利索能及
我要发布
收藏
专利号: 2020102655573
申请人: 中南大学
专利类型:发明专利
专利状态:已下证
更新日期:2025-12-01
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种基于个体自适应传播网络的传染病预警方法,其特征在于,包括以下步骤:S1、对多模态的传染病数据进行统一表征;

S2、利用统一表征的传染病数据,构建基于个体自适应行为信息网络和传染病传播网络的相互作用模型,分析相互作用模型的阈值,根据所述阈值确定个体自适应行为和传染病传播之间的作用关系;

步骤S2中,利用统一表征的传染病数据,构建基于个体自适应行为信息网络和传染病传播网络的传染病流行耦合模型,分析所述耦合模型的阈值的具体实现过程包括:A.将统一表征的传染病数据中的个体视为图中的节点,个体间的关系视为图中的边,构建动态个体自适应行为信息网络;

B.构建与所述动态个体自适应行为信息网络具有相同节点、不同连边的传染病传播网络;

C.在所述传播网络中,设定动态个体自适应行为信息网络中的个体之间存在弱耦合,每个个体能及时获得准确的疫情信息,并且受到局部和全局传染病传播信息的影响;

D.在所述动态个体自适应行为信息网络中和所述传播网络中,设计个体的行为状态变量、个体耦合权重变化率和个体感染概率,构建动态个体自适应行为信息网络和传染病传播网络的相互作用模型;

E.根据流行病阈值λc、基本再生数R0、感染率λ之间的关系λc=λ/R0,计算所述相互作用模型的流行病阈值。

2.根据权利要求1所述的基于个体自适应传播网络的传染病预警方法,其特征在于,步骤S1的具体实现过程包括:

1)对多模态的传染病数据进行预处理,得到消除异常值、噪音和冗余值的多模态数据;

2)对所述多模态数据进行编码;

3)将编码后的多模态数据分别经过不同的网络进行映射,构造损失函数,使同一个体的不同模态映射相聚;

4)将不同模态的数据融合成一个统一的向量,得到多模态数据的统一表征。

3.根据权利要求2所述的基于个体自适应传播网络的传染病预警方法,其特征在于,步骤1)中,所述预处理包括清洗所述多模态的传染病数据,消除多模态的传染病数据中的异常值、噪音和冗余值。

4.根据权利要求2所述的基于个体自适应传播网络的传染病预警方法,其特征在于,步骤2)中,所述损失函数表达式为:其中,xi,xj为

一个个体X的两种模态的表现形式,D(xi,xj)为xi,xj之间的相似性, 中 表示与xi最不相似的第k个其他模态表示形式,α,β是平衡因子;m为容许差异,表示匹配数据与不匹配数据之间的差值;匹配数据即(xi,xj)的数据对;不匹配数据即 数据对。

5.根据权利要求1~3之一所述的基于个体自适应传播网络的传染病预警方法,其特征在于,步骤4)中,多模态数据的统一表征为: 其中,ω1,ω2为只包含+1,‑

1的向量,xi和xj是同一个体的两种不同模态的表现形式,d为向量的维度。

6.根据权利要求1所述的基于个体自适应传播网络的传染病预警方法,其特征在于,步骤E之后,还包括步骤F,根据所述流行病阈值反映出的全局感染密度、局部感染密度、个体感染概率,针对传染病的传播发出预警。

7.根据权利要求1所述的基于个体自适应传播网络的传染病预警方法,其特征在于,步骤A中,使用邻接矩阵A=(aij)N×N表示动态个体自适应行为信息网络,若节点i和节点j相连,则aij=1;否则aij=0。

8.根据权利要求1所述的基于个体自适应传播网络的传染病预警方法,其特征在于,步骤B中,使用邻接矩阵B=(bij)N×N表示传染病传播网络,若节点i和节点j相连,则bij=1;否则bij=0。

9.根据权利要求6~8之一所述的基于个体自适应传播网络的传染病预警方法,其特征在于,步骤D中,动态个体自适应行为信息网络和传染病传播网络的相互作用模型个体耦合权重变化率表达式为:其中,β表示传播率,ψ(x)表示个体对传染病信息的反应强度,θ(x)表示个体受局部传染病信息影响的程度,1‑θ(x)表示全局传染病信息对个体影响程度,x表示传播网络物理连接度,t表示时间;ci(t)为个体耦合权重变化率, 为全局感染密度, 为局部感染密度,ei(t)为同步误差。

10.一种基于个体自适应传播网络的传染病预警系统,其特征在于,包括:数据预处理单元,用于对多模态的传染病数据进行统一表征;

建模单元,用于根据统一表征的传染病数据,构建基于个体自适应行为信息网络和传染病传播网络的相互作用模型,分析相互作用模型的阈值,根据所述阈值确定个体自适应行为和传染病传播之间的作用关系;

所述建模单元包括:

动态个体自适应行为信息网络,以统一表征的传染病数据中的个体视为图中的节点,个体间的关系为图中的边构建的网络;

传染病传播网络,与所述动态个体自适应行为信息网络具有相同节点、不同连边的网络;所述传播网络中设定动态个体自适应行为信息网络中的个体之间存在弱耦合,每个个体能及时获得准确的疫情信息,并且受到局部和全局传染病传播信息的影响;

动态个体自适应行为信息网络和传染病传播网络的相互作用模型,在所述动态个体自适应行为信息网络中和所述传播网络中,通过设计个体的行为状态变量、个体耦合权重变化率和个体感染概率构建的模型;

分析模块,用于根据流行病阈值λc、基本再生数R0、感染率λ之间的关系λc=λ/R0,计算所述动态个体自适应行为信息网络和传染病传播网络的相互作用模型。

11.一种计算机存储介质,其特征在于,其存储有程序,该程序用于执行权利要求1~9之一所述方法的步骤。