具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结果或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

本申请中的疫情防控效果预测装置可以包括智能手机(如Android手机、iOS手机，等等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备MID(Mobile Internet Devices，简称：MID)或穿戴式设备等。在实际应用中，疫情防控效果预测装置还可以包括：智能车载终端、计算机设备等等。

参阅图1，图1为本申请实施例提供的一种疫情防控效果预测方法的流程示意图。该方法应用于疫情防控效果预测装置。本实施例方法包括以下步骤：

101：疫情防控效果预测装置获取每种防控方案对应的防控数据。

其中，该防控数据包括但不限于每日检测人数、隔离人数、经济投入预算、医学专家的数量、核酸试剂的数量、防护服的数量以及该防控方案所针对的疫情区域的人口数量。

102：疫情防控效果预测装置将所述每种防控方案对应的防控数据输入到防控效果预测模型，得到对所述每种防控方案的防控效果的预测结果。

疫情防控效果预测装置将每种防控方案对应的防控数据输入到预先训练好的防控效果预测模型，得到对每种防控方案的防控效果的预测结果。

具体来说，该防控效果预测模型包括第一预测模型、第二预测模型以及第三预测模型，该第一预测模型用于预测感染人数，第二预测模型用于预测确诊患者的检出率，第三预测模型用于预测死亡人数。当然，在实际应用中还可构建其他维度的预测模型，例如，构建用于预测治愈患者的人数的第四预测模型，等等。本申请中主要以上述三种预测模型为例进行说明，并不对预测模型的数量和类型进行限定。

因此，将每种防控方案对应的防控数据输入到第一预测模型，对感染人数进行预测，得到第一预测结果；将每种防控方案对应的防控数据输入到第二预测模型，对确诊患者的检出率进行预测，得到第二预测结果；将每种防控方案对应的防控数据输入到第三预测模型，对死亡人数进行预测，得到第三预测结果。

103：疫情防控效果预测装置将所述每种防控方案的防控效果的预测结果进行可视化展示，得到目标防控方案。

疫情防控效果预测装置在可视化界面展示每种防控方案的防控效果的星空图。即通过星空图展示每种防控方案的第一预测结果、第二预测结果以及第三预测结果，从星空图上确定防控效果最优的防控方案为目标防控方案。

如图2所示，分别展示第一预测结果、第二预测结果以及第三预测结果的星空图，其中，图2中的防控因子可以为该M个防控因子中的任意一个，P01、P02、P03为各个星空图的原点，该原点为各个预测结果的平均值，并非0。从图2中可以看出，方案B的感染人数最少、检出率最高以及死亡人数最少，因此，确定方案B为防控效果最优的防控方案，即目标防控方案。

可以看出，在本申请实施例中，对各种防控方案的防控数据进行分析，预测模各种防控方案对应的防控效果，从而为每种防控方案的防控效果提供数据参考；另外，对每种防控的防控效果进行可视化展示，可快速定位出最优的防控方案，进而提高对疫情的防控效率，有效的抑制疫情的蔓延。

在一些可能的实施方式中，该方法还包括：

从疫情区域中选取目标区域，其中，该目标区域可以为疫情区域中感染人数最少的区域、死亡率最小的区域或者其他区域；

提示在所述目标区域实施所述目标防控方案，并获取所述目标区域的实时防控效果，将所述实时防控效果与所述目标防控方案对应的第一预测结果、第二预测结果以及第三预测结果进行比对，以调整所述目标方案。

可以看出，在本实施方式，选取目标区域(实验区域)实施该目标防控方案，并实时获取防控效果以调整目标防控方案，进而可以有效地抑制疫情蔓延。

下面详细描述本申请构建预测模型的过程。

参阅图3，图3为本申请实施例提供的一种构建预测模型方法的流程示意图，该方法包括以下步骤：

301：获取N个预设的防控因子，N为大于1的整数。

该N个预设的防控因子为对疫情的防控效果具有影响的因子。示例性的，该防控因子可以为每日检测人数、医学专家的数量，等等。

302：通过逐步回归算法以及样本数据，确定所述N个预设的防控因子中对所述预测模型A预测防控效果具有显著作用的M个防控因子，M≤N，所述样本数据包括防控数据和实际防控效果。

该样本数据为历史防疫期间，对新型冠状病毒进行疫情防控得到的历史数据。例如，该样本数据可以为在非典防疫期间，进行疫情防控得到的历史数据。该样本数据包括防控数据以及实际防控效果。也可以是进行疫情仿真，得到的仿真数据，本申请对样本数据的来源不做具体限定。因此，该样本数据包括K组样本数据，K为大于1的整数，每组样本数据都包括有相应的防控数据和实际防控结果。其中，上述实际防控效果包括实际感染人数、确诊患者的实际检查率以及实际死亡人数。

逐步回归算法的思想是，按照自变量X对因变量Y作用的显著程度，依次将自变量X引入回归方程，其中，该显著程度可以通过人工经验预先设置好的。当先引入的自变量由于后面的自变量的引入变得不再显著时，则将先引入的自变量从回归方程中剔除，直到最后没有作用显著的自变量可以引入，也没有作用不显著的自变量需要剔除为止，使用保留下来的变量构建多元线性方程。因此，本申请中按照该N个防控因子对防控效果作用的显著程度，将该N个防控因子逐次引入回归方程，确定出对预测模型A预测的防控效果具有显著作用的M个防控因子。

303：使用所述M个防控因子构建多元线性方程，得到所述预测模型A。

即使用该M个防控因子构建多元线性方程，得到该预测模型A，其中，该预测模型为第一预测模型、第二预测模型以及第三预测模型中的任意一个。其中，该多元线性方程可以通过公式(1)表示：

y＝b₀+b₁*x₁+b₂*x₂+…+b_m*x_m； (1)

其中，x₁，x₂，……，x_m为该M个防控因子，b₀，b₁，……，b_m为该多元线性方程的系数。

因此，构建该预测模型A的过程，可以转化为求取b₀，b₁，……，b_m的取值的过程。

具体来说，将该样本数据中的每组样本数据代入到该多元线性方程，即将每组样本数据中与该M个防控因子对应的防控数据代入到该多元线性方程，得到与每组样本数据对应的预测防控效果然后，根据每组样本数据对应的实际防控效果和预测防控效果确定b₀，b₁，……，b_m的取值，得到该预测模型A。

示例性的，将该K组样本数据中每组样本数据对应的预测防控效果改写成向量，则可得到如下的表述形式：

其中，为该K组样本数据对应的预测防控效果，x_ij为该组样本数据中的第i组样本数据中与第j防控因子对应的防控数据。

设定，K组样本数据的预测防控效果为则可得到且K组样本数据的实际防控效果为

进一步地，计算该K组样本数据中每组样本数据的预测防控效果与实际防控效果的差值，然后计算该K组样本数据的差值平方和Q，即本次迭代过程中的损失结果；则可根据该损失结果确定该多元线性方程的系数的取值。其中，该差值平方和Q可以通过公式(2)表示：

则

由于显著作用体现在多元线性方程取最值的地方，因此将Q分别对b₀、b₁，…，b_p求偏导数，并令每个求出的偏导数等于0，则可确定该防控因子对防控效果具有显著作用。对求偏导后的公式经化简可以得到如公式(3)所示的方程组：

最后，求解上述方程组，可解出b₀、b₁，…，b_p的取值，将解出的b₀、b₁，…，b_p代回上述的多元线性方程，得到预测模型A。

此外，得到该预测模型A后，可对预测模型A进行验证，以防止该预测模型A出现过拟合的问题。其中，可对该线性方程进行显著性检验，以确定对防控效果的预测结果与上述M个防控因子是否确实具有线性关系。其中，该显著性检验可以使用F检验，通过F检验进行显著性检验为现有技术，不再叙述。

参阅图4，图4为本申请实施例提供的另一种疫情防控效果预测方法的流程示意图。该实施例中与图1所示的实施例相同的内容，此处不再重复描述。该方法应用于疫情防控效果预测装置。本实施例方法包括以下步骤：

401：疫情防控效果预测装置获取N个预设的防控因子，N为大于1的整数。

402：疫情防控效果预测装置通过逐步回归算法以及样本数据，确定所述N个预设的防控因子中对预测模型A预测防控效果具有显著作用的M个防控因子，M≤N，所述样本数据包括防控数据和实际防控效果。

其中，预测模型A包括第一预测模型、第二预测模型和第三预测模型中的任意一个。

403：疫情防控效果预测装置使用所述M个防控因子构建多元线性方程，得到所述预测模型A。

404：疫情防控效果预测装置获取每种防控方案对应的防控数据。

405：疫情防控效果预测装置将所述每种防控方案对应的防控数据输入到所述第一预测模型，对感染人数进行预测，得到第一预测结果。

406：疫情防控效果预测装置将所述每种防控方案对应的防控数据输入到所述第二预测模型，对确诊患者的检出率进行预测，得到第二预测结果。

407：疫情防控效果预测装置将所述每种防控方案对应的防控数据输入到所述第三预测模型，对死亡人数进行预测，得到第三预测结果。

408：疫情防控效果预测装置将所述每种防控方案的第一预测结果、第二预测结果以及第三预测结果进行可视化展示，得到目标防控方案。

可以看出，在本申请实施例中，通过预先训练好的预测模型对各种防控方案的防控数据进行分析，预测模各种防控方案对应的防控效果，从而为每种防控方案的防控效果提供数据参考；另外，对每种防控的防控效果进行可视化展示，可快速定位出最优的防控方案，进而提高对疫情的防控效率，有效的抑制疫情的蔓延。并且，在多个维度预测防控效果，从而使确定出的目标防控方案更加精确，有效抑制疫情的蔓延。

参阅图5，图5为本申请实施例提供的另一种疫情防控效果预测方法的流程示意图。该实施例中与图1和图4所示的实施例相同的内容，此处不再重复描述。该方法应用于疫情防控效果预测装置。本实施例方法包括以下步骤：

501：疫情防控效果预测装置获取N个预设的防控因子，N为大于1的整数。

502：疫情防控效果预测装置通过逐步回归算法以及样本数据，确定所述N个预设的防控因子中对预测模型A预测防控效果具有显著作用的M个防控因子，M≤N，所述样本数据包括防控数据和实际防控效果。

其中，预测模型A包括第一预测模型、第二预测模型和第三预测模型中的任意一个。

503：疫情防控效果预测装置使用所述M个防控因子构建多元线性方程，得到所述预测模型A。

504：疫情防控效果预测装置获取每种防控方案对应的防控数据。

505：疫情防控效果预测装置将所述每种防控方案对应的防控数据输入到所述第一预测模型，对感染人数进行预测，得到第一预测结果。

506：疫情防控效果预测装置将所述每种防控方案对应的防控数据输入到所述第二预测模型，对确诊患者的检出率进行预测，得到第二预测结果。

507：疫情防控效果预测装置将所述每种防控方案对应的防控数据输入到所述第三预测模型，对死亡人数进行预测，得到第三预测结果。

508：疫情防控效果预测装置将所述每种防控方案的第一预测结果、第二预测结果以及第三预测结果进行可视化展示，得到目标防控方案。

509：疫情防控效果预测装置从疫情区域中选取目标区域。

510：疫情防控效果预测装置提示在所述目标区域实施所述目标防控方案，并获取所述目标区域的实时防控效果，将所述实时防控效果与所述目标防控方案对应的第一预测结果、第二预测结果以及第三预测结果进行比对，以分别调整所述第一预测模型、第二预测模型以及第三预测模型对应的多元线性方程的系数取值。

具体来说，该实时防控效果包括实际感染人数、实际检出率以及实际死亡人数。将该实际感染人数与该第一预测结果进行比对，得到第一损失，基于该第一损失以及梯度下降法，调整上述确定出的与该第一预测模型对应的多元线性方程的系数取值；同理，将该实际检出率与该第二预测结果进行比对，得到第二损失，基于该第二损失以及梯度下降法调整上述确定出的与该第二预测模型对应的多元线性方程的系数取值；将该实际死亡人数与该第三预测结果进行比对，得到第三损失，基于该第三损失以及梯度下降法调整上述确定出的与该第三预测模型对应的多元线性方程的系数取值。其中，基于损失和梯度下降法反向调整模型的参数值(即本申请中多元线性方程的系数取值)为现有技术，不再过多叙述。

在本申请实施例中，通过预先训练好的预测模型对各种防控方案的防控数据进行分析，预测模各种防控方案对应的防控效果，从而为每种防控方案的防控效果提供数据参考；另外，对每种防控的防控效果进行可视化展示，可快速定位出最优的防控方案，进而提高对疫情的防控效率，有效的抑制疫情的蔓延。并且，在多个维度预测防控效果，从而使确定出的目标防控方案更加精确，有效地抑制疫情的蔓延。

参阅图6，图6为本申请实施例提供的一种电子设备的结构示意图。如图6所示，疫情防控效果预测装置600包括处理器、存储器、通信接口以及一个或多个程序，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行以下步骤的指令：

获取每种防控方案对应的防控数据；

将所述每种防控方案对应的防控数据输入到防控效果预测模型，得到对所述每种防控方案的防控效果的预测结果；

将所述每种防控方案的防控效果的预测结果进行可视化展示，得到目标防控方案。

在一些可能的实施方式中，所述防控效果预测模型包括第一预测模型、第二预测模型以及第三预测模型，在将所述每种防控方案对应的防控数据输入到防控效果预测模型，得到对所述每种防控方案的防控效果的预测结果方面，上述程序具体用于执行以下步骤的指令：

将所述每种防控方案对应的防控数据输入到所述第一预测模型，对感染人数进行预测，得到第一预测结果；

将所述每种防控方案对应的防控数据输入到所述第二预测模型，对确诊患者的检出率进行预测，得到第二预测结果；

将所述每种防控方案对应的防控数据输入到所述第三预测模型，对死亡人数进行预测，得到第三预测结果。

在一些可能的实施方式中，预测模型A是通过逐步回归算法构建的，所述预测模型A为第一预测模型、第二预测模型以及第三预测模型中的任意一个，在构建所述预测模型A方面，上述程序具体用于执行以下步骤的指令：

获取N个预设的防控因子，N为大于1的整数；

通过逐步回归算法以及样本数据，确定所述N个预设的防控因子中对所述预测模型A预测防控效果具有显著作用的M个防控因子，M≤N，所述样本数据包括防控数据和实际防控效果；

使用所述M个防控因子构建多元线性方程，得到所述预测模型A。

在一些可能的实施方式中，在使用所述M个防控因子构建多元线性方程，得到所述预测模型A方面，上述程序具体用于执行以下步骤的指令：

使用所述M个防控因子构建多元线性方程；

根据所述多元线性方程以及所述样本数据，得到预测防控效果；

根据所述预测防控效果和所述实际防控效果，确定所述多元线性方程的系数取值，得到所述预测模型A。

在一些可能的实施方式中，在将所述每种防控方案的防控效果的预测结果进行可视化展示，得到目标防控方案方面，上述程序具体用于执行以下步骤的指令：

在可视化界面分别展示所述每种防控方案的第一预测结果、第二预测结果和第三预测结果的星空图；

根据所述每种防控方案的第一预测结果、第二预测结果和第三预测结果的星空图，确定所述每种防控方案中防控效果最优的防控方案为目标防控方案。

在一些可能的实施方式中，上述程序还用于执行以下步骤的指令：

从疫情区域中选取目标区域；

提示在所述目标区域实施所述目标防控方案，并获取所述目标区域的实时防控效果，将所述实时防控效果与所述目标防控方案对应的第一预测结果、第二预测结果以及第三预测结果进行比对，以分别调整所述第一预测模型、第二预测模型以及第三预测模型对应的多元线性方程的系数取值。

参阅图7，图7本申请实施例提供的一种电子设备的功能单元组成框图。疫情防控效果预测装置700包括：获取单元710、预测单元720、展示单元730，其中：

获取单元710，用于获取每种防控方案对应的防控数据；

预测单元720，用于将所述每种防控方案对应的防控数据输入到防控效果预测模型，得到对所述每种防控方案的防控效果的预测结果；

展示单元730，用于将所述每种防控方案的防控效果的预测结果进行可视化展示，得到目标防控方案。

在一些可能的实施方式中，所述防控效果预测模型包括第一预测模型、第二预测模型以及第三预测模型，在将所述每种防控方案对应的防控数据输入到防控效果预测模型，得到对所述每种防控方案的防控效果的预测结果方面，预测单元720，具体用于：

将所述每种防控方案对应的防控数据输入到所述第一预测模型，对感染人数进行预测，得到第一预测结果；

将所述每种防控方案对应的防控数据输入到所述第二预测模型，对确诊患者的检出率进行预测，得到第二预测结果；

将所述每种防控方案对应的防控数据输入到所述第三预测模型，对死亡人数进行预测，得到第三预测结果。

在一些可能的实施方式中，疫情防控效果预测装置700还包括构建单元740，预测模型A是通过逐步回归算法构建的，所述预测模型A为第一预测模型、第二预测模型以及第三预测模型中的任意一个，在构建所述预测模型A方面，构建单元740用于：

获取N个预设的防控因子，N为大于1的整数；

通过逐步回归算法以及样本数据，确定所述N个预设的防控因子中对所述预测模型A预测防控效果具有显著作用的M个防控因子，M≤N，所述样本数据包括防控数据和实际防控效果；

使用所述M个防控因子构建多元线性方程，得到所述预测模型A。

在一些可能的实施方式中，在使用所述M个防控因子构建多元线性方程，得到所述预测模型A方面，构建单元740，具体用于：

使用所述M个防控因子构建多元线性方程；

根据所述多元线性方程以及所述样本数据，得到预测防控效果；

根据所述预测防控效果和所述实际防控效果，确定所述多元线性方程的系数取值，得到所述预测模型A。

在一些可能的实施方式中，在将所述每种防控方案的防控效果的预测结果进行可视化展示，得到目标防控方案方面，展示单元730，具体用于：

在可视化界面分别展示所述每种防控方案的第一预测结果、第二预测结果和第三预测结果的星空图；

根据所述每种防控方案的第一预测结果、第二预测结果和第三预测结果的星空图，确定所述每种防控方案中防控效果最优的防控方案为目标防控方案。

在一些可能的实施方式中，疫情防控效果预测装置700还包括调整单元750，调整单元750用于：

从疫情区域中选取目标区域；

提示在所述目标区域实施所述目标防控方案，并获取所述目标区域的实时防控效果，将所述实时防控效果与所述目标防控方案对应的第一预测结果、第二预测结果以及第三预测结果进行比对，以分别调整所述第一预测模型、第二预测模型以及第三预测模型对应的多元线性方程的系数取值。

本申请实施例还提供一种计算机存储介质，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以实现如上述方法实施例中记载的任何一种疫情防控效果预测方法的部分或全部步骤。

本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种疫情防控效果预测方法的部分或全部步骤。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。

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的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元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，也可以采用软件程序模块的形式实现。

所述集成的单元如果以软件程序模块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器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。

以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。