本申請涉及疫情預(yù)測，具體而言，本申請涉及一種疫情預(yù)測模型的訓(xùn)練方法、裝置、計算機設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、在疫情傳播事件中，合理的疫情預(yù)測對于疫情防控有重要的參考意義。例如，預(yù)測疫情什么時候進入高爆發(fā)期，什么時候能夠到達峰值，什么時候可以進入穩(wěn)定可控階段。疫情預(yù)測模型是應(yīng)對疫情傳播事件中的關(guān)鍵工具，幫助政府部門及衛(wèi)生組織了解疫情的發(fā)展趨勢，以便更好地分配資源和制定防控策略。

2、目前的疫情預(yù)測中，疫情數(shù)據(jù)往往是時間序列數(shù)據(jù)，該類數(shù)據(jù)往往表現(xiàn)出非線性和非平穩(wěn)性，而傳統(tǒng)的疫情預(yù)測模型在捕捉這些復(fù)雜動態(tài)變化時存在局限性，最終導(dǎo)致疫情預(yù)測模型的疫情預(yù)測的準(zhǔn)確度較低。

技術(shù)實現(xiàn)思路

1、本申請的主要目的為提供一種疫情預(yù)測模型的訓(xùn)練方法、裝置、計算機設(shè)備及存儲介質(zhì)，以提高疫情預(yù)測模型對時間序列數(shù)據(jù)的處理效果，從而提高模型對疫情預(yù)測的準(zhǔn)確度。

2、為了實現(xiàn)上述發(fā)明目的，本申請?zhí)峁┮环N疫情預(yù)測模型的訓(xùn)練方法，包括：

3、獲取疫情訓(xùn)練數(shù)據(jù)；

4、對所述疫情訓(xùn)練數(shù)據(jù)進行預(yù)處理，得到標(biāo)準(zhǔn)疫情訓(xùn)練數(shù)據(jù)；

5、對所述標(biāo)準(zhǔn)疫情訓(xùn)練數(shù)據(jù)進行希爾伯特黃變換，得到變換數(shù)據(jù)；

6、利用所述變換數(shù)據(jù)訓(xùn)練預(yù)設(shè)長短期記憶網(wǎng)絡(luò)，并基于均方誤差計算公式計算訓(xùn)練過程中的所述長短期記憶網(wǎng)絡(luò)的損失值；

7、在確定所述損失值滿足要求時，生成疫情預(yù)測模型。

8、優(yōu)選地，所述對所述標(biāo)準(zhǔn)疫情訓(xùn)練數(shù)據(jù)進行希爾伯特黃變換，得到變換數(shù)據(jù)，包括：

9、對所述標(biāo)準(zhǔn)疫情訓(xùn)練數(shù)據(jù)對應(yīng)的原始信號進行篩選，找到所述原始信號的所有局部極值點，得到局部極大值和局部極小值；

10、根據(jù)立方樣條插值方法分別連接所述局部極大值和局部極小值，得到上包絡(luò)線和下包絡(luò)線；

11、計算所述上包絡(luò)線與下包絡(luò)線的均值，將所述標(biāo)準(zhǔn)疫情訓(xùn)練數(shù)據(jù)對應(yīng)的原始信號減去所述均值，得到細節(jié)成分；

12、判斷所述細節(jié)成分是否滿足預(yù)設(shè)約束條件；

13、若滿足，對所述細節(jié)成分進行希爾伯特變換，得到所述細節(jié)成分的瞬時頻率和振幅，將所述細節(jié)成分及對應(yīng)的瞬時頻率作為變換數(shù)據(jù)；

14、若不滿足，將所述細節(jié)成分作為新的原始信號，返回執(zhí)行所述找到所述原始信號的所有局部極值點，得到局部極大值和局部極小值的步驟，直至所述細節(jié)成分滿足預(yù)設(shè)約束條件。

15、優(yōu)選地，所述預(yù)設(shè)約束條件包括：

16、

17、其中，所述x(t)為所述標(biāo)準(zhǔn)疫情訓(xùn)練數(shù)據(jù)對應(yīng)的原始信號，所述imfi(t)為第i個內(nèi)在模態(tài)函數(shù)，所述r(t)為細節(jié)成分，所述n為所述細節(jié)成分的數(shù)量；

18、或在所述原始信號的任何點，由局部極大值點形成的上包絡(luò)線和由局部極小值點形成的下包絡(luò)線的平均值為零，以及所述局部極大值點和局部極小值點的數(shù)目必須相等或最多相差一個。

19、進一步地，所述對所述細節(jié)成分進行希爾伯特變換，得到所述細節(jié)成分的瞬時頻率和振幅之后，還包括：

20、根據(jù)所述細節(jié)成分的瞬時頻率和振幅生成希爾伯特譜，所述希爾伯特譜用以表征所述標(biāo)準(zhǔn)疫情訓(xùn)練數(shù)據(jù)的時間-頻率分布情況。

21、優(yōu)選地，所述利用所述變換數(shù)據(jù)訓(xùn)練預(yù)設(shè)長短期記憶網(wǎng)絡(luò)，包括：

22、提取每個所述變換數(shù)據(jù)的細節(jié)成分及對應(yīng)的瞬時頻率；

23、將每個所述細節(jié)成分及對應(yīng)的瞬時頻率輸入預(yù)設(shè)長短期記憶網(wǎng)絡(luò)，并利用每個所述細節(jié)成分訓(xùn)練所述長短期記憶網(wǎng)絡(luò)。

24、進一步地，所述在確定所述損失值滿足要求時，生成疫情預(yù)測模型之后，還包括：

25、獲取疫情數(shù)據(jù)；

26、對所述疫情數(shù)據(jù)進行預(yù)處理，得到標(biāo)準(zhǔn)疫情數(shù)據(jù)；

27、對所述標(biāo)準(zhǔn)疫情數(shù)據(jù)進行希爾伯特黃變換后輸入所述疫情預(yù)測模型，生成疫情預(yù)測結(jié)果。

28、優(yōu)選地，所述對所述疫情訓(xùn)練數(shù)據(jù)進行預(yù)處理，得到標(biāo)準(zhǔn)疫情訓(xùn)練數(shù)據(jù)，包括：

29、對所述疫情訓(xùn)練數(shù)據(jù)剔除異常值、填補缺失值及標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)疫情訓(xùn)練數(shù)據(jù)。

30、本申請還提供一種疫情預(yù)測模型的訓(xùn)練模型，包括：

31、獲取模塊，用于獲取疫情訓(xùn)練數(shù)據(jù)；

32、預(yù)處理模塊，用于對所述疫情訓(xùn)練數(shù)據(jù)進行預(yù)處理，得到標(biāo)準(zhǔn)疫情訓(xùn)練數(shù)據(jù)；

33、變換模塊，用于對所述標(biāo)準(zhǔn)疫情訓(xùn)練數(shù)據(jù)進行希爾伯特黃變換，得到變換數(shù)據(jù)；

34、訓(xùn)練模塊，用于利用所述變換數(shù)據(jù)訓(xùn)練預(yù)設(shè)長短期記憶網(wǎng)絡(luò)，并基于均方誤差計算公式計算訓(xùn)練過程中的所述長短期記憶網(wǎng)絡(luò)的損失值；

35、生成模塊，用于在確定所述損失值滿足要求時，生成疫情預(yù)測模型。

36、本申請還提供一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述任一項所述的疫情預(yù)測模型的訓(xùn)練方法的步驟。

37、本申請還提供一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)上述任一項所述的疫情預(yù)測模型的訓(xùn)練方法的步驟。

38、本申請所提供的一種疫情預(yù)測模型的訓(xùn)練方法、裝置、計算機設(shè)備及存儲介質(zhì)，通過預(yù)處理疫情訓(xùn)練數(shù)據(jù)，可以去除噪聲和異常值，提高數(shù)據(jù)質(zhì)量，從而提升模型的預(yù)測準(zhǔn)確性。希爾伯特黃變換是一種自適應(yīng)的非線性、非平穩(wěn)信號分析方法，能夠處理非線性和非平穩(wěn)時間序列數(shù)據(jù)，其通過經(jīng)驗?zāi)B(tài)分解和希爾伯特變換相結(jié)合，將復(fù)雜信號分解為一系列固有模態(tài)函數(shù)及其瞬時頻率，減少了數(shù)據(jù)的復(fù)雜性，因此，通過該變換可以提取疫情數(shù)據(jù)中的內(nèi)在周期和趨勢，為長短期記憶網(wǎng)絡(luò)提供更有效的特征，進一步增強模型的預(yù)測能力和效率。同時，通過長短期記憶網(wǎng)絡(luò)進行疫情預(yù)測，可以捕捉時間序列數(shù)據(jù)中的長短期依賴關(guān)系，有助于處理疫情這類具有明顯時間相關(guān)性的數(shù)據(jù)。此外，基于均方誤差的損失函數(shù)計算，可以有效地衡量模型預(yù)測值與實際值之間的差異，指導(dǎo)模型訓(xùn)練過程中的參數(shù)優(yōu)化，加快模型收斂速度。因此，本申請將希爾伯特黃變換與長短期記憶網(wǎng)絡(luò)相結(jié)合，可以顯著提升疫情預(yù)測的精度。

技術(shù)特征：

1.一種疫情預(yù)測模型的訓(xùn)練方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述標(biāo)準(zhǔn)疫情訓(xùn)練數(shù)據(jù)進行希爾伯特黃變換，得到變換數(shù)據(jù)，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述預(yù)設(shè)約束條件包括：

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對所述細節(jié)成分進行希爾伯特變換，得到所述細節(jié)成分的瞬時頻率和振幅之后，還包括：

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述利用所述變換數(shù)據(jù)訓(xùn)練預(yù)設(shè)長短期記憶網(wǎng)絡(luò)，包括：

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述在確定所述損失值滿足要求時，生成疫情預(yù)測模型之后，還包括：

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述疫情訓(xùn)練數(shù)據(jù)進行預(yù)處理，得到標(biāo)準(zhǔn)疫情訓(xùn)練數(shù)據(jù)，包括：

8.一種疫情預(yù)測模型的訓(xùn)練模型，其特征在于，包括：

9.一種計算機設(shè)備，其特征在于，包括：

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-7任一項所述的疫情預(yù)測模型的訓(xùn)練方法。

技術(shù)總結(jié)
本申請為疫情預(yù)測技術(shù)領(lǐng)域，本申請?zhí)峁┝艘环N疫情預(yù)測模型的訓(xùn)練方法、裝置、計算機設(shè)備及存儲介質(zhì)，其中，所述方法包括：獲取疫情訓(xùn)練數(shù)據(jù)；對疫情訓(xùn)練數(shù)據(jù)進行預(yù)處理，得到標(biāo)準(zhǔn)疫情訓(xùn)練數(shù)據(jù)；對標(biāo)準(zhǔn)疫情訓(xùn)練數(shù)據(jù)進行希爾伯特黃變換，得到變換數(shù)據(jù)；利用變換數(shù)據(jù)訓(xùn)練預(yù)設(shè)長短期記憶網(wǎng)絡(luò)，并基于均方誤差計算公式計算訓(xùn)練過程中的長短期記憶網(wǎng)絡(luò)的損失值；在損失值滿足要求時，生成疫情預(yù)測模型。本申請將希爾伯特黃變換與長短期記憶網(wǎng)絡(luò)相結(jié)合，以提高疫情預(yù)測模型對時間序列數(shù)據(jù)的處理效果，從而提高模型對疫情預(yù)測的準(zhǔn)確度。

技術(shù)研發(fā)人員：韓子天,李玄鋒,何煒,劉瑞斌
受保護的技術(shù)使用者：澳門科技大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/6/30