宏微观图融合的传染病感染预测方法、装置和存储介质与流程

本技术涉及传染病感染预测，特别是涉及一种宏微观图融合的传染病感染预测方法、装置和存储介质。

背景技术：

1、准确预测传染病未来感染人数，一直是传染病研究领域重要的问题。传统的预测方式是基于机理模型sir的方法，但是该方法需要人为根据经验设置很多参数，存在极大的不确定性，预测效果也不理想。

2、一些神经网络、机器学习的方法也被应用到传染病感染预测中，但是这些方法仅仅使用传染病的感染人数进行简单的人数预测，无法挖掘出传染病数据之间隐含的内部关系，预测准确率不高，同时也无法对预测结果进行解释。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够结合多方面传染病因素，通过宏微观图结构综合挖掘各类传染病因素之间的关联、提高预测结果可解释性的宏微观图融合的传染病感染预测方法、装置和存储介质。

2、第一方面，本技术提供了一种宏微观图融合的传染病感染预测方法。所述方法包括：

3、获取某一设定时间段内多个第一区域的宏观感染数据生成宏观图，以及获取同一设定时间段内多个第二区域的微观感染数据生成各所述第一区域对应的微观图；所述第一区域中包括多个所述第二区域；

4、将所述宏观图输入第一图卷积神经网络，得到第一隐层向量；将所述微观图输入第二图卷积神经网络，得到第二隐层向量；对所述第一隐层向量与所述第二隐层向量进行融合计算，得到各所述第一区域的融合隐层信息；

5、对所述融合隐层信息进行时序计算得到各所述第一区域的时序隐层信息，并将各所述时序隐层信息分别输入第一预测网络、第二预测网络中得到对应的第一结果、第二结果；

6、对所述第一结果和所述第二结果进行融合计算，得到各所述第一区域的传染病预测结果。

7、在其中一个实施例中，所述宏观感染数据包括各所述第一区域的宏观人员数据以及宏观地理数据，所述获取某一设定时间段内多个第一区域的宏观感染数据生成宏观图包括：

8、将各所述第一区域作为所述宏观图的第一节点，获取某一设定时间段内各所述第一区域的宏观人员数据作为各所述第一节点的节点特征，并基于各所述第一区域的宏观地理数据确定各所述第一节点的第一连边，生成所述宏观图；所述宏观人员数据包括：在某一设定时间段内，各所述第一区域的人口总数、人口密度、感染人数以及恢复人数。

9、在其中一个实施例中，所述基于各所述第一区域的宏观地理数据确定各所述第一节点的第一连边包括：

10、基于各所述第一区域的宏观地理数据，确定各所述第一节点间的第一连边概率，将所述第一连边概率大于设定阈值的两个所述第一节点进行连接，得到所述第一连边；所述宏观地理数据包括：在某一设定时间段内，所述第一区域流向另一所述第一区域的感染人数，所述第一区域流出的总感染人数，第一区域的历史感染人数、另一所述第一区域的历史感染人数以及所述第一区域与另一所述第一区域之间的地理指数。

11、在其中一个实施例中，所述微观感染数据包括各所述第二区域的微观人员数据以及微观地理数据，所述获取同一设定时间段内多个第二区域的微观感染数据生成各所述第一区域对应的微观图包括：

12、将各所述第二区域作为所述微观图的第二节点，获取各所述第二区域的微观人员数据作为各所述第二节点的节点特征，并基于各所述第二区域的微观地理数据确定各所述第二节点的第二连边，生成所述微观图；所述微观人员数据包括在某一设定时间段内，各所述第二区域的人口总数、人口密度以及医院数量。

13、在其中一个实施例中，所述基于各所述第二区域的微观地理数据确定各所述第二节点的第二连边包括：

14、基于各所述第二区域的微观地理数据，确定各所述第二节点的第二连边概率，将所述第二连边概率大于设定阈值的两个所述第二区域进行连接，得到所述第二连边；所述微观地理数据包括：在某一设定时间段内，所述第二区域流向另一所述第二区域的感染人数，所述第二区域流出的总感染人数，以及所述第二区域与另一所述第二区域之间的地理指数。

15、在其中一个实施例中，所述对所述融合隐层信息进行时序计算得到各所述第一区域的时序隐层信息包括：

16、获取各所述第一区域在上一时间段的时序隐层信息，将各所述融合隐层信息和对应的所述上一时间段的时序隐层信息输入循环神经网络，得到当前时间段各所述第一区域的时序隐层信息。

17、在其中一个实施例中，所述第一结果包括第一感染预测人数和第一恢复预测人数，所述第二结果包括第二感染预测人数和第二预测恢复人数，所述第二预测网络包括参数预测网络以及感染预测网络，所述将各所述时序隐层信息分别输入第一预测网络、第二预测网络中得到对应的第一结果、第二结果包括：

18、将所述时序隐层信息输入所述第一预测网络，输出所述第一区域的第一预测感染人数和第一预测恢复人数；

19、将所述时序隐层信息输入所述参数预测网络，输出所述第一区域的第一预测参数和第二预测参数；将所述第一预测参数和第二预测参数输入所述感染预测网络，输出所述第一区域的第二预测感染人数和第二预测恢复人数。

20、在其中一个实施例中，所述对所述第一结果和所述第二结果进行融合计算，得到各所述第一区域的传染病预测结果包括：

21、将所述第一预测感染人数与所述第二预测感染人数进行融合计算，得到所述第一区域的感染人数预测结果；

22、将所述第一预测恢复人数与所述第二预测恢复人数进行融合计算，得到所述第一区域的恢复人数预测结果。

23、第二方面，本技术还提供了一种宏微观图融合的传染病感染预测装置。所述装置包括：

24、图计算处理模块，用于获取某一设定时间段内多个第一区域的宏观感染数据生成宏观图，以及获取同一设定时间段内多个第二区域的微观感染数据生成各所述第一区域对应的微观图；所述第一区域中包括多个所述第二区域；

25、空间融合计算模块，用于将所述宏观图输入第一图卷积神经网络，得到第一隐层向量；将所述微观图输入第二图卷积神经网络，得到第二隐层向量；对所述第一隐层向量与所述第二隐层向量进行融合计算，得到各所述第一区域的融合隐层信息；

26、时间融合计算模块，用于对所述融合隐层信息进行时序计算得到各所述第一区域的时序隐层信息，并将各所述时序隐层信息分别输入第一预测网络、第二预测网络中得到对应的第一结果、第二结果；

27、融合结果模块，用于对所述第一结果和所述第二结果进行融合计算，得到各所述第一区域的传染病预测结果。

28、第三方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面的内容。

29、上述宏微观图融合的传染病感染预测方法、装置和存储介质，通过获取某一设定时间段内多个第一区域的宏观感染数据生成宏观图，以及获取同一设定时间段内多个第二区域的微观感染数据生成各所述第一区域对应的微观图；所述第一区域中包括多个所述第二区域；将所述宏观图输入第一图卷积神经网络，得到第一隐层向量；将所述微观图输入第二图卷积神经网络，得到第二隐层向量；对所述第一隐层向量与所述第二隐层向量进行融合计算，得到各所述第一区域的融合隐层信息；对所述融合隐层信息进行时序计算得到各所述第一区域的时序隐层信息，并将各所述时序隐层信息分别输入第一预测网络、第二预测网络中得到对应的第一结果、第二结果；对所述第一结果和所述第二结果进行融合计算，得到各所述第一区域的传染病预测结果，实现了宏微观图融合挖掘的传染病预测，提高了预测结果可解释性以及传染病预测的准确率和效率。