[发明专利]一种基于深度时空残差网络预测登革热疾病的方法

权利要求书

1.基于深度时空残差网络预测登革热疾病的方法，其特征在于，通过采集指定城市特定时间段内一定的时间间隔下的登革热疾病的发病时空数据和外部条件数据，并构造基于深度时空残差网络结构；对基于深度时空残差网络中进行网络训练、验证和测试，得到的深度时空残差网络作为最终的登革热疾病预测模型，将指定城市特定时间段内一定的时间间隔下的登革热疾病的发病时空数据和外部条件数据输入最终的登革热疾病预测模型，可得到未来某一时刻某区域的登革热疾病预测结果。

2.根据权利要求1中的基于深度时空残差网络预测登革热疾病的方法，其特征在于，所述的采集登革热疾病的发病时空数据具体为采集三年时间内，每1小时的城市登革热疾病的发病时空数据，首先根据经纬度将一个城市划分为I×J网格地图，其中网格表示一个区域，接着采集每个网格每1个小时的登革热疾病的发病数据，可得到一个单通道的矩阵X_t∈R^I×J；

所述的外部条件数据为与登革热疾病的发病时空数据相同时间内的房价数据，收入指数，气候数据，假期数据和微信事件数据。

3.根据权利要求1中的基于深度时空残差网络预测登革热疾病的方法，其特征在于，所述的基于深度时空残差网络结构包括拟合登革热疾病发病的时间特征和空间特征的时空残差网络、拟合外部条件影响登革热疾病的外部条件神经网络以及输出融合部分。

4.根据权利要求3中的基于深度时空残差网络预测登革热疾病的方法，其特征在于，所述的时空残差网络，将时间轴划分为三个片段，表示最近时间、稍远时间和遥远时间，每一个片段分别被输入到三个结构相同的时空残差子网络中来提取提取时间邻近性、周期性、趋势性；

三个时间片段下的时空残差子网络结构相同，共L+2层，第1层为卷积层Conv1，第2层到第L层为残差单元，第L+2层为卷积层Conv2；最近时间、稍远时间和遥远时间三个时间片段的数据序列分别可由多个时间点的时空数据组合而成，再经过时空残差子网络后得到的输出分别为

5.根据权利要求3中的基于深度时空残差网络预测登革热疾病的方法，其特征在于，所述的外部条件神经网络，输入为外部条件数据组成的特征向量E_t，结构上将两个全连接层叠加在E_t上，第一层可以看作是每个子因子的带激活函数的嵌入层，第二层用于将上一层的输出进行维度转化，以便于融合。

6.根据权利要求3中的基于深度时空残差网络预测登革热疾病的方法，其特征在于，所述的输出融合部分，最近时间、稍远时间和遥远时间三个时间片段下的时空残差子网络输出以及外部条件神经网络输出的融合，融合方法按以下公式：