[发明专利]基于自适应遗传算法的疫情传播预测优化方法

权利要求书

1.一种基于自适应遗传算法的疫情传播预测优化方法，其特征在于，具体步骤如下：

步骤1：收集真实数据，以传染病模型为基础，在流行病SEIR模型的基础上，增加病毒通过物体进行传播的特性，潜伏期人群具有一定感染概率和自愈概率，感染者具有死亡率和康复者具有复阳概率，进一步将流行病SEIR模型改进成为SEIRD预测模型；

步骤2：将感染率、自愈率、死亡率、康复率和复阳率用变量表示出来，再把仓室内的人群划分为易感者、潜伏者、感染者、康复者和死亡者这五种不同类型，将不同人群随时间t变化的函数方程表示出来；

步骤3：将函数方程整合成不同人群变化的方程表达式，先对模型中的公式进行无病平衡点和地方平衡点的代数值进行求解，再根据方程推导出雅克比矩阵求其特征值，再将无病平衡点的代数值代入矩阵中，再根据笛卡尔规则判断多项式的正负根的个数，来判断所提出模型的稳定性；

步骤4：利用下一代矩阵法求出两个仓室E(t)和I(t)的向量表达式，再结合雅克比矩阵求出最大特征值，根据下一代矩阵法得出基本再生数的代数值；最后还要根据定理，使用假设法来判断模型的平衡稳定状态，通过数学公式推导进行求解得出此模型在系统全局中是否具有稳定态；

步骤5：用回归方程进行绘图来对数据进行参数估计对模型进行拟合，预测疫情的走势变化以及将会出现的拐点和病毒结束时间，再用自适应遗传算法对模型参数进行优化，使模型预测结果不断逼近真实数据，最后再用评价指标对模型的预测精度进行评估。

2.根据权利要求1所述的一种基于自适应遗传算法的疫情传播预测优化方法，其特征在于，所述步骤2中将不同人群随时间t变化的函数方程表示出来，具体如下：

所述SEIRD预测模型把人群分为易感者(S)，潜伏者(E)，感染者(I)，康复者(R)，死亡者(D)五类；设定在t时刻，令S＝S(t)，E＝E(t)，I＝I(t)，R＝R(t)，D＝D(t)，设定物体传播概率为η，感染者的感染概率为λ，潜伏者的感染率为λ₁，潜伏者转化为感染者的概率为α，感染者的康复率为γ，康复者的复阳率为θ，潜伏者的自愈率为β，感染者的死亡率为ω；

根据系统建模思想，SEIRD预测模型中不同人群间的关系用微分方程组进行描述，易感者、潜伏者、感染者、康复者和死亡者随时间变化的序列函数如下：

3.根据权利要求1中所述的一种基于自适应遗传算法的疫情传播预测优化方法，其特征在于，所述步骤3中确定无病平衡点方法为：

根据模型的实际背景可以对模型进行稳定性分析，要在有界区域内考虑模型平衡点，平衡点有无病传播平衡点和地方平衡点；当变量E和Ⅰ都为零，即不存在感染者和潜伏者的时候，我们称这样的点为无病平衡点,要确定无病平衡点，则可以令方程组都为零，从而求出方程组的非零解，由此可得：

-ηS-λSI-λ₁SE+θR＝0

ηS+λSI+λ₁SE-αE-βE＝0

αE-γI–ωI＝0

γI+βE-θR＝0

然后通过计算，得出方程组的解即为S，E，I，R的平衡点，对于无病平衡点E＝I＝0的情况，得出模型的无病平衡点：

4.根据权利要求1所述的一种基于自适应遗传算法的疫情传播预测优化方法，其特征在于，所述步骤3中确定地方平衡点方法为：

当E和I都不为零，即存在感染者和潜伏者的时候，我们用地方平衡点表示疾病传播的可能性，即在疫情传播中的一种相对稳定的平衡点，得到地方平衡点；当S≠0，E≠0，I≠0和R≠0时，得到雅克比矩阵：