一种基于改进SEIR模型的手足口病疫情预测方法与系统

技术领域

本发明属于手足口病数据信息监测技术领域，尤其涉及一种基于改进SEIR模型的手足口病疫情预测方法与系统。

背景技术

手足口病(hand foot mouth disease，HFMD)是一种多发于儿童的急性传染病。手足口病通常由肠道病毒引起，病原体为单股正链RNA病毒。中国疾控中心在2008年将手足口病划为丙类传染病进行管理。自2010年至今，手足口病患病人数持续居于法定报告传染病的首位，是中国发病人数最多，死亡人数最多的丙类传染病之一。手足口病严重影响了我国儿童的生命健康安全。因此，精准有效的预测手足口病疫情发展，对手足口病疫情的及时发现与干预具有重要的现实意义。

目前已有多种类型的模型用于手足口病的预测预警，基于传染病动力学模型的预测方法通过建立数学模型来模拟传染病的传播过程，利用动力学分析方法来研究传染病的传播趋势与对传染病传播过程中的关键参数。传染病动力学模型将传染病流行范围内的人群分为不同类别(也称为“仓室”)。不同类别的人群可以相互转化，作为对真实世界情况的模拟。常见的传染病模型按照具体的传染病的特点可分为SI、SIS、SIR、SEIR等模型。以经典的“易感-感染-康复模型”(susceptible-infected-recovered model，SIR model)模型为例，SIR模型将研究地区的人群抽象为四个仓室：S类，易感者(Susceptible)，指没有被感染过且对疾病没有免疫能力的人群，该类人群接触感染者接触后有一定几率会被感染；I类，感染者(Infectious)，指感染了该传染病并且会将疾病传染给感染者的人群；R类，移出者(Removed)，指被从感染者类移出的人群，造成移出的原因通常是痊愈或者死亡。目前流行的适用于手足口病的传染病动力学方法通常根据当地手足口病流行特点对SEIR模型中的群体进一步的细化。

传染病动力学模型既适用传染病一般规律的研究，也可针对特定具体传染病进行研究。模型可从问题的不同角度进行扩展，针对具体传染病的传播机理如接触传播、空气传播、虫媒传播；针对疾病发病特点如潜伏期、自限性、免疫力丧失、死亡率；针对研究群体的种群因素如种群年龄结构、种群间交叉感染、年龄结构和在空间中的迁移与扩散等具体因素；针对传染病流行过程中涉及的多方面因素，考虑时滞因素、种群年龄组成、防疫措施；针对传染病在多个不同群体中存在的交叉传染情况等。

基于传染病动力学的手足口病预测方法只关注疫情发展中群体数量的变化，不能分析群体数量之外的因素，缺乏考虑与疫情相关的其他因素，并且越细化的仓室模型越需要手动调整大量的超参数。

通过上述分析，现有技术存在的问题及缺陷为：现有的传染病动力学模型需要手动调整大量参数，实用性较差，对手足口病疫情数据检测准确率不高。

发明内容

为克服相关技术中存在的问题，本发明公开实施例提供了一种基于改进SEIR模型的手足口病疫情预测方法与系统。

所述技术方案如下：基于改进SEIR模型的手足口病疫情预测方法，包括以下步骤：

S1、在隐性传染及环境中存在的病毒对预测影响的情况下，获取手足口病疫情数据；所述疫情数据包括过去一段时间内的手足口病单日确诊人数、现有确诊人数以及累计康复人数数据；

S2、根据手足口病疫情的自限性特点和有潜伏期特点，构建传染病模型；

S3、将疫情数据输入所述传染病模型进行拟合优化，获得优化参数；

S4、基于优化参数对传染病模型进行改进，获得改进后的SEIR模型；

S5、利用改进后的传染病模型，对未来一段时间手足口病感染人数数据进行预测。

步骤S2中，构建传染病模型中，由微分方程的形式描述，表达式为：

式中，

进一步，构建传染病模型的过程如下：

暴露者经过手足口病平均潜伏期τ后将转换为感染者，感染群体成为感染者转变为线性感染者的概率为p，手足口病病程自限，经过临床康复所需要的天数ω后临床康复，感染者在表现出临床康复但仍能向外界排出病毒，经过病毒脱落期持续的天数η天后，患者停止向外界排出病毒；易感者会因为新生儿出生得到补充，自然出生率为∧，移出者群体由于年龄增长和感染而具有免疫力退出系统，环境中的病毒会以环境中的病毒感染速率v的概率造成感染模型中最大值远小于环境中病毒的环境中病毒清除的比例μ，因此环境中的病毒因为被易感者吸收而造成的损失远小于因为防疫或环境清洁造成的损失。

进一步，对显性感染者的传染率β

β

β

其中a

步骤S3中，将疫情数据输入所述传染病模型进行拟合优化，获得优化参数，包括：根据获取的环境消杀措施估计环境中的环境中病毒清除的比例μ，自然出生率∧以及自然死亡率与5岁以上移出群体d，由各年龄段易感者人数以及出生率估算；症状感染者的病毒脱落率λ1，无症状感染者的病毒脱落率λ

在步骤S4中，获得改进后的SEIR模型后，基于SEIR模型优化的手足口病疫情预测系统中的传染率参数β，表达式为：

β(t)＝a+b sin(ωβ+φ)

式中，β(t)为传染率随时间变化的情况，a，b均为传染率相关系数，ω

进一步，改进后的SEIR模型中，增加了疫情感染者群体I

进一步，改进后的SEIR模型增加的群体与原SEIR模型中群体的交互关系为：隐性感染者和显性感染者同样具有感染性，能够感染易感者；易感者接触到环境中的病毒也会被感染；感染病毒后患者进入潜伏期，经过一段时间后成为感染者，感染者可能会有临床症状成为显性感染者也可能不会有临床症状成为隐性感染者；显性感染者和隐性感染者都会向环境中释放病毒；感染者临床康复后成为病毒脱落者仍会向外界释放病毒并持续一段时间；环境中的病毒因为公共卫生防疫的消杀或者而死亡。

进一步，获得改进后的SEIR模型，还需将改进后的SEIR模型的微分方程转换为马尔科夫链，具体公式为：

I(t+1)＝I(t)+pE(t-τ)-I(t-ω)

I

P(t+1)＝P(t)+I

R(t+1)＝R(t)+P(t-η)

W(t+1)＝W(t)+λ

式中，S(t+1)为t+1时刻易感者，S(t)为t时刻的累计易感者，t为当前时刻，β

本发明的另一目的在于提供一种基于改进SEIR模型的手足口病疫情预测系统，该系统应用所述基于改进SEIR模型的手足口病疫情预测方法，该系统包括：

疫情数据获取模块，用于获取疫情数据，所述疫情数据包括历史时刻的单日确诊人数、现有确诊人数以及累计康复人数数据；

传染病参数拟合优化模块，用于将疫情数据输入至传染病模型进行拟合优化，获得优化参数；

改进后的SEIR模型构建模块，用于利用优化参数对SEIR模型进行改进，获得改进后的SEIR模型；

预测模块，用于使用改进后的SEIR模型对未来一段时间手足口病确诊人数数据进行预测。

结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明首先根据手足口病疫情的具体特点在SEIR模型的基础上添加隐性感染者群体、病毒脱落者群体、环境中的病毒并考虑手足口病具有潜伏期与自限性的特点构建传染病模型；其次将疫情数据输入至传染病模型进行拟合优化，获得优化参数；然后基于优化参数对模型进行改进，通过使用马尔科夫链转换控制方程获得改进后的SEIR模型；最后利用改进后的SEIR模型对未来一段时间的感染者人数进行预测。本发明使用了综合考虑了手足口病疫情传播中涉及的各类群体并对传染率进行拟合，因此改进后的SEIR模型具有预测精度高的优点。

通过根据手足口病疫情的具体特点增加特定的传染病群体并引入环境中的病毒，使用时滞型传染病动力学模型并进行参数自动回归，显著减少了时间开销，使得预测精度得到了进一步的提高。对于手足口病疫情的预测取得了理想的效果，在预测精度以及总体性能开销方面，相较于现有的传染病动力学模型具有优势，在手足口病疫情预测预警领域具有积极作用。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理；

图1是本发明实施例提供的基于改进SEIR模型的手足口病疫情预测方法流程图；

图2是本发明实施例提供的基于改进SEIR模型的手足口病疫情预测系统示意图；

图3是本发明实施例提供的改进传染病模型原理图；

图中：1、疫情数据获取模块；2、传染病参数拟合优化模块；3、改进后的SEIR模型构建模块；4、预测模块。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其他方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。

本发明实施例提供的基于改进SEIR模型的手足口病疫情预测方法与系统创新点在于：

传统的SEIR及其扩展模型的参数需要手动拟合、实用性较差，发明中对相关参数进行自动预测，能够节约大量时间成本。根据手足口病自限性和有潜伏期的特点，通过考虑隐性感染和环境中存在的病毒，改进了经典的SEIR模型，并将微分方程通过马尔科夫链转换为描述状态转移方程体现了创新性。

实施例1，如图1所示，本发明实施例提供的一种基于改进SEIR模型的手足口病疫情预测方法包括：

S1、在隐性传染及环境中存在的病毒对预测影响的情况下，获取手足口病疫情数据；所述疫情数据包括过去一段时间内的手足口病单日确诊人数、现有确诊人数以及累计康复人数数据；

S2、根据手足口病疫情的自限性特点和有潜伏期特点，构建传染病模型；

S3、将疫情数据输入所述传染病模型进行拟合优化，获得优化参数；

S4、基于优化参数对传染病模型进行改进，获得改进后的SEIR模型；

S5、利用改进后的传染病模型，对未来一段时间手足口病感染人数数据进行预测。

在本发明实施例中，相较于SEIR模型中的四类群里易感者S，暴露者E，显性感染者I，康复者R；改进SEIR模型增加了疫情感染者群体记为I

在本发明实施例中，改进的SEIR模型增加的各类群体与原SEIR模型中各类群体的交互关系为：隐性感染者和显性感染者同样具有感染性，能够感染易感者；易感者接触到环境中的病毒也会被感染；感染病毒后患者进入潜伏期，经过一段时间后成为感染者，感染者可能会有临床症状成为显性感染者也可能不会有临床症状成为隐性感染者。显性感染者和隐性感染者都会向环境中释放病毒。感染者临床康复后成为病毒脱落者仍会向外界释放病毒并持续一段时间。环境中的病毒会因为公共卫生防疫的消杀或者而死亡。

传统SEIR模型中，传染率相关参数β

改进后的SEIR模型考虑了手足口病自限性疾病与具有潜伏期的特点，改进后的SEIR模型具体特点为：暴露者经过τ天后将转换为感染者(感染者可能会显现症状，也可能不会显现症状)，其中感染群体成为显性感染者的概率为p。手足口病病程自限，患者经过ω天后临床康复。感染者在表现出临床康复但仍能向外界排出病毒。最后经过η天后，患者停止向外界排出病毒成为康复者。

在本发明实施例中，改进后的SEIR模型引入了多个具体的细化的群体与时滞性传播特点，改进后的SEIR模型具体公式为：

式中，

特别的，环境中的病毒会以v的概率造成感染模型中的v最大值远小于环境中病毒的清除率μ，因此环境中的病毒因为被易感者吸收而造成的损失远小于因为防疫或环境清洁造成的损失。

在本发明实施例中，为使用改进后的SEIR模型对未来一段时间的手足口病感染人数进行预测，将描述改进后的SEIR模型的微分方程转换为马尔科夫链，具体公式为：

I(t+1)＝I(t)+pE(t-τ)-I(t-ω)

v

P(t+1)＝P(t)+I

R(t+1)＝R(t)+P(t-η)

W(t+1)＝W(t)+λ

式中，S(t+1)为t+1时刻易感者，S(t)为t时刻的累计易感者，t为当前时刻，β

通过上述实施例可知，传统的SEIR手足口病预测方法只关注疫情发展中SEIR四类群体数量的变化，不能分析隐形传染者等群因素，缺乏考虑与疫情相关的其他因素，并且越细化的模型越需要手动调整大量的超参数。在大部分传染病动力学模型中，与疫情发展直接相关的传染率随时间变化的情况通常使用三角函数进行模拟，三角函数中的参数往往需要手动调整，模型实用性较差。

本发明根据某市手足口病疫情的实际特征，改进了经典的SEIR模型，通过考虑隐性感染和环境中存在的病毒，并根据手足口病自限性和有潜伏期的特点，提出了SEIIePRW模型，所述模型充分考虑了手足口病疫情传播中所涉及的各类群体，并对他们之间的传播关系进行了描述，针对传统SEIR模型传染率参数使用三角函数进行模拟且需要手动调整，模型实用性差的缺点，自动预测传染率公式中的参数，增强了模型的实用性，模型收敛较快且具有较高的预测精度。

实施例2，如图2所示，本发明实施例提供一种基于改进SEIR模型的手足口病疫情预测系统包括：

疫情数据获取模块1：用于获取疫情数据，所述疫情数据包括历史时刻的单日确诊人数、现有确诊人数以及累计康复人数数据；

传染病参数拟合优化模块2：用于将疫情数据输入至传染病模型进行拟合优化，获得优化参数；

改进后的SEIR模型构建模块3：用于利用优化参数对SEIR模型进行改进，获得改进后的SEIR模型；

预测模块4：用于使用改进后的SEIR模型对未来一段时间手足口病确诊人数数据进行预测。

实施例3，作为本发明另一种实施方式，本发明实施例提供一种基于改进SEIR模型的手足口病疫情预测方法。

步骤1：获取手足口病疫情数据；

步骤2：根据手足口病疫情的具体特点构建传染病模型步骤S3：将步骤S1中的疫情数据输入至所述传染病模型进行拟合优化，获得优化参数：

步骤4：基于步骤3中的优化参数对传染病模型进行改进，获得改进后的SEIR模型；

步骤5：利用改进后的传染病模型对未来一段时间手足口病感染人数进行预测。

在步骤1中：获取手足口病疫情数据：根据模型相较于传统SEIR模型所增加的群体与参数优化的需要，需要获取历史一段时间手足口病的单日确诊人数、现有确诊人数、累计康复人数、各个年龄段易感者人数、公共环境消杀力度数据

步骤2中：如图3所示，根据手足口病疫情的具体特点构建传染病模型：所构建的传染病动力学模型由微分方程的形式描述，公式如下：

步骤3中：将步骤1中的疫情数据输入至所述传染病模型进行拟合优化，获得优化参数：将根据步骤1中获取的环境消杀措施估计环境中的病毒清除率μ,∧,d由各年龄段易感者人数以及出生率估算。λ

步骤4：基于步骤3中的优化参数对传染病模型进行改进，获得改进后的SEIR模型：

基于SEIR优化的手足口病疫情预测系统中的传染率参数β，其计算通式为：

β(t)＝a+b sin(ω

式中，β(t)为传染率随时间变化的情况，a，b均为传染率相关系数，ω

由于传染率由显性感染者的传染率与隐性感染者的传染率组成，记β

β

β

其中a

步骤5：利用改进后的传染病模型对未来一段时间手足口病感染人数进行预测：

为使用模型对未来一段时间的手足口病感染人数进行预测，将描述模型的微分方程转换为马尔科夫链，具体公式为：

I(t+1)＝I(t)+pE(t-τ)-I(t-ω)

v

P(t+1)＝P(t)+I

R(t+1)＝R(t)+P(t-η)

W(t+1)＝W(t)+λ

由步骤S3、步骤S4确定好相关参数后，给定历史时刻的状态，即可估算未来一天时间的状态，使用滚动预测的方式便可估算未来一段时间内的状态。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

上述装置/单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程。

本发明实施例还提供了一种计算机设备，该计算机设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。

本发明实施例还提供了一种信息数据处理终端，所述信息数据处理终端用于实现于电子装置上执行时，提供用户输入接口以实施如上述各方法实施例中的步骤，所述信息数据处理终端不限于手机、电脑、交换机。

本发明实施例还提供了一种服务器，所述服务器用于实现于电子装置上执行时，提供用户输入接口以实施如上述各方法实施例中的步骤。

本发明实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行时可实现上述各个方法实施例中的步骤。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。

为进一步说明本发明实施例相关效果，进行如下实验。

实验评估包括：

(1)实验数据，手足口病数据集来自某市疾控中心的脱敏手足口病确诊病例数据，该数据集中的每条数据包含2010年-2020年每日确诊病例的年龄、性别、从事职业、发病时间、确诊时间、居住地区国标、居住地区、是否为重症患者。数据总条数126360条，使用病例数据可统计出每日确诊患者、每日发病患者、每日康复患者。手足口病数据集来源于传染病直报系统，该直报系统的具体运行机制是：无论乡镇卫生院、县医院或其他医院，只要在诊断过程中发现了临床传染病例，都需要将该患者的信息报送至医院传染病科室，由专人填写传染病报告卡，进入传染病直报系统，录入信息上传报告。因此手足口病数据缺失值收录完善，缺失值少。使用最大最小值标准化方法对模型的输入进行规约。针对每日确诊病例数据，为准确衡量当前疫情的趋势的方向，使用指数移动平均(Exponential MovingAverage，EMA)方法对数据进行平滑处理。指数移动平均与加权平均相似，但区别在于窗口内各部分的数据加权是按指数递减。计算时使用窗口在数据上“滑动”，窗口内从当前数据至之前t的数据依次分配加权，加权按照指数递减。

(2)实验环境：

实验环境具体配置如下：处理器为AMD Ryzen 7 5800H x16，显卡为NVIDIAGeForce GTX3060(6GB)，32GB RAM(3200MHz)，操作系统为Ubuntu 16.04(64位)，编程环境为Python3.8。深度学习框架采用Pytorch。

为了验证基于改进SEIR模型的手足口病疫情预测方法在预测精度上的提升，

本次实验选取手足口病常用传染病动力学模型SEIIeQR模型与本发明中基于改进SEIR模型的手足口病模型SEIIePRW进行对比，两种模型预测了2019年某某市5-7月份的手足口病疫情并进行了对比。

(3)对比实验：

实验选择了三个指标作为衡量模型性能的尺度，第一个性能指标是均方根误差(Mean Square Error，MSE)。当模型的预测与实际值相差越大时该值越大。MSE的计算方法如下所示：

第二个性能指标是平均绝对误差(Mean Absolute Error，MAE)，当模型的预测与实际值相差越大时该值越大。MAE的计算方法如下所示：

第三个性能指标是平均绝对百分比误差(Mean Absolute Percentage Error，MAPE)，当模型的预测与实际值相差越大时该值越大。MAPE的计算方法如下所示：

其中为研究模型对不同时间跨度预测的稳定性与准确性，实验分别测试了实验模型与对比模型对未来7天，15天，30天的预测结果。上述每个时间段使用的评价指标也使用了MSE。MAE与MAPE。如模型在7，15，30天的MAE性能分别称为MAE-7，MAE-15，MAE-30。

实验结果如表1所示：

表1对比实验结果

/>

对比实验显示，提出的SEIIePRW模型在7天15天30天手足口病预测性能上优于SEIIeQR模型，证明了SEIIePRW的有效性。相较于其他传染病动力学模型，SEIIePRW首先将研究群体年龄限定在5岁以内，并充分考虑了环境中的病毒与临床康复但仍向外界释放病毒的群体，通过准确描述手足口病传播过程中的各条传播链，提高了模型的预测性能。

综合来看本发明算法有着较高的应用价值和实际意义。本发明算法针对手足口病传染病动力学领域的不足之处，提出了一种基于改进SEIR模型的手足口病疫情预测算法，考虑了环境中的病毒与临床康复但仍向外界释放病毒的群体，通过准确描述手足口病传播过程中的各条传播链，提高了模型的预测性能。实验结果表明，本发明算法在某市手足口病数据集上取得了良好的表现，准确率好于当前主流的一些手足口病疫情预测方法。本发明研究目的是为今后相关工作提供算法参考和模型构建基准，具有一定理论指导意义。

以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。