买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西南大学;重庆市大渡口区疾病预防控制中心申请的专利一种传染病趋势预测装置及其使用方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116975610B 。

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310932978.0，技术领域涉及：G06F18/2136；该发明授权一种传染病趋势预测装置及其使用方法是由周泓汛;袁野;刘勇言;吴昊设计研发完成，并于2023-07-27向国家知识产权局提交的专利申请。

本一种传染病趋势预测装置及其使用方法在说明书摘要公布了：本发明公开一种传染病趋势预测装置及其使用方法，包括数据接收模块、数据存储模块、状态方程构造模块、测量方程构造模块和预测输出模块；其中，数据接收模块，用于从服务器接收传染病历史数据；数据存储模块，用于存储接收的传染病历史数据和传染病趋势预测值；状态方程构造模块，用于根据传染病历史数据构造状态方程，通过上一时刻的状态来推测此刻的状态；测量方程构造模块，用于根据传染病历史数据构造测量方程，用于跟状态方程的值融合；预测输出模块，用于结合状态方程和测量方程，输出传染病时间预测值。

本发明授权一种传染病趋势预测装置及其使用方法在权利要求书中公布了：1.一种传染病趋势预测装置，其特征在于，包括数据接收模块、数据存储模块、状态方程构造模块、测量方程构造模块和预测输出模块；其中， 数据接收模块，用于从服务器接收传染病历史数据； 数据存储模块，用于存储接收的传染病历史数据和传染病趋势预测值； 状态方程构造模块，用于根据传染病历史数据构造状态方程，通过上一时刻的状态来推测此刻的状态； 测量方程构造模块，用于根据传染病历史数据构造测量方程，用于跟状态方程的值融合； 预测输出模块，用于结合状态方程和测量方程，输出传染病时间预测值； 使用时包括以下步骤： S1：接收服务器发送的预测传染病趋势的指令，从服务器采集传染病历史数据并存储； S2：根据传染病历史数据构造状态方程和测量方程； S3：根据传染病历史数据构造时间序列矩阵，再将时间序列矩阵拆分成第一隐特征矩阵X和第二隐特征矩阵Z； S4：结合状态方程、测量方程计算构造目标函数，对第一隐特征矩阵X和第二隐特征矩阵Z进行训练，输出第一更新隐特征Xt和第二更新隐特征Zt； S5：计算传染病趋势预测值； 其中，S4包括： S4-1：初始化传染病趋势预测过程中所涉及的过程参数； S4-2：构造目标损失函数ε，以训练获取隐特征矩阵X、Z的值，目标损失函数ε用以下公式表示： 公式5中，εP表示时间序列矩阵的目标损失函数；P拆分为X和Z两个隐特征矩阵；t表示o向i输送r个传染病患者的时刻；|T|表示时刻的总数；Pto,i表示t时刻第o个城市向第i个城市输入的传染病数值；Γ表示已知数据集即四元组Y；λ表示正则化系数,对优化过程进行约束，防止在优化过程中出现过拟合的问题；表示预测值，xto表示第一隐特征矩阵中X第o个隐特征向量，o∈I；zti表示第二隐特征矩阵Z中第i个隐特征向量，i∈J； ‖·‖2表示L2范数； S4-3：训练第一隐特征矩阵X，输出第一更新隐特征Xt； X有T个时间片，X0、X1、X2、…、Xt…XT，X0是迭代前的随机化的初始状态；固定Z对X进行更新，具体的方法为： 将状态方程和测量方程根据泰勒公式展开： 公式6的意义是状态转移函数在k-1时刻后验值点进行泰勒展开，其中，fUk-1表示k-1时刻疾病状态的非线性转移函数；表示k-1时刻的后验状态值的非线性转移函数；表示k-1时刻的后验状态值的非线性转移函数的求导；表示k-1时刻的后验值；Uk-1表示k-1时刻疾病状态； 公式7的意义是测量函数在k时刻通过状态转移函数的先验值未跟此刻测量值融合的数据点上进行泰勒展开，其中，hUk表示k时刻疾病状态的非线性测量函数；表示k时刻先验状态值的非线性测量函数；表示什么k时刻先验状态值的非线性测量函数的求导；Uk表示k时刻疾病状态；表示状态转移函数的先验值； 则得到的预测步为： 公式8中，表示k时刻先验值，即还没使用观测值“融合”之前的状态值，通过上一时刻的后验值经过状态转移函数得到k时刻先验值；是k时刻的先验方差，是k-1时刻的后验方差，Sk表示状态噪声； 则得到的更新步为： 公式9中，K表示扩展卡尔曼增益，扩展卡尔曼增益相当于一个权重，判断是更相信状态值还是更相信测量值，让最后的预测值更倾向于状态值还是测量值；表示K时刻的后验值，即通过“融合”状态值和观测值得到最终的预测值；表示k时刻的状态值；yk是观测值，即传染病历史数据，h是测量函数；是K时刻的后验方差即预测方差；是k时刻的先验方差； 对X进行训练，得到一系列的即Xt，K∈T，t∈T，T表示数据集中最后的时刻； S4-4：训练第二隐特征矩阵Z，输出第二更新隐特征ZT； Z有T个时间片，Z0、Z1、Z2、Z3…ZT，Z0是迭代前的随机化的初始状态；固定X通过交替二乘法对Z进行更新，构造其目标损失函数εZ，公式如下： 公式10中，εZ表示第二隐特征矩阵Z的目标损失函数； 对Z更新: 公式11中，z1i表示第二隐特征矩阵第一个时间片中第i个隐特征向量；表示t＝1时刻的测量值集合，维度为维度为1×|P1Ki|；表示t＝1时刻的第一隐特征矩阵，维度为|P1Ki|×|f|；P1Ki表示t＝1时刻四元组的数据集合；I为单位矩阵； S4-5：在已知数据集合Γ上重复上述训练过程，直至目标损失函数ε在已知数据集合Γ上收敛，判断损失函数ε在Γ上训练迭代过程是否达到终止条件，在达到终止条件后终止。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西南大学;重庆市大渡口区疾病预防控制中心，其通讯地址为：400715 重庆市北碚区天生路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。