[发明专利]一种融合时空信息的传染病传播预测系统和装置

权利要求书

1.一种融合时空信息的传染病传播预测系统，其特征在于：系统分为数据收集单元，用于对收集不同地区的时间序列数据、疫情数据和空间关系组成的邻接矩阵；相关性分析单元，用于分析所述收集数据中不同地区中的各种时间序列数据与疫情数据之间的关联，得到相关性较高的时间序列数据；线性自注意力机制单元，将所述疫情数据、所述相关性较高的时间序列数据、所述邻接矩阵作为输入数据，经过第一个线性自注意力模块及前馈神经网络进行模型训练，学习数据在时序上的内在联系，再进入第二个线性自注意力模块和前馈神经网络，生成动态的空间特征；时空图卷积单元，将基于原有的空间结构和生成的动态空间特征，进行时空信息提取，得到疫情的时空序列预测结果；预测结果提取与分析单元，将得到的时空序列预测结果提取和分析，通过对外输出接口推送疫情的预警结果。

2.如权利要求1所述的一种融合时空信息的传染病传播预测系统，其特征在于：所述相关性分析单元分析所述输入数据中不同地区中的各种时间序列数据与疫情数据之间的关联的方法为：首先确立反映疫情严重程度的指标，将新增感染人数、新增住院人数、新增死亡人数作逐日差分的结果；而后，将收集好的各地区各种时间序列数据偏移一定天数，与这些指标作Pearson相关性分析和Spearman相关性分析，得到与这些指标相关性高的时间序列数据和相关性出现最大值时的偏移天数。

3.如权利要求2所述的一种融合时空信息的传染病传播预测系统，其特征在于：所述线性自注意力机制单元的结构为：输入的各地区的各时间序列数据和疫情数据经过第一个线性自注意力模块，所述第一个线性自注意力模块对这些数据的不同时间点给予不同的attention，即后续计算时的权重，其计算方式如下：

其中，A为所求的自注意力，Q，K，V分别为自注意力机制中的query,key和value，φ(·)，ψ(·)，ω(·)为特征映射函数：

φ(x)＝elu(x)+1

其中，为图卷积网络单元中的邻接矩阵；

将输入的各地区的各时间序列数据和疫情数据与attention相加并将其标准化，得到的该中间结果输入到前馈网络并作相似操作后即可得到预测的下一个时间点的疫情数据X；

之后，将上述步骤的中间结果和包含各地区空间关系的矩阵一并作为输入进入第二个线性自注意力机制模块，其中As为各地区空间关系组成的邻接矩阵的拉普拉斯矩阵，得到的结果加上每一层输出的各地区动态空间关系表示Sinfo并标准化，成为第二个中间结果；

第二个中间结果有两个去向，分别是经过前馈神经网络和残差连接生成动态空间关系表示Sinfo，和进入时空图卷积单元。

4.如权利要求3所述的一种融合时空信息的传染病传播预测系统，其特征在于：所述时空图卷积单元的结构为：所述第二个中间结果输入到线性网络中以后，按照时间顺序作切分，并且输入到L层图卷积网络GCN当中，对于特征矩阵其图卷积定义如下：

其中A为表示空间联系的邻接矩阵，而为对角矩阵，且各列的非零元素为A的对应列之和；

将GCN输出的结果按照时间顺序重新连接，即可得到时空表征D；

将各层的时空表征D经过残差连接，且经过两组ReLU函数+线性网络后，即可得到所需的时空序列预测的结果。

5.如权利要求4所述的一种融合时空信息的传染病传播预测系统，其特征在于：所述预测结果预测结果提取和分析的方法为：按照预测的疫情趋势，即每日的感染、住院、死亡人数随时间的推移而变化的情况，为不同地区的疫情风险评级，例如将每日感染数、住院数、死亡数超过一定数值的地区定为高风险地区，低于某一数值的地区定为低风险地区，介于两个数值之间的地区定为中风险地区， 所述时空序列预测的结果和疫情风险评级为系统输出结果。

6.一种融合时空信息的传染病传播预测装置，其特征在于：应用如权利要求1-5中任一所述的一种融合时空信息的传染病传播预测系统。