[发明专利]一种基于改进SEIR模型的传染病跨城市传播预测方法及系统

权利要求书

1.一种基于改进SEIR模型的传染病跨城市传播预测方法，其特征在于：步骤如下：

步骤1：根据传染病的特性，将人群进行类别划分；

步骤2：将不同区域的人口移动指数作为独立的影响因素，获取各个区域中的初始总人数；

步骤3：利用已有数据输入LightGBM模型追踪传染率和恢复率的变化；

步骤4：根据各个区域不同人群的初始人数、传染率、恢复率、移动指数构建Moving-SEIR传染病动力学模型，包括以下步骤：

步骤4.1：根据区域内的不同人群类别的初始人数、人口移动指数、人口总数，采用以下微分方程计算各区域中不同人群类别人数单位时间内的变化：

其中，S(t)表示t时刻易感者人数，E(t)表示t时刻潜伏者人数，I(t)表示t时刻感染者人数，R(t)表示t时刻恢复者人数，S_in(t)表示t时刻迁入某区域的易感者人数，S_out(t)表示t时刻迁出某区域的易感者人数，E_in(t)表示t时刻迁入某区域的潜伏者人数，E_out(t)表示t时刻迁出某区域的潜伏者人数，β₁表示易感者与感染者接触后染病的概率，β₂表示易感者与潜伏者接触后染病的概率，σ表示潜伏者转换为感染者的概率，γ表示感染者康复的概率；

步骤4.2：移动的易感者和潜伏者的数量由以下公式计算：

其中，表示潜伏者迁入某个区域的概率；

步骤5：根据构建的Moving-SEIR传染病动力学模型，进行传染病预测。具体包括，根据构建的微分方程，采用以下公式，进行传染病预测：

I[t+1]＝I[t]+σE[t]-γ(t)I[t]

R[t+1]＝R[t]+γ(t)I[t]。

2.根据权利要求1所述的一种基于改进SEIR模型的传染病跨城市传播预测方法，其特征在于：所述步骤1中根据传染病的特征，将人群划分为：易感者、潜伏者、感染者、恢复者、迁入者、迁出者六类。

3.根据权利要求1所述的一种基于改进SEIR模型的传染病跨城市传播预测方法，其特征在于：所述步骤3中追踪传染率和恢复率的变化，包括以下步骤：

步骤3.1：基于数据特征相关性，对数据特征进行筛选；

步骤3.2：使用筛选的特征为输入，以传染率和恢复率为输出，构建基于LightGBM的预测模型；

步骤3.3：获取原始数据集，进行数据归一化处理，划分为训练集和测试集；

步骤3.4：基于LightGBM模型，使用训练集进行模型训练，确定模型参数；

步骤3.5：输入LightGBM模型参数和测试集，进行传染率和恢复率的预测；

步骤3.6：对LightGBM模型的预测结果进行误差评估，得到传染率和恢复率数据。

4.一种基于改进SEIR模型的传染病跨城市传播预测系统，其特征在于，包括：

步骤1：人群类别划分模块，通过传染病特性，将人群按类别划分，并获取传染病动力学模型的参数；

步骤2：模型构建模块，通过构建的公式组，构建Moving-SEIR传染病动力学模型；

步骤3：传染病动力学模拟模块，根据构建的传染病动力学模型和初始参数，可视化模拟各区域的传染病传播动态；

步骤4：传染病趋势预测模块，通过参考某区域中不同类别中人群数量的变化，预测并可视化区域中未来传染病的传播趋势。