创建预测模型的方法和装置与流程

1.本发明涉及互联网技术领域，具体而言，涉及一种创建预测模型的方法和装置。


背景技术：

2.非洲猪瘟(asfv)是一种非常严重的动物疫病。其特点是发病段，最急性和急性感染死亡率高达100％。目前中国已经受到非洲猪瘟重创。因为没有疫苗，根除asf的唯一可用方法是处置场中所有感染的和可能感染的猪。但是这种方法缺乏科学依据，经常导致猪厂中100％的猪被清除。这给养猪业务造成极大损失。精准剔除方案是养猪业常用的一种减少非洲猪瘟影响的方案。但是该方案在实际操作中通常以经验为参考来完成剔除猪的决策，缺乏科学方法做预测和验证。
3.行业内传统的做法是，学术界广泛使用流行病动力学模型进行疾病预测，流行病动力学模型参数往往需要专家经验给出，导数参数往往更加主观，不具有很强客观性。
4.针对上述由于现有技术中缺乏针对猪瘟的客观预测方案，导致的应对猪瘟预防机制的低效的问题，目前尚未提出有效的解决方案。


技术实现要素：

5.本发明实施例提供了一种创建预测模型的方法和装置，以至少解决由于现有技术中缺乏针对猪瘟的客观预测方案，导致的应对猪瘟预防机制的低效的技术问题。
6.根据本发明实施例的一个方面，提供了一种配置数据预测模型的方法，包括：依据获取到的目标对象的状态信息建立流行病动力学模型；依据流行病动力学模型建立目标方程；依据目标方程创建目标预测模型。
7.可选的，在依据获取到的目标对象的状态信息建立流行病动力学模型之前，该方法还包括：获取目标对象的状态信息。
8.进一步地，可选的，状态信息包括：目标对象的每日状态信息，其中，每日状态信息包括：易感类、潜伏类、染病类和移除类。
9.可选的，依据获取到的目标对象的状态信息建立流行病动力学模型包括：依据状态信息中易感类、潜伏类、染病类和移除类建立流行病动力学模型。
10.进一步地，可选的，依据流行病动力学模型建立目标方程包括：设置初始值，其中，初始值包括：易感类初始值、潜伏类初始值、染病类初始值和移除类初始值；将易感类初始值、潜伏类初始值、染病类初始值和移除类初始值输入流行病动力学模型进行计算，得到第一数值；依据第一数值和真实病猪数量进行计算，得到目标方程。
11.可选的，依据目标方程创建目标预测模型包括：依据目标方程通过最小二乘法进行计算，得到对应的权重值；依据权重值和流行病动力学模型进行计算，得到目标预测模型。
12.根据本发明实施例的另一方面，还提供了一种配置数据预测模型的装置，包括：第一模型建立模块，用于依据获取到的目标对象的状态信息建立流行病动力学模型；方程建
立模块，用于依据流行病动力学模型建立目标方程；第二模型建立模块，用于依据目标方程创建目标预测模型。
13.可选的，该装置还包括：获取模块，用于在依据获取到的目标对象的状态信息建立流行病动力学模型之前，获取目标对象的状态信息。
14.进一步地，可选的，状态信息包括：目标对象的每日状态信息，其中，每日状态信息包括：易感类、潜伏类、染病类和移除类。
15.可选的，第一模型建立模块包括：第一模型建立单元，用于依据状态信息中易感类、潜伏类、染病类和移除类建立流行病动力学模型。
16.进一步地，可选的，方程建立模块包括：设置单元，用于设置初始值，其中，初始值包括：易感类初始值、潜伏类初始值、染病类初始值和移除类初始值；第一计算单元，用于将易感类初始值、潜伏类初始值、染病类初始值和移除类初始值输入流行病动力学模型进行计算，得到第一数值；第二计算单元，用于依据第一数值和真实病猪数量进行计算，得到目标方程。
17.可选的，第二模型建立模块包括：第三计算单元，用于依据目标方程通过最小二乘法进行计算，得到对应的权重值；第二模型建立单元，用于依据权重值和流行病动力学模型进行计算，得到目标预测模型。
18.在本发明实施例中，通过依据获取到的目标对象的状态信息建立流行病动力学模型；依据流行病动力学模型建立目标方程；依据目标方程创建目标预测模型，达到了自动化求解流行病动力学模型的目的，从而实现了基于数据自动化求解模型参数，更加客观的技术效果，进而解决了由于现有技术中缺乏针对猪瘟的客观预测方案，导致的应对猪瘟预防机制的低效的技术问题。
附图说明
19.此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
20.图1是根据本发明实施例的创建预测模型的方法的流程示意图；
21.图2是根据本发明实施例的创建预测模型的方法中构建流行病动力学模型的示意图；
22.图3是根据本发明实施例的创建预测模型的装置的示意图。
具体实施方式
23.为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
24.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或
描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
25.实施例1
26.根据本发明实施例，提供了一种配置数据预测模型的方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
27.图1是根据本发明实施例的创建预测模型的方法的流程示意图，如图1所示，该方法包括如下步骤：
28.步骤s102，依据获取到的目标对象的状态信息建立流行病动力学模型；
29.可选的，在依据获取到的目标对象的状态信息建立流行病动力学模型之前，该方法还包括：获取目标对象的状态信息。
30.进一步地，可选的，状态信息包括：目标对象的每日状态信息，其中，每日状态信息包括：易感类、潜伏类、染病类和移除类。
31.可选的，依据获取到的目标对象的状态信息建立流行病动力学模型包括：依据状态信息中易感类、潜伏类、染病类和移除类建立流行病动力学模型。
32.步骤s104，依据流行病动力学模型建立目标方程；
33.进一步地，可选的，依据流行病动力学模型建立目标方程包括：设置初始值，其中，初始值包括：易感类初始值、潜伏类初始值、染病类初始值和移除类初始值；将易感类初始值、潜伏类初始值、染病类初始值和移除类初始值输入流行病动力学模型进行计算，得到第一数值；依据第一数值和真实病猪数量进行计算，得到目标方程。
34.步骤s106，依据目标方程创建目标预测模型。
35.可选的，依据目标方程创建目标预测模型包括：依据目标方程通过最小二乘法进行计算，得到对应的权重值；依据权重值和流行病动力学模型进行计算，得到目标预测模型。
36.综上，结合步骤s102至步骤s106，本申请实施例提供的配置数据预测模型的方法具体如下：
37.step 1：收集猪场日状态信息(即，本申请实施例中的目标对象的状态信息)；
38.其中，收集到的猪场日状态信息可以如表1所示：
39.表1
40.idseir12000100021990200031980300041970202005196020201061950103020
…………………………
41.其中，id为猪场每日的状态信息的标识，s表示易感类、e表示潜伏类、i表示染病类、r表示移除类。
42.step 2：建立流行病动力学模型；
43.其中，流行病动力学模型建立如图2所示，图2是根据本发明实施例的配置数据预测模型的方法中构建流行病动力学模型的示意图。
44.step 3：建立参数目标方程，其中，目标方程如下：
[0045][0046]
其中f(β、α、γ)是step2中流行病动力学模型，为真实病猪数量。
[0047]
计算逻辑为：
[0048]
设定模型初始值，例如s＝2000,e＝10,i＝0,r＝0,输入到流行病动力学模型中，模型会计算出i
j
,然后求解能使最小的β、α、γ。
[0049]
step 4：利用求解算法求解模型参数
[0050]
利用最小二乘法计算求解出最合适的β、α、γ；
[0051]
step 5：完成动力学模型构建
[0052]
将求解出的β、α、γ带入到step2中的流行病动力学模型，完成模型构建。
[0053]
在本发明实施例中，通过依据获取到的目标对象的状态信息建立流行病动力学模型；依据流行病动力学模型建立目标方程；依据目标方程创建目标预测模型，达到了自动化求解流行病动力学模型的目的，从而实现了基于数据自动化求解模型参数，更加客观的技术效果，进而解决了由于现有技术中缺乏针对猪瘟的客观预测方案，导致的应对猪瘟预防机制的低效的技术问题。
[0054]
实施例2
[0055]
根据本发明实施例的另一方面，还提供了一种创建预测模型的装置，图3是根据本发明实施例的配置数据预测模型的装置的示意图，如图3所示，包括：第一模型建立模块32，用于依据获取到的目标对象的状态信息建立流行病动力学模型；方程建立模块34，用于依据流行病动力学模型建立目标方程；第二模型建立模块36，用于依据目标方程创建目标预测模型。
[0056]
可选的，本申请实施例提供的创建预测模型的装置还包括：获取模块，用于在依据获取到的目标对象的状态信息建立流行病动力学模型之前，获取目标对象的状态信息。
[0057]
进一步地，可选的，状态信息包括：目标对象的每日状态信息，其中，每日状态信息包括：易感类、潜伏类、染病类和移除类。
[0058]
可选的，第一模型建立模块32包括：第一模型建立单元，用于依据状态信息中易感类、潜伏类、染病类和移除类建立流行病动力学模型。
[0059]
进一步地，可选的，方程建立模块34包括：设置单元，用于设置初始值，其中，初始值包括：易感类初始值、潜伏类初始值、染病类初始值和移除类初始值；第一计算单元，用于将易感类初始值、潜伏类初始值、染病类初始值和移除类初始值输入流行病动力学模型进行计算，得到第一数值；第二计算单元，用于依据第一数值和真实病猪数量进行计算，得到
目标方程。
[0060]
可选的，第二模型建立模块36包括：第三计算单元，用于依据目标方程通过最小二乘法进行计算，得到对应的权重值；第二模型建立单元，用于依据权重值和流行病动力学模型进行计算，得到目标预测模型。
[0061]
在本发明实施例中，通过依据获取到的目标对象的状态信息建立流行病动力学模型；依据流行病动力学模型建立目标方程；依据目标方程创建目标预测模型，达到了自动化求解流行病动力学模型的目的，从而实现了基于数据自动化求解模型参数，更加客观的技术效果，进而解决了由于现有技术中缺乏针对猪瘟的客观预测方案，导致的应对猪瘟预防机制的低效的技术问题。
[0062]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0063]
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0064]
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0065]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0066]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0067]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0068]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。