提供一种存储设备,包括存储介质和处理器,所述存储介质存储有计算机程序,所述程序被处理器执行时实现上述第一方面中任一项所述基于社会网络的传染病预测方法。本专利技术的上述技术方案相比现有技术具有以下有益效果:
19、本专利技术所述的基于社会网络的传染病预测方法与系统、存储介质和设备,根据预测地区的实际数据生成社会接触网络模型,生成的社会接触网络模型不仅可以准确的描述出个体之间接触的差异,还使得预测结果更加贴近真实世界中传染病的传播情况,并且在社会接触网络模型中模拟seirs动力学模型,结合seirs动力学模型预测精度高的特点使得本申请得到的预测结果更加准确;本申请通过根据不同传染病的特性科学设置seirs动力学模型中的模型参数,得到与传染病对应的预设传染病预测模型,来准确的预测不同的传染病,提高预测的效率和准确率;而且本申请根据现实中的干预措施更新社会接触网络模型,使得更新后的社会接触网络准确描述存在干预措施下的现实世界,通过预设传染病预测模型进行预测得到的预测结果可以根据现实情况的改变而更新,可以前瞻性的评估防控措施的干预效果,为制定精准防控措施提供科学依据。
本文档来自技高网...【技术保护点】
1.一种基于社会网络的传染病预测方法,其特征在于:
2.根据权利要求1所述的基于社会网络的传染病预测方法,其特征在于:
3.根据权利要求2所述的基于社会网络的传染病预测方法,其特征在于:
4.根据权利要求1所述的基于社会网络的传染病预测方法,其特征在于,根据所述人口统计数据生成所述预测地区的社会接触网络模型的具体步骤包括:
5.根据权利要求4所述的基于社会网络的传染病预测方法,其特征在于,根据所述干预措施数据更新所述社会接触网络模型,得到更新后的社会接触网络模型的具体步骤包括:
6.根据权利要求1所述的基于社会网络的传染病预测方法,其特征在于,根据所述传染病数据得到预设传染病预测模型的具体步骤包括:
7.根据权利要求6所述的基于社会网络的传染病预测方法,其特征在于:
8.一种基于社会网络的传染病预测系统,其特征在于,包括:
9.一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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述基于社会网络的传染病预测方法。
...
【技术特征摘要】
1.一种基于社会网络的传染病预测方法,其特征在于:
2.根据权利要求1所述的基于社会网络的传染病预测方法,其特征在于:
3.根据权利要求2所述的基于社会网络的传染病预测方法,其特征在于:
4.根据权利要求1所述的基于社会网络的传染病预测方法,其特征在于,根据所述人口统计数据生成所述预测地区的社会接触网络模型的具体步骤包括:
5.根据权利要求4所述的基于社会网络的传染病预测方法,其特征在于,根据所述干预措施数据更新所述社会接触网络模型,得到更新后的社会接触网络模型的具体步骤包括:
6.根据权利要求1所述的基于社会网络的传...
【专利技术属性】
技术研发人员:孙宏鹏,王从菊,王梦茹,归国平,郭锋,查日胜,
申请(专利权)人:苏州大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。