申请/专利权人：中国科学院地理科学与资源研究所

申请日：2022-01-05

公开（公告）日：2023-07-21

公开（公告）号：CN114360739B

主分类号：G16H50/80

分类号：G16H50/80;G06N3/0442

优先权：

专利状态码：有效-授权

法律状态：2023.07.21#授权;2022.05.03#实质审查的生效;2022.04.15#公开

摘要：本发明公开一种基于遥感云计算与深度学习的登革热风险预测方法，该方法设定不透水层一公里缓冲区作为登革热主要传播范围，应用谷歌地球引擎承载的地理空间大数据和云计算方法，在登革热传播范围内计算多种驱动因素，形成流行病学周为单位的时间序列，并以每周病例数的自然对数的时间差分值作为标签，通过模型直接预测每个流行病学周病例数的变化；本发明将气候环境特征的计算范围从宽泛的行政边界精确为人类活动的不规则区域块，突出地理空间大数据云计算带来的高效性，使用周病例数自然对数的时间差分值作为标签，使得对模型预测能力的评估真实有效，一定程度上去除了自相关性对模型训练的负面影响，实现了登革热传播风险的及时准确预测。

主权项：1.一种基于遥感云计算与深度学习的登革热风险预测方法，其特征在于，包括以下步骤：步骤一：先获取风险待预测城市的不透水层，接着根据登革热媒介的飞行范围，在获取的不透水层周围定义一公里的缓冲区作为登革热的主要传播区域；步骤二：获取登革热传播时间段内流行病学周序列，并获取每个周的起始时间与结束时间；步骤三：应用谷歌地球引擎云计算平台计算登革热驱动因素的地理空间大数据，先在每个流行病学周内获取平均日间地表温度、平均夜间地表温度、平均气温、平均相对湿度、降雨总量、植被归一化指数和植被增强指数，形成每个驱动因素的周合成图像集；步骤四：将周合成图像集的驱动因素图像在登革热的主要传播范围内用像素平均值进行空间聚合，形成每个驱动因素的时间序列；步骤五：分析气候环境特征时间序列数据两两之间的相关性，并去除冗余特征；步骤六：计算每个流行病学周内登革热病例数作为标签数据，并依次采用周病例数加一的自然对数变换和时间差分方法修正每周病例数，最终选择周病例数对数差分序列作为标签；所述登革热周病例时间序列的自相关消除的具体步骤为：先对每周病例数加一做自然对数转化，然后用后一周数值减去前一周的数值，再将所得差值赋值在前一周；步骤七：组合登革热环境气候的驱动因素、对数化的历史病例数和标签数据设计两种预测情景，包括仅考虑登革热环境气候驱动因素的预测情景以及同时考虑环境气候和历史病例的预测情景；步骤八：将时间序列数据集划分为训练集和验证集，对步骤七中设计的两种预测情景构建不同时间节点下的早期预测模型，再通过训练集训练周病例数变化的早期预测模型；步骤九：结合登革热风险预测值和真实值计算早期预测模型的精度指标RMSE与MAE，再对比分析两种预测情景下十二个早期模型的预测曲线，选出最优模型，作为直接预测登革热周病例数的深度学习模型。

全文数据：

权利要求：

百度查询： 中国科学院地理科学与资源研究所 一种基于遥感云计算与深度学习的登革热风险预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD