本发明属于模型预测，具体涉及一种基于地面气象月报文件的脑卒中发病率预测方法。
背景技术：
1、目前国内已通过组建跨部门的联合研究中心开展对医疗、气象相互融合的科学探索，而目前针对该领域研究还处在起步阶段，脑卒中发病率与山区天气异常多变有直接的联系，尤其是高温、高湿、低压容易导致血压下降、血流减慢而造成血栓的形成，而80％以上的脑卒中是可以通过控制危险因素来实现早期预防，而现有技术未针对脑卒中发病建立山区气象背景条件下的预测模型；因此，现有技术针对脑卒中发病率的预测存在精度不高等技术问题。
技术实现思路
1、本发明要解决的技术问题是：提供一种基于地面气象月报文件的脑卒中发病率预测方法，以解决现有技术对脑卒中发病率预测精度不高等技术问题。
2、本发明采取的技术方案为：
3、一种基于地面气象月报文件的脑卒中发病率预测方法，所述方法包括：解析地面气象月报a文件气象要素，建立气象脑卒中医疗融合数据集；提取与脑卒中病例精确匹配的气象数据，融合地理信息数据并进行arcgis空间分析，通过数据可视化接口服务，将相应的数据集输入dacs预测模型后得到脑卒中发病率的预测结果。
4、解析地面气象月报a文件气象要素，建立气象脑卒中医疗融合数据集的方法包括：
5、步骤1.1、获取在数据池中的具体台站及月份的a文件，通过行号获取每行的数据，通过第一行的解析得到台站参数；
6、步骤1.2、获取a文件中出现的第一个气象要素标识，并与观测数据指示码进行比对，以确定目前获取到的气象要素段观测数据类别，并取出这部分气象要素信息；
7、步骤1.3、依次解析不同的气象要素，对应到该气象要素对应的小时数据；
8、步骤1.4、站台对应的行政编码封装在字典文件static/dictionaries/station_china.txt中，获取到台站区站号后，将站号放在字符串中，放到字典文件中进行比对，比对后得到相应的行政编码，并放入字符串中；
9、步骤1.5、将解析得到的各类要素数据进行封装，并且初始化到各个要素的行容器中，然后初始化文件数据到内存容器，形成模板入库的模块文件，并且输出目标文件；
10、步骤1.6、将解析a文件得到的封装好的各类气象要素模块文件对应入库到数据库中；在天擎历史数据分析库gbase中建立相应的地面气象月报数据表，每个要素都建立有相应的数据要素字段；
11、步骤1.7、验证a文件解析入库后数据的正确性，对应比较的是a文件解析入库后气象要素数据与质控后mdos气象资料业务系统中相应时间段对应气象要素的数据，若数据对比结果无偏差，则a文件解析气象要素数据入库成功；若数据对比结果有偏差，则确定偏差的值并且进行具体数据错误的提示，数据管理人员根据综合判断对气象要素数据进行相应的数据维护。
12、提取与脑卒中病例精确匹配的气象数据，融合地理信息数据并进行arcgis空间分析的方法包括：采集病例数据，从中提取出病例的居住地址信息，与各个气象站点的地理位置一起加载到arcgis，绘制出综合空间分布图，采用就近原则确定每个病例所对应的气象站点，提取出病例的发病时间信息，进一步锁定到脑卒中人群发病前1周，根据时空分布的结果，检索出每个病例在发病前一1周包括发病时所对应的气象站点具体要素数据；将采集的例患病病例与对应的气象要素进行时空匹配，建立融合数据集；对气象和疾控的数据进行预处理，通过arcgis确定脑卒中人群空间聚集性和时间关联性，基于气象大数据云平台的历史分析库gbase建立融合数据集。
13、基于气象大数据云平台的历史分析库gbase建立融合数据集的方法包括：根据病例数据与对应气象要素的内容，设计对应的数据库字段，并在大数据云平台列式存储数据库gbase中创建相应的数据库表，分别写入脑卒中人群发病对应的气象站点要素数据d1与筛选过的脑卒中人群发病病例数据d2，并建立关联视图，形成气象要素与脑卒中病例融合数据集d3。
14、构建实验的融合数据集，要将脑卒中的病例数据和气象数据进行关联与合并；以发病的日期为关联字段，使用pandas的merge()函数以发病的日期为键进行连接，采用left-join(左连接)的方式，完成气象数据和病例数据的数据融合；最后为数据集进行打标签处理。
15、dacs预测模型利用transformer来模拟时间序列点之间的关联；dacs预测模型由交叉注意块和前馈层交替叠加而成；两个独立的结构模拟了数据的先验和序列关联；关联使用的是学习高斯核(lgk)，它拟合数据，并呈现出由附近的浓度产生的偏差时间序列，而在序列关联对应于从原始时间序列中学习到的自我注意权重。
16、使用极小极大策略优化dacs，采用了一个停止梯度机制来建立先验关联和系列关联，从而捕捉了目标序列与原序列之间的依赖关系，由时间点组成的时间序列x属于{x1…xt}，dacs模型由时间序列输入组成。
17、本发明的有益效果：
18、本发明根据脑卒中发病病例，加载地理信息数据，精确提取和展示脑卒中病例发病过程的天气要素情况，开展脑卒中发病规律的研究，实现快速、全面、及时、精确了解在山区特殊天气天气背景下不同地区的脑卒中病人发病的风险，并发布预警信号，为卫生健康管理和疾病预防控制部门在山区特殊天气背景下做好脑卒中的科学防范和有效应对提供科学依据，具有非常重要的意义。
19、本发明首先将山区气象要素与脑卒中发病人群队列数据进行融合，并加载地理信息数据形成山区气象医疗数据集。并基于transformer改造设计了dacs预测模型，将经过编码和解码模块的气象要素与发病个例的时间序列进行关联判断，得到相应的输出的结果脑卒中发病率预测；与svm,岭回归等模型相比，本发明中所建立的模型预测的误查更小。
20、本发明将地面气象月报文件引入脑卒中发病率预测中，通过研究dacs先验知识算法预警模型，得到脑卒中发病率的预测结果，提高了脑卒中发病率预测精度。
1.一种基于地面气象月报文件的脑卒中发病率预测方法，其特征在于：所述方法包括：解析地面气象月报a文件气象要素，建立气象脑卒中医疗融合数据集；提取与脑卒中病例精确匹配的气象数据，融合地理信息数据并进行arcgis空间分析，通过数据可视化接口服务将相应的数据集输入dacs预测模型后得到脑卒中发病率的预测结果。
2.根据权利要求1所述的一种基于地面气象月报文件的脑卒中发病率预测方法，其特征在于：解析地面气象月报a文件气象要素，建立气象脑卒中医疗融合数据集的方法包括：
3.根据权利要求1所述的一种基于地面气象月报文件的脑卒中发病率预测方法，其特征在于：提取与脑卒中病例精确匹配的气象数据，融合地理信息数据并进行arcgis空间分析的方法包括：采集病例数据，从中提取出病例的居住地址信息，与各个气象站点的地理位置一起加载到arcgis，绘制出综合空间分布图，采用就近原则确定每个病例所对应的气象站点，提取出病例的发病时间信息，进一步锁定到脑卒中人群发病前1周，根据时空分布的结果，检索出每个病例在发病前一周包括发病时所对应的气象站点具体要素数据；将采集的例患病病例与对应的气象要素进行时空匹配，建立融合数据集；对气象和疾控的数据进行预处理，通过arcgis确定脑卒中人群空间聚集性和时间关联性，基于气象大数据云平台的历史分析库gbase建立融合数据集。
4.根据权利要求3所述的一种基于地面气象月报文件的脑卒中发病率预测方法，其特征在于：基于气象大数据云平台的历史分析库gbase建立融合数据集的方法包括：根据病例数据与对应气象要素的内容，设计对应的数据库字段，并在大数据云平台列式存储数据库gbase中创建相应的数据库表，分别写入脑卒中人群发病对应的气象站点要素数据d1与筛选过的脑卒中人群发病病例数据d2，并建立关联视图，形成气象要素与脑卒中病例融合数据集d3。
5.根据权利要求4所述的一种基于地面气象月报文件的脑卒中发病率预测方法，其特征在于：构建实验的融合数据集，要将脑卒中的病例数据和气象数据进行关联与合并；以发病的日期为关联字段，使用pandas的merge()函数以发病的日期为键进行连接，采用left-join(左连接)的方式，完成气象数据和病例数据的数据融合；最后为数据集进行打标签处理。
6.根据权利要求1所述的一种基于地面气象月报文件的脑卒中发病率预测方法，其特征在于：dacs预测模型利用transformer来模拟时间序列点之间的关联；dacs预测模型由交叉注意块和前馈层交替叠加而成；两个独立的结构模拟了数据的先验和序列关联；关联使用的是学习高斯核(lgk)，它拟合数据，并呈现出由附近的浓度产生的偏差时间序列，而在序列关联对应于从原始时间序列中学习到的自我注意权重。
7.根据权利要求6所述的一种基于地面气象月报文件的脑卒中发病率预测方法，其特征在于：使用极小极大策略优化dacs，采用了一个停止梯度机制来建立先验关联和系列关联，从而捕捉了目标序列与原序列之间的依赖关系，由时间点组成的时间序列x属于{x1…xt}，dacs模型由时间序列输入组成。
