[发明专利]一种基于LSTM模型的COVID-19疫情预测方法

说明书

本发明属于医学人工智能领域，尤其是涉及一种基于LSTM模型的COVID‑19疫情预测方法。一种基于LSTM模型的COVID‑19疫情预测方法，包括以下步骤：S1、获取目标地区的疫情数据作为样本数据，所述样本数据至少包括每日累计确诊人数，将样本数据分割为输入量和输出量，所述输入量包括前T天的累计确诊人数、和依据样本数据中的其他数据进行计算得出的参数值，所述输出量为第T+1天的累计确诊人数。本发明提供了一种通过收集已有疫情数据作为样本、以当地前几天的累计确诊人数和相关参数(接触系数、治愈率、死亡率)作为输入，预测当地未来一段时间内的累计确诊人数的、基于LSTM模型的COVID‑19疫情预测方法。

技术领域

本发明属于医学人工智能领域，尤其是涉及一种基于LSTM模型的COVID-19疫情预测方法。

背景技术

新型冠状病毒肺炎(Corona Virus Disease 2019，COVID-19)，简称“新冠肺炎”，世界卫生组织命名为“2019冠状病毒病”，是指2019新型冠状病毒感染导致的肺炎。疫情防控除了尽量对患病人群进行全覆盖检测，还需对疫情整体发展趋势进行精准评估，从而才能从宏观上进行科学防控。

针对COVID-19的确诊人数趋势预测，目前为止使用最广泛的是传统的SEIR模型及其变体，结合COVID-19的传播机制和各地区的防控措施修改模型参数，从而完成对当前地区的确诊人数预测。具体为确定拟预测地区的起始日期确诊人数后结合当地的防控政策而阶段性设置模型其它所需参数，从而推算出未来的确诊人数。该模型参数量多，需要针对COVID-19的特殊属性，精准加入更复杂的模型推演，另外，该模型没有利用上疾病在其他地区表现出的发展趋势特征数据。结合以上两点，该种方法最终往往使得预测结果和实际情况有较大出入。

发明内容

本发明所要解决的技术问题是提供一种通过收集已有疫情数据作为样本、以当地前几天的累计确诊人数和相关参数(接触系数、治愈率、死亡率)作为输入，预测当地未来一段时间内的累计确诊人数的、基于LSTM模型的COVID-19疫情预测方法。为此，本发明采用以下技术方案：

一种基于LSTM模型的COVID-19疫情预测方法，包括以下步骤：

S1、获取目标地区的疫情数据作为样本数据，所述样本数据至少包括每日累计确诊人数，将样本数据分割为输入量和输出量，所述输入量包括前T天的累计确诊人数、和依据样本数据中的其他数据进行计算得出的参数值，所述输出量为第T+1天的累计确诊人数；

S2、基于LSTM网络构建COVID-19疫情预测模型，所述疫情预测模型由三个不同时间步长的基础LSTM模型融合而成；

S3、对步骤S1所得的样本数据进行标准化操作，按照步骤S2中的三个时间步长分割出三个LSTM模型的输入值和输出值，以形成三个样本集，并以相同的划分方式分别将三个样本集均划分成训练集合验证集；

S4、将步骤S3所得的三个训练集和三个验证集输入构建的疫情预测模型中，设置模型参数，依次迭代所有样本更新模型参数直至收敛，并保存当前最佳模型，对该模型的输出值进行反标准化处理，得到最终累计确诊人数预测值。

在采用上述技术方案的基础上，本发明还可采用以下进一步的技术方案：

所述步骤S1中的样本数据还包括每日累计治愈人数、累计死亡人数和接触系数，所述步骤S1中的参数值包括每日治愈率、每日死亡率；其中，

所述接触系数是对实际人群接触情况的评估，即为一个人每天的平均接触人数；

所述每日治愈率的计算方式为：

所述每日死亡率的计算方式为：