一种异常程度分析系统的制作方法

本发明涉及数据处理领域，特别是涉及一种异常程度分析系统。

背景技术：

1、疾病防控工作中，研究者们往往会采取各类数学模型来对疫情的发展进行模拟计算，传染病动力学模型在疫情防控以及复盘分析中具有广泛的应用。

2、在现阶段的动力学模型中，通常在各类疾病限制手段立即执行、医疗物资准备充足的理想情况下将用户分为易感用户、潜伏用户、患病用户、恢复用户四个仓室，将原本复杂的异常传播过程进行简化，以各类用户数量不断变化的状态模拟异常扩散过程，并根据各类用户的数量对地理区域的异常程度进行分析。

3、但是在疾病的发展过程和防控工作中，疾病限制手段从决定到执行的过程中需要信息的逐层传递以及物资、人员的调度准备，导致疾病限制手段从发布到执行生效需要一定的时间，且由于医疗资源有限，在疾病患者接受治疗的过程中通常存在患者就医延误、疾病检测结果上报延误等各种延误状况，导致基于现有的动力学模型分析地理区域的异常程度时的准确性较低，难以辅助决策者以及疾控工作者判断实际疾病情况。

4、因此，如何提高地理区域的异常程度的分析准确性成为亟待解决的问题。

技术实现思路

1、针对上述技术问题，本发明采用的技术方案为一种异常程度分析系统，所述系统包括处理器和存储有计算机程序的存储器，其特征在于，所述存储器中存储有目标地理区域中的用户数量l={io(t)，iq(t)，ih(t)，s(t)、e(t)、r(t)}、用户增加数量l0={io0(t)，iq0(t)，ih0(t)，e0(t)、r0(t)}、异常扩散程度β={βo(t)，βq(t)，βh(t)}、异常扩散限制程度δ={δo(t)，δq(t)，δh(t)}、第一延误时长n、目标地理区域中的用户总数量n、ih(t)对应的用户位置w={w1，w2，……，wi，……，wv}、异常处理区域的位置z={z1，z2，……，zj，……，zu}、z对应的异常用户处理上限k={k1，k2，……，kj，……，ku}、预设的延误时长映射表b；

2、io(t)是指未经过异常检测且发生异常的第一异常用户在第t天的用户数量，iq(t)是指通过异常检测确认发生异常且未接受异常处理的第二异常用户在第t天的用户数量，ih(t)是指通过异常检测确认发生异常且接受异常处理的第三异常用户在第t天的用户数量，s(t)是指未发生异常的第一用户在第t天的用户数量，e(t)是指处于异常潜伏期且会在潜伏期内发生异常的第二用户第t天的用户数量，r(t)是指发生异常后变换为正常状态的第三用户第t天的用户数量，io0(t)是指第一异常用户在第t天的用户数量与第一异常用户在第（t-1）天的用户数量的差值，iq0(t)是指第二异常用户在第t天的用户数量与第二异常用户在第（t-1）天的用户数量的差值，ih0(t)是指第三异常用户在第t天的用户数量与第三异常用户在第（t-1）天的用户数量的差值，e0(t)是指第二用户在第t天的用户数量与第二用户在第（t-1）天的用户数量的差值，r0(t)是指第三用户在第t天的用户数量与第三用户在第（t-1）天的用户数量的差值，βo(t)是指io(t)对应的异常扩散程度，βq(t)是指iq(t)对应的异常扩散程度，βh(t)是指ih(t)对应的异常扩散程度，δo(t)是指io(t)对应的异常扩散限制程度，δq(t)是指iq(t)对应的异常扩散限制程度，δh(t)是指ih(t)对应的异常扩散限制程度，wi=(x1i，y1i)是指第i个第三异常用户在所述目标地理区域中的地理位置，zj=(x2j，y2j)是指用于对第三异常用户进行异常处理的第j个异常处理区域的位置，kj是指第j个异常处理区域的异常用户处理上限，b是指限制异常扩散时的延误程度和限制异常扩散时的延误时长之间的映射表，t为大于0的整数，i=1，2，……，v，v=ih(t)，j=1，2，……，u，u是指异常处理区域的总数量；

3、当计算机程序被处理器执行时，实现以下步骤：

4、s1，根据w、z和k，获取到ih(t)和z之间的匹配程度g={g1，g2，……，gi，……，gv}，其中，wi和z之间的匹配程度gi={gi1，gi2，……，gij，……，giu}，wi和zj之间的匹配程度gij=((x1i-x2j)2+(y1i-y2j)2)1/2×ln(kj+1)。

5、s2，将max(gi)对应的异常处理区域确定为第i个第三异常用户对应的目标异常处理区域，其中，max()是指取最大值函数。

6、s3，根据{max(g1)，max(g2)，……，max(gi)，……，max(gv)}，获取到z对应的异常用户处理数量p={p1，p2，……，pj，……，pu}，其中，pj是指所有第三异常用户中以第j个异常处理区域作为目标异常处理区域的用户数量。

7、s4，根据k和p，获取到z对应的延误程度t={t1，t2，……，tj，……，tu}，第j个异常处理区域对应的延误程度tj符合如下条件：

8、若pj＞kj，则tj=(pj-kj)/kj；

9、若pj≤kj，则tj=0。

10、s5，根据σj=1u(tj)和b获取到第三异常用户对应的第二延误时长mh。

11、s6，根据β、δ、l、n和mh，获取到第一用户在第t天的用户数量与第一用户在第（t-1）天的用户数量的差值s0(t)，其中，s0(t)符合如下条件：

12、s0(t)=-(δo(t-n-mo)×βo(t)×io(t)+δq(t-n-mq)×βq(t)×iq(t)+δh(t-n-mh)×βh(t)×ih(t))×s(t)/n，其中，mo是指预设的第一异常用户对应的第二延误时长，mq是指预设的第二异常用户对应的第二延误时长，δo(t-n-mo)是指第一异常用户在第(t-n-mo)天对应的异常扩散限制程度，δq(t-n-mq)是指第二异常用户在第(t-n-mq)天对应的异常扩散限制程度，δh(t-n-mh)是指第三异常用户在第(t-n-mh)天对应的异常扩散限制程度。

13、s7，根据l、l0和s0(t)，获取到目标地理区域在第t天的异常程度y(t)，其中，y(t)符合如下条件：

14、y(t)=io(t)+io0(t)+iq(t)+iq0(t)+ih(t)+ih0(t)+e(t)+e0(t)+s(t)+s0(t)-r(t)-r0(t)。

15、本发明与现有技术相比具有明显的有益效果，借由上述技术方案，本发明提供的异常程度分析系统可达到相当的技术进步性及实用性，并具有产业上的广泛利用价值，其至少具有以下有益效果：通过异常用户处理数量和异常用户处理上限之间的大小比较来表征异常处理区域是否超出处理上限，并计算出超出处理上限的程度作为对应的延误程度，并映射得到第三异常用户对应的第二延误时长mh，进而考虑第一异常用户、第二异常用户和第三异常用户对应的限制异常扩散的手段对第一异常用户、第二异常用户和第三异常用户进行异常扩散的限制程度受到第一延误时长n、第二延误时长mo、mq和mh的延误影响，根据第一异常用户、第二异常用户和第三异常用户分别在第t-n-mo天、第t-n-mq天和第t-n-mh天对应的异常扩散限制程度来评估目标地理区域中第一用户在第t天相比于第(t-1)天的新增数量，提高了第一用户在第t天相比于第(t-1)天的新增数量的评估准确性，进而提高了目标地理区域的异常程度的分析准确性，为辅助决策者以及异常处理工作者判断实际异常情况提供了有力的支持。