预测流行病传播周期的方法、装置、设备及可读介质与流程

1.本技术涉及数据处理技术领域，尤其涉及一种预测流行病传播周期的方法、装置、设备及可读介质。


背景技术：

2.疾病依规律性的时间间隔发生流行，称为周期性(periodicity)。一些流行病由于易感人口增多而发生流行，常可表现为周期性流行。分析流行病或传染病的传播规律，在流行病或传染病的建模预测中，对于模型的构建调参也有重要的指导作用，能够促进流行病数据的进一步分析。
3.当前估计流行病的传播周期规律，主要基于历史经验，或经过绘图查看主观判断，然而很多流行病或症候群的规律性不够明显，通过主观查看具有较高的人为因素，且需要较强的专业知识，难以准确地确定流行病或传染病的传播周期。


技术实现要素：

4.本技术实施例为了解决上述存在的问题，创造性地提供一种预测流行病传播周期的方法、装置、设备及可读介质。
5.根据本技术实施例第一方面，提供了一种预测流行病传播周期的方法，所述方法包括：获取指定流行病在预设时间段内的流行病时序数据；对所述流行病时序数据进行波形分解，确定对应的频次数据；根据所述频次数据确定所述流行病的第一候选周期集；对所述流行病时序数据进行自相关性分析，确定不同相位差对应的自相关系数；根据多个所述自相关系数确定第二候选周期集；对所述第一候选周期集和第二候选周期集进行分析，确定所述指定流行病对应的传播周期，以基于所述传播周期对流行病进行预测。
6.根据本技术一实施方式，所述获取指定流行病在预设时间段内的流行病时序数据，包括：获得所述指定流行病对应的原始时序数据；对所述原始时序数据进行缺失值填充，获得填充后的时序数据；对所述填充后的时序数据进行平滑处理，获得流行病时序数据。
7.根据本技术一实施方式，对所述流行病时序数据进行波形分解，确定对应的频次数据，包括：通过傅里叶变换对所述流行病时序数据进行时域至频域的转化，获得频域波形；根据所述频域波形确定每一个波峰对应的频次数据。
8.根据本技术一实施方式，根据所述频次数据确定所述流行病的第一候选周期集，包括：根据所述流行病时序数据对应的时间区间对所述频次数据进行转换，获得第一候选周期集。
9.根据本技术一实施方式，所述根据多个所述自相关系数确定第二候选周期集，包括：根据所述自相关系数和所述预设相位差区间确定对应的自相关波形；根据所述自相关波形确定与每一个波峰对应的相位差数据；将所述相位差数据确定为第二候选周期集。
10.根据本技术一实施方式，对所述第一候选周期集和第二候选周期集进行分析，确
定所述指定流行病对应的传播周期，包括：若所述第一候选周期集和第二候选周期集存在相同的候选周期，将所述相同的候选周期确定为所述指定流行病对应的传播周期。
11.根据本技术一实施方式，所述对所述第一候选周期集和第二候选周期集进行分析，确定所述指定流行病对应的传播周期，包括：若所述第一候选周期集和第二候选周期集不存在相同的候选周期，确定每一个第一候选周期与每一个第二候选周期之间的周期间隔；对所述周期间隔进行排序，确定最小周期间隔；根据所述最小周期间隔对应的第一候选周期和第二候选周期确定所述指定流行病对应的传播周期。
12.根据本技术一实施方式，所述根据所述最小周期间隔对应的第一候选周期和第二候选周期确定所述指定流行病对应的传播周期，包括：判断所述最小周期间隔是否满足预设周期阈值；若所述最小周期间隔满足所述预设周期阈值，对所述第一候选周期和第二候选周期进行整合，确定所述指定流行病对应的传播周期。
13.根据本技术实施例第二方面，提供了一种预测流行病传播周期的装置，所述装置包括：获取模块，用于获取指定流行病在预设时间段内的流行病时序数据；分解模块，用于对所述流行病时序数据进行波形分解，确定对应的频次数据；确定模块，用于根据所述频次数据确定所述流行病的第一候选周期集；分析模块，用于对所述流行病时序数据进行自相关性分析，确定不同相位差对应的自相关系数；所述确定模块，还用于根据多个所述自相关系数确定第二候选周期集；所述分析模块，还用于对所述第一候选周期集和第二候选周期集进行分析，确定所述指定流行病对应的传播周期，以基于所述传播周期对流行病进行预测。
14.根据本技术一实施方式，所述获取模块，包括：获得子模块，用于获得所述指定流行病对应的原始时序数据；填充子模块，用于对所述原始时序数据进行缺失值填充，获得填充后的时序数据；平滑子模块，用于对所述填充后的时序数据进行平滑处理，获得流行病时序数据。
15.根据本技术一实施方式，所述分解模块，包括：变换子模块，用于通过傅里叶变换对所述流行病时序数据进行时域至频域的转化，获得频域波形；确定子模块，用于根据所述频域波形确定每一个波峰对应的频次数据。
16.根据本技术一实施方式，所述确定模块，还用于根据所述流行病时序数据对应的时间区间对所述频次数据进行转换，获得第一候选周期集。
17.根据本技术一实施方式，所述确定模块，还用于根据所述自相关系数和所述预设相位差区间确定对应的自相关波形；根据所述自相关波形确定与每一个波峰对应的相位差数据；将所述相位差数据确定为第二候选周期集。
18.根据本技术一实施方式，所述分析模块，还用于若所述第一候选周期集和第二候选周期集存在相同的候选周期，将所述相同的候选周期确定为所述指定流行病对应的传播周期。
19.根据本技术一实施方式，所述分析模块，还用于若所述第一候选周期集和第二候选周期集不存在相同的候选周期，确定每一个第一候选周期与每一个第二候选周期之间的周期间隔；对所述周期间隔进行排序，确定与最小周期间隔；根据所述最小周期间隔对应的第一候选周期和第二候选周期确定所述指定流行病对应的传播周期。
20.根据本技术一实施方式，所述分析模块，还用于判断所述最小周期间隔是否满足
预设周期阈值；若所述最小周期间隔满足所述预设周期阈值，对所述第一候选周期和第二候选周期进行整合，确定所述指定流行病对应的传播周期。
21.根据本技术第三方面，还提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述可实施方式中任一项所述的方法。
22.根据本技术第四方面，还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上述可实施方式中任一项所述的方法。
23.本技术实施例提供的针对一种预测流行病传播周期的方法、装置、设备及可读介质，通过对流行病时序数据进行波形分解确定第一候选周期集，通过对流行病时序数据进行自相关系数的计算确定第二候选周期集，然后通过第一候选周期集和第二候选周期集进行分析，确定指定流行病对应的传播周期。应用本方法能够基于流行病时序数据，客观、准确地对指定流行病的传播周期进行预测，确定流行病的传播周期，进一步基于流行病的传播周期，对流行病模型的构建和参数调整提供了更准确的信息，对流行病的预防和控制有重要意义。
24.需要理解的是，本技术的教导并不需要实现上面所述的全部有益效果，而是特定的技术方案可以实现特定的技术效果，并且本技术的其他实施方式还能够实现上面未提到的有益效果。
附图说明
25.通过参考附图阅读下文的详细描述，本技术示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本技术的若干实施方式，其中：
26.在附图中，相同或对应的标号表示相同或对应的部分。
27.图1示出了本技术实施例一种预测流行病传播周期的方法的实现流程示意图；
28.图2示出了本技术实施例一种预测流行病传播周期的方法的对应时域的波形图；
29.图3示出了本技术实施例一种预测流行病传播周期的方法的频谱图；
30.图4示出了本技术实施例一种预测流行病传播周期的方法的自相关系数波形示意图；
31.图5示出了本技术实施例一种预测流行病传播周期的装置的实现模块示意图；
32.图6示出了本技术实施例一种电子设备的实现结构示意图。
具体实施方式
33.下面将参考若干示例性实施方式来描述本技术的原理和精神。应当理解，给出这些实施方式仅仅是为使本领域技术人员能够更好地理解进而实现本技术，而并非以任何方式限制本技术的范围。相反，提供这些实施方式是为使本技术更加透彻和完整，并能够将本技术的范围完整地传达给本领域的技术人员。
34.下面结合附图和具体实施例对本技术的技术方案进一步详细阐述。
35.图1示出了本技术实施例一种预测流行病传播周期的方法的实现流程示意图。
36.参见图1，根据本技术实施例第一方面，提供了一种预测流行病传播周期的方法，方法包括：操作101，获取指定流行病在预设时间段内的流行病时序数据；操作102，对流行病时序数据进行波形分解，确定对应的频次数据；操作103，根据频次数据确定流行病的第一候选周期集；操作104，对流行病时序数据进行自相关性分析，确定不同相位差对应的自相关系数；操作105，根据多个自相关系数确定第二候选周期集；操作106，对第一候选周期集和第二候选周期集进行分析，确定指定流行病对应的传播周期，以基于传播周期对流行病进行预测。
37.本技术实施例提供的预测流行病传播周期的方法，通过对流行病时序数据进行波形分解确定第一候选周期集，通过对流行病时序数据进行自相关系数的计算确定第二候选周期集，然后通过第一候选周期集和第二候选周期集进行分析，确定指定流行病对应的传播周期。应用本方法能够基于流行病时序数据客观、准确地对传播周期未知的指定流行病的传播周期进行预测，或对传播周期已知的指定流行病的传播周期进行验证和补充。利用传播周期能够分析流行病或传染病的传播规律，知悉其传播周期规律，在流行病的建模预测中，对于流行病模型的构建和参数调整有重要的指导作用，能够促进流行病数据的进一步分析，对流行病的预防和控制有重要意义。
38.在本方法操作101中，指定流行病为需要进行周期预测的流行病，如麻疹、流行性脑髓膜炎、“百日咳”、甲型流行性感冒、乙型流行性感冒等。流行病时序数据可以是与指定流行病对应的症候群数据、也可以是与指定流行病对应的确诊数据。需要补充的是，由于指定流行病是具有传播区域的，流行病时序数据具体指需预测区域的流行病时序数据。如，指定流行病为猩红热，需要预测的区域为某一城市的猩红热传播周期，则流行病时序数据为该城市中与猩红热相关的流行病时序数据。根据需要，需预测区域包括但不限于：街道、城市、省、州、国家等。根据需要，预设时间段为与流行病时序数据对应的时间范围，与流行病时序数据对应的时间单位可以选择、天、周、月、年等单位中的任一项。例如，预设时间段内的流行病时序数据可以为过去若干年需预测区域内每日指定流行病的确诊人数。可以理解的是，时间单位越精确，预测周期的范围也可以越精确。
39.在本方法操作102和操作103中，流行病时序数据中，可能包含多个互相重叠的流行周期，以流行病时序数据可以为过去若干年需预测区域内每日指定流行病的确诊人数为例，本方法可以根据流行病时序数据绘制以时间信息为横坐标、流行病特征参数为纵坐标的对应时域的波形图，该波形图实际为多个不同的波峰和不同频次的基础波形重叠形成，基于此，本方法将对应时域波形图进行波形分解，即可获得多个基础波形，获得对应频域的频谱图，从而确定每一个正弦波的振幅数据和频次数据。根据频次数据和与流行病时序数据对应的总时间长度进行转换，即可确定第一候选周期集。第一候选周期集包含至少一个第一候选周期，一个第一候选周期对应一个频次数据。其中，流行病特征参数包括但不限于与指定流行病对应的每日确诊人数。如图2所示，图2为对应时间信息和流行病特征参数的波形图，对图2进行波形分解后，可以获得图3所示的频谱图。
40.在本方法操作104中，还对流行病时序数据进行自相关系数的计算，以度量流行病时序数据在不同时间的相关程度。预设相位差区间中包含多个不同数值的预设相位差，预设相位差用于确定两组进行自相关系数度量的流行病时序数据，例如，若预设相位差为 1单位，则比较流行病时序数据与流行病时序数据的时间信息 1单位后的数据之间的自相关
系数。本方法的预设自相关差区间不超过流行病时序数据的总时间长度即可，进一步的，本方法的预设自相关差区间可以根据第一候选周期集确定，例如，根据第一候选周期集中的数值最大的第一候选周期和数值最小的第一候选周期确定预设自相关差区间。进一步的，相位差的时间单位可以与第一候选周期的时间单位保持一致或不一致。
41.具体的自相关系数的计算公式如下：
[0042][0043]
其中，指代与流行病时序数据序列对应的均值，h为相位差，xi为流行病时序数据的原始序列；x
i h
为流行病时序数据对应的相位差序列，ρ为自相关系数。
[0044]
如图4所示，可以自相关系数为纵轴，相位差为横轴可以绘制对应的自相关波形图，需要理解的是，图中自相关系数越高，相关性越高。
[0045]
在本方法操作105中，根据自相关波形图确定与波峰对应的波峰相位差，根据波峰相位差确定为第二候选周期集，第二候选周期集包含至少一个第二候选周期，一个第二候选周期对应一个波峰相位差。
[0046]
在本方法操作106中，通过对第一候选周期集和第二候选周期集中进行比对，根据第一候选周期集和第二候选周期集是否包含相同的候选周期确定指定流行病对应的传播周期。可以理解的是，若第一候选周期集和第二候选周期集存在相同的候选周期，即通过两种周期确定方法均认为该候选周期为传播周期，因此，可以将该候选周期确定为传播周期。需要补充的是，若第一候选周期的时间单位可以与第二候选周期的时间单位保持一致，可以直接对第一候选周期集和第二候选周期集进行比较；若第一候选周期的时间单位可以与第二候选周期的时间单位不一致，则需要先统一时间单位后，再对第一候选周期集和第二候选周期集进行比较。
[0047]
根据本技术一实施方式，操作101，获取指定流行病在预设时间段内的流行病时序数据，包括：首先，获得指定流行病对应的原始时序数据；然后，对原始时序数据进行缺失值填充，获得填充后的时序数据；再后，对填充后的时序数据进行平滑处理，获得流行病时序数据。
[0048]
在操作101中，用于确定流行病时序数据的原始时序数据通常容易出现缺失、波动频次较高的问题，基于此，本方法需要对原始时序数据进行预处理，在保留时序信息的同时，降低数据假阳性波动的问题，提高数据的可信度。
[0049]
本方法的原始时序数据指代需预测区域针对指定流行病的历史医疗数据，如：某一城市过去十年内针对指定流行病的每日确诊人数、某一医院过去二十年内针对指定流行病的症候群诊断人数等。原始时序数据可以以数据表的格式进行体现，数据表可以包含日期、确诊人数和当前新增确诊等信息。
[0050]
然后，由于针对指定流行病的原始时序数据具有一定的波动趋势，基于此，未避免丢失时序信息，本方法采用前后加权填充的方式对缺失值进行补充，以缺失值为每日确诊人数为例，取缺失的每日确诊人数的前后n天的数据进行加权填充，以确定缺失值。以缺失的每日确诊人数的前后3天的数据进行加权填充为例，具体公式如下：
[0051]
xi＝0.25*x
i-1
0.15*x
i-2
0.1*x
i-3
0.25*x
i 1
0.15*x
i 2
0.1*x
i 3
[0052]
其中，xi为第i天的每日确诊人数，即缺失日的每日确诊人数。0.25、0.15、0.1分别为与前后3天的每日确诊人数对应的权值，需要理解的是，权值可以根据n的具体数值进行分配，本方法的权值不限定于0.25、0.15和0.1。且所有权值的加和为1。针对每一日的权值根据前后天数与第i天之间的时间距离确定，即越远离第i天，对应的权值越小。
[0053]
应用上述公式对所有缺失值进行填充后，获得填充后的时序数据，由于缺失值的填充采用前后加权填充，不会丢失时序信息。
[0054]
然后，对填充后的时序数据进行平滑处理，以减少假阳性波动的情况，使后续的数据处理更加准确。具体的，结合加权填充的方法和滑动平均算法，本方法采用滑动加权平均方法对填充后的时序数据进行平滑处理，具体指代通过待平滑数据的前后n天的数据进行加权平滑，以确定流行病时序数据。同样以填充后的每日确诊人数为例，假设n为3天，具体公式如下：
[0055][0056]
其中，x
′i为第i天的流行病时序数据，即平滑后的第i天每日确诊人数。0.25、0.15、0.1分别为与前后3天的每日确诊人数对应的权值，需要理解的是，权值可以根据n的具体数值进行分配，本方法的权值不限定于0.25、0.15和0.1，且本方法根据实际需求，用于平滑的权值可以与用于填充的权值一致或不一致。分母2为所有权值的加和，需要补充的是，在平滑过程中，前后3天的每日确诊人数对应的权值加和可以不为1，分母2为分子中所有权值的加和，若分子中所有权值的加和不为2，分母则不为2。
[0057]
根据本技术一实施方式，操作102，对流行病时序数据进行波形分解，确定对应的频次数据，包括：首先，通过傅里叶变换对流行病时序数据进行时域至频域的转化，获得频域波形；然后，根据频域波形确定每一个波峰对应的频次数据。
[0058]
本方法的波形分解可以采用傅里叶变换实现，傅里叶变换是一种将时域数据转化为频域数据的方法，通过傅里叶变换可以将任何时域波形变换成不同振幅、不同相位正弦波叠加的频谱图。
[0059]
本方法通过将流行病时序数据转换为以时间信息为横轴、以流行病特征参数为纵轴生成对应的时域波形。然后通过傅里叶变换对时域波形进行转换，获得对应的频谱图，实现对波形图的分解，转换后的频谱图横轴为频次，纵轴为振幅，根据波形图可以确定与流行病时序数据对应的波峰，可以理解的是，波峰通常为多个，根据波峰可以确定与每一个波峰对应的频次数据。
[0060]
根据本技术一实施方式，操作103，根据频次数据确定流行病的第一候选周期集，包括：根据流行病时序数据对应的时间区间对频次数据进行转换，获得第一候选周期集。
[0061]
在操作103中，通过确定流行病时序数据对应的时间区间，可以依据时间区间对频次数据进行转换，即可确定每一个频次数据对应的时间数据，将时间数据确定为第一候选周期。例如，时间区间为10年，即流行病时序数据对应的数据总时间长为10年，频次数据为2，第一候选周期为数据总时间长除以频次数据，第一候选周期为5年。基于波峰通常为多个的特点，第一候选周期同样存在多个。例如，图3为第一候选周期集对应的频谱图，频谱图的每个波峰对应一个第一候选周期。
[0062]
在另一种具体实施场景中，第一候选周期集也可以为多个。当流行病时序数据包
含多个区域的情况下，每个区域均有对应的流行病时序数据。对应的第一候选周期集也可以为多个。例如，某一城市内具有三个医院，本方法可以分别确定与每个医院对应的流行病时序数据，获得三个流行病时序数据。对三个流行病时序数据分别进行波形分解，获得对应的频谱图。然后按照对应的频谱图确定与每一个医院对应的一个或多个第一候选周期。如此操作，可以获得与每一个医院对应的第一候选周期，该方法能够第一候选周期的数据精准度更高，有利于数据的后续处理，具体的，在获得多个第一候选周期集之后，本方法可以通过多个第一候选周期集进行整合以确定用于与第二候选周期集进行比对的目标第一候选周期集，多个第一候选周期集的整合方式根据需要可以为求取交集整合、求合集整合或平均整合的任一种或其他整合方式。
[0063]
根据本技术一实施方式，操作104，根据多个自相关系数确定第二候选周期集，包括：首先，根据自相关系数和预设相位差区间确定对应的自相关波形；然后，根据自相关波形确定与每一个波峰对应的相位差数据；再后，将相位差数据确定为第二候选周期集。
[0064]
本方法根据自相关波形图确定自相关波形中每一个波峰，然后根据波峰对应至横轴以确定与波峰对应的相位差数据，将相位差数据确定为第二候选周期。其中，若波峰有多个，本方法第二候选周期集中包含的第二候选周期也为多个。需要补充的是，本方法还可以设置波峰阈值区间，若波峰对应的自相关系数低于波峰阈值区间，则该波峰对应的相位差数据不确定为第二候选周期。若波峰对应的自相关系数满足于波峰阈值区间，该波峰对应的相位差数据确定为第二候选周期。
[0065]
对应的，第二候选周期集也可以为多个。当流行病时序数据包含多个区域的情况下，每个区域均有对应的流行病时序数据。对应的第二候选周期集也为多个。例如，某一城市内具有三个医院，本方法可以分别确定与每个医院对应的流行病时序数据，获得三个流行病时序数据。对三个流行病时序数据分别进行自相关系数的分析，获得与每一个医院对应的第二候选周期集，该方法能够第二候选周期的数据精准度更高，有利于数据的后续处理，在获得多个第二候选周期集之后，本方法可以通过多个第二候选周期集进行整合以确定用于与第一候选周期集进行比对的目标第二候选周期集，多个第二候选周期集的整合方式根据需要可以为求取交集整合、求合集整合或平均整合的任一种或其他整合方式。
[0066]
根据本技术一实施方式，操作106，对第一候选周期集和第二候选周期集进行分析，确定指定流行病对应的传播周期，包括：若第一候选周期集和第二候选周期集存在相同的候选周期，将相同的候选周期确定为指定流行病对应的传播周期。
[0067]
在一种分析场景中，确定第一候选周期集和第二候选周期集的交集，该交集中包含的候选周期为传播周期。例如：第一候选周期集为{2，5，8，10}，第二候选周期及集为{5，9，20}，交集为{5}，传播周期为5。若交集中有多个元素，则可以认为指定流行病具有多个传播周期。进一步的，本方法可以根据与该传播周期对应的振幅数据和自相关参数确定每一个传播周期重要程度。即根据与传播周期对应的自相关系数确定该传播周期的可信程度，通过与传播周期对应的振幅数据确定该传播周期的严重程度。重要程度、可信程度和严重程度同样可以通过设置对应的阈值与自相关系数和振幅数据进行比较以实现程度判断的数据化。
[0068]
根据本技术一实施方式，操作106，对第一候选周期集和第二候选周期集进行分析，确定指定流行病对应的传播周期，包括：首先，若第一候选周期集和第二候选周期集不
存在相同的候选周期，确定每一个第一候选周期与每一个第二候选周期之间的周期间隔；然后，对周期间隔进行排序，确定最小周期间隔；再后，根据最小周期间隔对应的第一候选周期和第二候选周期确定指定流行病对应的传播周期。
[0069]
在另一种分析场景中，确定第一候选周期集和第二候选周期集的交集，若该交集为空集，则需要对第一候选周期集和第二候选周期集进行进一步分析。具体的，本方法可以将第一候选周期集中每一个第一候选周期与第二候选周期集中的每一个候选周期进行比较，以确定周期间隔。例如，第一候选周期集为{2，7}，第二候选周期及集为{1，4}，对应的周期间隔有：2-1＝1，4-2＝2，7-1＝6，7-4＝3，其中，最小周期间隔为2-1＝1，对应的第一候选周期和第二候选周期分别为2和1，若通过求均值的方式对第一候选周期和第二候选周期进行整合，可以确定传播周期为(2 1)/2＝1.5。进一步的，本方法还可以通过对应的自相关系数和振幅数据进行比较，例如，若第一候选周期的自相关系数和振幅数据均小于第二候选周期，则确定候选周期为1。还可以根据自相关系数和振幅数据自相关系数和振幅数据确定对应的权值，然后通过权值对第一候选周期和第二候选周期进行加权，确定传播周期。
[0070]
根据本技术一实施方式，操作105，根据最小周期间隔对应的第一候选周期和第二候选周期确定指定流行病对应的传播周期，包括：判断最小周期间隔是否满足预设周期阈值；若最小周期间隔满足预设周期阈值，对第一候选周期和第二候选周期进行整合，确定指定流行病对应的传播周期。
[0071]
若最小周期间隔过大，第一候选周期和第二候选周期之间的相关性就越小，基于此，本方法还设置预设周期阈值。若最小周期间隔未超过预设周期阈值，则可以按照上述整合方法或其他方法对第一候选周期和第二候选周期进行整合，以确定指定流行病对应的传播周期。通过确定指定流行病对应的传播周期，有助于进行流行病的预测建模，为公共卫生工作提供参考。
[0072]
需要补充的是，若最小周期间隔不满足预设周期阈值，确定指定流行病无法确定传播周期。具体的，若最小周期间隔超过了预设周期阈值，则认为当前提供的流行病时序数据不足以确定传播周期。
[0073]
图5示出了本技术实施例一种预测流行病传播周期的装置的实现模块示意图。
[0074]
参见图5，根据本技术实施例第二方面，提供了一种预测流行病传播周期的装置，装置包括：获取模块501，用于获取指定流行病在预设时间段内的流行病时序数据；分解模块502，用于对流行病时序数据进行波形分解，确定对应的频次数据；确定模块503，用于根据频次数据确定流行病的第一候选周期集；分析模块504，用于对流行病时序数据进行自相关性分析，确定不同相位差对应的自相关系数；确定模块503，还用于根据多个自相关系数确定第二候选周期集；分析模块504，还用于对第一候选周期集和第二候选周期集进行分析，确定指定流行病对应的传播周期，以基于传播周期对流行病进行预测。
[0075]
根据本技术一实施方式，获取模块501，包括：获得子模块5011，用于获得指定流行病对应的原始时序数据；填充子模块5012，用于对原始时序数据进行缺失值填充，获得填充后的时序数据；平滑子模块5013，用于对填充后的时序数据进行平滑处理，获得流行病时序数据。
[0076]
根据本技术一实施方式，分解模块502，包括：变换子模块5021，用于通过傅里叶变换对流行病时序数据进行时域至频域的转化，获得频域波形；确定子模块5022，用于根据频
域波形确定每一个波峰对应的频次数据。
[0077]
根据本技术一实施方式，确定模块503，还用于根据流行病时序数据对应的时间区间对频次数据进行转换，获得第一候选周期集。
[0078]
根据本技术一实施方式，确定模块503，还用于根据自相关系数和预设相位差区间确定对应的自相关波形；根据自相关波形确定与每一个波峰对应的相位差数据；将相位差数据确定为第二候选周期集。
[0079]
根据本技术一实施方式，分析模块504，还用于若第一候选周期集和第二候选周期集存在相同的候选周期，将相同的候选周期确定为指定流行病对应的传播周期。
[0080]
根据本技术一实施方式，分析模块504，还用于若第一候选周期集和第二候选周期集不存在相同的候选周期，确定每一个第一候选周期与每一个第二候选周期之间的周期间隔；对周期间隔进行排序，确定与最小周期间隔；根据最小周期间隔对应的第一候选周期和第二候选周期确定指定流行病对应的传播周期。
[0081]
根据本技术一实施方式，分析模块504，还用于判断最小周期间隔是否满足预设周期阈值；若最小周期间隔满足预设周期阈值，对第一候选周期和第二候选周期进行整合，确定指定流行病对应的传播周期。
[0082]
这里需要指出的是：以上对针对的一种预测流行病传播周期的装置实施例的描述，与前述图1至4所示的方法实施例的描述是类似的，具有同前述图1至4所示的方法实施例相似的有益效果，因此不做赘述。对于本技术预测流行病传播周期的装置实施例中未披露的技术细节，请参照本技术前述图1至4所示的方法实施例的描述而理解，为节约篇幅，因此不再赘述
[0083]
根据本技术第三方面，还提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如上述可实施方式中任一项的方法。
[0084]
根据本技术第四方面，还提供了一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行如上述可实施方式中任一项的方法。
[0085]
图6示出了本技术实施例一种电子设备的实现结构示意图。
[0086]
参见图6，根据本技术的实施例，本技术还提供了一种电子设备和一种可读存储介质。
[0087]
电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本技术的实现。
[0088]
设备600包括计算单元601，其可以根据存储在只读存储器(rom)602中的计算机程序或者从存储单元608加载到随机访问存储器(ram)603中的计算机程序，来执行各种适当的动作和处理。在ram 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、rom 602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
[0089]
设备600中的多个部件连接至i/o接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通
信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0090]
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如一种预测流行病传播周期的方法。例如，在一些实施例中，一种预测流行病传播周期的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由rom 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到ram603并由计算单元601执行时，可以执行上文描述的一种预测流行病传播周期的方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行一种预测流行病传播周期的方法。
[0091]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0092]
用于实施本技术的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0093]
在本技术的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0094]
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用
任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0095]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
[0096]
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
[0097]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本技术公开的技术方案所期望的结果，本文在此不进行限制。
[0098]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0099]
以上所述，仅为本技术的具体实施方式，但本技术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技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。