[发明专利]基于大数据人工智能的传染病的自适应预警方法和机器人

权利要求书

1.一种人工智能方法，其特征在于，所述方法包括：

目标传染病获取步骤：获取需要预警的传染病，作为目标传染病；

目标传染病第一状况获取步骤：获取目标传染病监测的准确率、目标传染病发展的严重程度；

预警阈值第一调节步骤：根据目标传染病监测的准确率在预警系统中采用对应的预警阈值；

预警阈值第二调节步骤：根据目标传染病发展的严重程度在预警系统中采用对应的预警阈值；

预警阈值第一调节步骤具体包括：若目标传染病监测的准确率降低，则降低预警阈值；若目标传染病监测的准确率提高，则提高预警阈值；若目标传染病监测的准确率低于准确率预设阈值，则降低预警阈值到敏感预警范围；若目标传染病监测的准确率高于准确率预设阈值，则提高预警阈值到不敏感预警范围；

预警阈值第二调节步骤具体包括：若目标传染病发展的严重程度降低，则提高预警阈值；若目标传染病发展的严重程度提高，则降低预警阈值；若目标传染病发展的严重程度高于严重程度预设阈值，则降低预警阈值到敏感预警范围；若目标传染病发展的严重程度低于严重程度预设阈值，则提高预警阈值到不敏感预警范围；

在系统层面，在系统监测精度不高的情况下降低阈值；在系统监测精度提高的情况下提高阈值；

在新发重大传染病发展过程的层面，在新发重大传染病不严重的期间提高阈值；在新发重大传染病严重的期间降低阈值；

采用基于大数据的强化学习的方法，根据应对后的反馈来验证监测的准确率，并根据准确率来调整预警的阈值；当准确率高时，则提高预警阈值；在系统使用的初期，预警阈值设低，随着系统的使用，提高预警阈值；当提高预警阈值后，监测预警的准确率有所下降，则需要将监测预警的阈值下调回去，直至监测预警的准确率不会因为阈值的提高而下降为止；

强化学习步骤：获取预警后的用户反馈，若用户反馈预警正确，则将所述用户的数据和需要预警作为输入和预期输出对预警模型进行有监督训练，将所述用户的数据和确诊感染了传染病作为输入和预期输出对监测模型进行有监督训练；若用户反馈预警不正确，则将所述用户的数据和不需要预警作为输入和预期输出对预警模型进行有监督训练，将所述用户的数据和确诊没有感染传染病作为输入和预期输出对监测模型进行有监督训练；所述预警模型包括深度学习神经网络模型或卷积神经网络模型或其他神经网络模型或机器人学习模型；所述监测模型包括深度学习神经网络模型或卷积神经网络模型或其他神经网络模型或机器人学习模型。

2.根据权利要求1所述的人工智能方法，其特征在于，所述方法还包括：

二次调节步骤：获取调节了预警阈值前后的监测准确率的变化、预警准确率的变化，若监测准确率或预警准确率都下降，则以预设比例回调预警阈值。

3.根据权利要求1所述的人工智能方法，其特征在于，

二次调节步骤具体包括：预设比例为小于1的分数，若预警阈值最近增加了第一预设值，则将第一预设值乘以预设比例作为第二预设值，然后将预警阈值减少第二预设值；若预警阈值最近减少了第一预设值，则将第一预设值乘以预设比例作为第二预设值，然后将预警阈值增加第二预设值。

4.根据权利要求1所述的人工智能方法，其特征在于，所述方法还包括：

目标传染病第二状况获取步骤：获取目标传染病相关医疗资源紧张程度、用户的优先级；所述用户包括个人或家庭或部门；

预警阈值第三调节步骤：根据目标传染病相关医疗资源紧张程度在预警系统中采用对应的预警阈值；

预警阈值第四调节步骤：根据用户的优先级在预警系统中采用对应的预警阈值。