一种高原病发病风险预测方法、装置及计算机设备

摘要

本申请涉及一种预测模型训练方法，所述方法包括：获取多个样本数据形成数据集，每个所述样本数据包括多个变量，且预先根据所述多个变量中用于表示是否发生高原病的变量为所述样本数据添加标签；通过所述数据集构建并训练预测模型；所述预测模型用于预测作业人员的高原病发病风险，本申请通过收集发生高原病有关的因素，能够预测工作人员在从事户外电网作业发生高原病的风险和概率，提前做好预判和防护措施，减少高原病发生率。

说明书

技术领域

本申请涉及预测模型技术领域，特别涉及一种高原病发病风险预测方法、装置及计算机设备。

背景技术

急性高原病(Acute Mountain Sickness，简称AMS)是一种发生于高原低氧环境的特发性疾病，主要由高原低氧性缺氧引起，发作急并呈现低氧性病理生理改变，可按严重程度分为轻型和重型。轻型AMS较为常见，症状包括头痛、呕吐、胸闷等，又称急性高原反应；重型AMS主要包括高原肺水肿和高原脑水肿，较少发生，但症状较重，严重时可导致死亡。既往报道AMS在我国的发病率一般在30-70％之间。

高原电网施工人员的工作环境恶劣，进驻高原周期长，然而医疗资源相对匮乏，对急性高原病等职业病的发生情况了解仍然不足，防治措施仍十分欠缺，亟需基于体检结果等因素识别高危人群，从而更有针对性地制定职业病防治策略，加强急性高原病的预防和治疗。

因此，如何提供一种高原病发病风险预测方法，是目前亟待解决的问题。

发明内容

本申请实施例提供了一种高原病发病风险预测方法，以解决现有技术中高原作业环境相对恶劣，对作业人员急性高原病等职业病的发生情况了解仍然不足、防治措施存在欠缺的问题。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

第一方面，本申请提供一种预测模型训练方法，包括如下步骤：

获取多个样本数据形成数据集，每个所述样本数据包括多个变量，且预先根据所述多个变量中用于表示是否发生高原病的变量为所述样本数据添加标签；

通过所述数据集构建并训练预测模型；

所述预测模型用于预测作业人员的高原病发病风险。

可选地，所述预测模型是随机森林模型或逻辑回归模型。

可选地，所通过所述数据集构建并训练预测模型的步骤，包括：

将所述数据集中的数据根据X：Y的比例分为训练集和测试集，利用所述训练集中的数据训练所述预测模型，并利用所述测试集中的数据测试所述预测模型，X大于Y。

可选地，所述数据集中的数据根据7：3的比例分为所述训练集和所述测试集。

可选地，所述通过所述数据集构建并训练预测模型的步骤，还包括：

利用所述数据集中的数据对所述预测模型进行多次交叉验证，计算并记录所述预测模型在所述测试集上的准确率。

可选地，所述利用所述数据集中的数据对所述预测模型进行多次交叉验证，计算并记录所述预测模型在所述测试集上的准确率的步骤包括：

将所述数据集中所有的数据分成M份，每次不重复地每次取数据中的1份作为所述测试集，将其他(M-1)份作为所述训练集训练所述预测模型，计算并记录所述预测模型在所述测试集上的准确率，重复M次，M为大于1的正整数。

可选地，M为10。

可选地，所述通过所述数据集构建并训练预测模型的步骤，还包括：测试所述预测模型的参数为不同取值时的所述准确率的变化情况，确定所述准确率最高时的目标参数取值，并根据所述目标参数取值，对所述预测模型的参数进行优化。

可选地，在所述预测模型为随机森林模型时，所述测试所述预测模型的参数为不同取值时所述准确率的变化情况的步骤，包括：

测试所述随机森林模型的分类器个数参数在0-200之间时所述准确率的变化情况，测试决策树的最大深度参数在1-5之间时所述准确率的变化情况，和/或测试建立决策树时选择的最大特征数目参数在1-10之间时所述准确率的变化情况。

可选地，所述随机森林模型的分类器个数参数的取值范围为70-80，决策树的最大深度参数的取值范围为2-4，建立决策树时选择的最大特征数目参数的取值范围为4-6。

可选地，所述随机森林模型的分类器个数参数的取值范围为75，决策树的最大深度参数的取值范围为3，建立决策树时选择的最大特征数目参数的取值范围为5。

第二方面，本申请提供一种高原病发病风险预测方法，包括：

采集待预测人员的属性信息；

将所述属性信息输入如上任一项所训练出的预测模型；

获取所述预测模型所输出的发病风险预测结果。

可选地，当所述发病风险预测结果所表示的发病风险大于等于预设阈值N时，生成对应的干预措施并进行展示。

第三方面，本申请提供一种高原病发病风险预测装置，包括：

采集模块，用于采集待预测人员的属性信息；

预测模块，用于将所述属性信息输入如上任一项预测模型训练方法所训练出的预测模型；

获取模块，用于获取所述预测模型所输出的发病风险预测结果。

可选的，当所述发病风险预测结果所表示的发病风险大于等于预设阈值N时，生成对应的干预措施并进行展示。

第四方面，本申请提供一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如上任一项所述的预测模型训练方法中的步骤或执行任一项高原发病风险预测方法中的步骤。

第五方面，本申请提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序，所述处理器执行所述程序时实现如上任一项所述的预测模型训练方法方法中的步骤或执行任一项高原发病风险预测方法中的步骤。

第六方面，本申请提供一种预测模型训练装置，包括：

获取模块，用于获取多个样本数据形成数据集，每个所述样本数据包括多个变量，且预先根据所述多个变量中用于表示是否发生高原病的变量为所述样本数据添加标签；

训练模块，用于通过所述数据集构建并训练预测模型；

所述预测模型用于预测作业人员的高原病发病风险。

可选地，所述训练模块构建并训练的预测模型是随机森林模型或逻辑回归模型。

可选地，所述训练模块，通过所述数据集构建并训练预测模型，包括：

将所述数据集中的数据根据X：Y的比例分为训练集和测试集，利用所述训练集中的数据训练所述预测模型，并利用所述测试集中的数据测试所述预测模型，X大于Y。

可选地，所述获取模块获取多个样本数据形成的数据集中的数据根据7：3的比例分为所述训练集和所述测试集。

可选地，所述训练模块利用所述数据集中的数据对所述预测模型进行多次交叉验证，计算并记录所述预测模型在所述测试集上的准确率。

可选地，所述训练模块利用所述数据集中的数据对所述预测模型进行多次交叉验证，计算并记录所述预测模型在所述测试集上的准确率，包括：

将所述数据集中所有的数据分成M份，每次不重复地每次取数据中的1份作为所述测试集，将其他(M-1)份作为所述训练集训练所述预测模型，计算并记录所述预测模型在所述测试集上的准确率，重复M次，M为大于1的正整数。

可选地，M为10。

可选地，在所述预测模型为随机森林模型时，所述训练模块测试所述预测模型的参数为不同取值时所述准确率的变化情况，包括：

测试所述随机森林模型的分类器个数参数在0-200之间时所述准确率的变化情况，测试决策树的最大深度参数在1-5之间时所述准确率的变化情况，和/或测试建立决策树时选择的最大特征数目参数在1-10之间时所述准确率的变化情况。

可选地，所述随机森林模型的分类器个数参数的取值范围为70-80，决策树的最大深度参数的取值范围为2-4，建立决策树时选择的最大特征数目参数的取值范围为4-6。

可选地，所述随机森林模型的分类器个数参数的取值范围为75，决策树的最大深度参数的取值范围为3，建立决策树时选择的最大特征数目参数的取值范围为5。

本申请实施例提供的技术方案可以包括以下有益效果：

基本上解决了电网户外工作人员发生高原病问题，通过收集发生高原病有关的因素，利用模型实时预测工作人员在从事户外电网作业发生高原病的风险和概率，便于提前做好预判和防护措施，减少高原病发生率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

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，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1是根据一示例性实施例示出的预测模型训练方法的流程示意图；

图2是根据一示例性实施例示出的高原病发病的预测方法的流程示意图；

图3是根据一示例性实施例示出的随机森林模型的分类器个数参数不同取值的学习曲线示意图；

图4是根据一示例性实施例示出的高原病发病风险预测装置的结构示意图；

图5是根据一示例性实施例示出的预测模型训练装置的示意图；

图6是根据一示例性实施例示出的计算机设备的结构示意图。

具体实施方式

以下描述和附图充分地示出本文的具体实施方案，以使本领域的技术人员能够实践它们。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本文的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。本文中，术语“第一”、“第二”等仅被用来将一个元素与另一个元素区分开来，而不要求或者暗示这些元素之间存在任何实际的关系或者顺序。实际上第一元素也能够被称为第二元素，反之亦然。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的结构、装置或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种结构、装置或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的结构、装置或者设备中还存在另外的相同要素。本文中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本文中的术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本文和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。在本文的描述中，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

本文中，除非另有说明，术语“多个”表示两个或两个以上。

本文中，字符“/”表示前后对象是一种“或”的关系。例如，A/B表示：A或B。

本文中，术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，A和/或B，表示：A或B，或，A和B这三种关系。

在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

请参照图1，本实施例提供一种预测模型训练方法，包括以下步骤：

获取多个样本数据形成数据集，每个所述样本数据包括多个变量，且预先根据所述多个变量中用于表示是否发生高原病的变量为所述样本数据添加标签；

通过所述数据集构建并训练预测模型；

预测模型用于预测作业人员的高原病发病风险。

可选地，预测模型包括随机森林模型或逻辑回归模型。

基于此，在一个实施例中，构建了如下表1所示变量库，并对变量库的中变量进行赋值：

表1：

在本实施例中，变量共包括四大类：人口学信息、高原环境信息、生理指标以及高原病信息，其中人口学信息包括年龄、性别、户籍所在地海拔高度等信息，高原环境信息包括工作环境海拔高度信息，生理指标包括：BMI(Body Mass Index，身体质量指数)、收缩压、舒张压、血氧饱和度、心率、发育及营养、肺干啰音、肺湿啰音、心律不齐、以及杂音等，高压病信息包括是否发病(高原病)，并对上述变量进行如表1所示的赋值，或者是采集受调查人员的填写的具体值，如年龄、户籍所在地海拔高度、工作环境海拔高度、BMI、收缩压、舒张压、血气饱和度、心率等均采集受调查人员填写的具体值，而其他变量如性别、发育及营养、肺干啰音、肺湿啰音、心律不齐、以及杂音及是否发病等则是根据自身实际情况确定对应赋值。

在一个实施例中，采用调查问卷的方式，抽查了国家电网三个不同地区的供电公司、电网检修公司、送变电公司不同岗位工作人员在2018-2020年这3年时间里发生高原病的信息。排除掉工作内容不涉及户外环境的工人数据，最终纳入10956个岗位工人的信息，其中阳性事件(高原病发病)数目1707例子，阴性样本为9249例，并对采集的原始数据进行均值处理，或者是取众数填补处理，获得数据集。

在一个实施例中，在确定上述变量库，并完成数据采集形成数据集之后，将上述数据集中的数据按一定比例分成训练集和测试集，其中训练集和测试集的比例按照X：Y，X>Y原则进行，如8：2，7：3，6：4，选择4种机器学习模型，随机森林模型(RandomForest)，逻辑回归模型(LogicRegression)，在训练集和测试集的数据分配比例为7：3时，得到四种模型的预测准确率分别为：84.78％，84.20％，由此可知，随机森林模型优于逻辑回归模型。

可选地，通过所述数据集构建并训练预测模型的步骤，还包括：

利用数据集中的数据对预测模型进行多次交叉验证，计算并记录该预测模型在测试集上的准确率。

在一个实施例中，利用所述数据集中的数据对所述预测模型进行多次交叉验证，计算并记录所述预测模型在所述测试集上的准确率的步骤，包括：将所有数据按一定比例进行多次交叉验证时，其中将所有数据基本上均等分为M份，M为大于1的正整数，每次不重复地取其中1份作为测试集，其余的(M-1)份作为训练集，并不断重复选取数据作为训练集和测试集，训练并测试上述随机森林模型，收集每一次测试的预测准确率，观察预测准确率的波动幅度和区间，重复M次至所有的M份数据均被用作测试集进行测试训练。

在一个实施例中，将所有的数据基本上均等分为10份，每次不重复地选取其中的1份作为测试集，其余9份作为训练集，重复10次训练并测试随机森林模型，收集每一次的预测准确率，观察预测准确率的波动幅度和区间，通过观察预测准确率的波动幅度和区间，发现随机森林模型的预测表现优于逻辑回归模型。

可选地，预测模型为随机森林模型。

在一个实施例中，通过所述数据集构建并训练预测模型的步骤，还包括：测试所述预测模型的参数为不同取值时所述准确率的变化情况，确定所述准确率最高时的目标参数取值，并根据所述目标参数取值对所述预测模型的参数进行优化。

在一个实施例中，在预测模型为随机森林模型时，测试预测模型的参数为不同取值时准确率的变化情况，包括：

测试随机森林模型的分类器个数参数在0-200之间时准确率的变化情况，测试决策树的最大深度参数在1-5之间时准确率的变化情况，和/或测试建立决策树时选择的最大特征数目参数在1-10之间时准确率的变化情况。

决策树是随机森林模型的基本构成要素，是一种直观的模型，随机森林模型是决策树的集成学习(Ensemble Learning)实现，方法是同时训练多个决策树，综合考虑多个结果，最终得出预测结果。

可选地，随机森林模型的分类器个数参数的取值范围为70-80，决策树的最大深度参数的取值范围为2-4，建立决策树时选择的最大特征数目参数的取值范围为4-6。

在一个实施例中，随机森林模型的分类器个数参数的取值范围为75，决策树的最大深度参数的取值范围为3，建立决策树时选择的最大特征数目参数的取值范围为5。

在一个实施例中，如图2所示，提供一种高原病发病风险预测方法，包括如下步骤：

采集待预测人员的属性信息；

将所述属性信息输入根据上述任一实施例公开的预测模型训练方法训练出的预测模型；

获取所述预测模型所输出的发病风险预测结果。

在一个实施例中，当发病风险预测结果所表示的发病风险大于等于预设阈值N时，生成对应的干预措施并进行展示，其中阈值N可以根据不同情况设定，其中阈值N可以根据不同情况设定，如考虑即将作业人员有无高原病发病件发生，如有过，预测的风险值大于50％时，即引入干预措施，如服用红景天胶囊或者停止高原作业等。

本方法通过确定变量并采集实际数据，以是否发生高原病作为标签，其他变量作为训练特征，明确了其他变量与是否发生高原病发病整件之间的关系，并对其他变量进行合理赋值，利用采集的实际数据作为数据集构建预测模型，使得预测模型具有较高的可信程度，能够在很大程度上成功预测高原病发病事件，便于提前采取干预措施，以降低室外作业人员高原病发病事件的发生概率。

在一个实施例中，如图3所示，随机森林模型的分类器个数参数(n_estimators)的取值范围为75，此时，预测模型预测的准确率最高。

在一个实施例中，采用Grid SearchCV函数(网络格搜索函数)对随机森林模型中决策树的最大深度参数(max_depth)的取值范围为3，建立随机森林模型中的决策树时选择的最大特征数目参数(max_features)的取值范围为5，此时预测模型具有较为理想的预测表再。

通过本高原病发病风险预测方法，能够通过收集发生高原病有关的因素，利用预测模型预测工作人员从事户外作业时发生高原病的风险和概率，提前做好预判和防护措施，减少作业人员高原病发病率。

请参照图4，在一个实施例中，供一种高原病发病风险预测装置，包括：

采集模块，用于采集待预测人员的属性信息；

预测模块，用于将属性信息输入根据如上任一预测模型训练方法所训练出的预测模型；

获取模块，用于获取预测模型所输出的发病风险预测结果。

在一个实施例中，提供一种高原病发病风险预测装置，其采用上述任一实施例中公开的高原病发病风险预测方法对作业进行人员进行高原病发病预测，并在合适的时机引入干预措施，避免作业人员高原病发病情况的发生。

可选的，当发病风险预测结果所表示的发病风险大于等于预设阈值N时，生成对应的干预措施并进行展示。

在一个实施例中，如图5所示，提供一种预测模型训练装置，包括：

获取模块，用于获取多个样本数据形成数据集，每个样本数据包括多个变量，且预先根据多个变量中用于表示是否发生高原病的变量为样本数据添加标签；

训练模块，用于通过数据集构建并训练预测模型；

预测模型用于预测作业人员的高原病发病风险

本预测模型训练装置，能够通过获取多个样本数据形成数据集，且样本数据中包括是否发生高原病的变量，并利用数据集构建并训练预测模型，预测模型用于预测作业人员的高原病发病风险，以便于在高原病发病风险较高时，及时引入干预措施，避免类似事件的发生。

在一个实施例中，提供一种预测模型训练装置，其按照上述任一实施例中公开的预测模型训练方法构建并训练预测模型。

可选地，训练模块构建并训练的预测模型是随机森林模型或逻辑回归模型。

在一个实施例中，训练模块通过数据集构建并训练预测模型，包括：将数据集中的数据根据X：Y的比例分为训练集和测试集，利用训练集中的数据训练预测模型，并利用测试集中的数据测试预测模型，X大于Y。

如在一个实施例中，获取模块获取多个样本数据形成的数据集中的数据根据7：3、8：2或者6：4的比例分为训练集和测试集。

训练模块利用数据集中的数据对预测模型进行多次交叉验证，计算并记录预测模型在测试集上的准确率，通过验证记录预测模型在测试集上的准确率，确定最优的预测模型。

在一个实施例中，训练模块利用数据集中的数据对预测模型进行多次交叉验证，计算并记录预测模型在测试集上的准确率，包括：将数据集中所有的数据分成M份，每次不重复地每次取数据中的1份作为测试集，将其他(M-1)份作为训练集训练预测模型，计算并记录预测模型在测试集上的准确率，重复M次，M为大于1的正整数。

可选地，M为10，将数据集中所有的数据分成10份，每次不重复地每次取数据中的1份作为测试集，将其他9份作为训练集训练预测模型，计算并记录预测模型在测试集上的准确率，重复10次。

在一个实施例中，在预测模型为随机森林模型时，训练模块测试预测模型的参数为不同取值时准确率的变化情况，包括：测试随机森林模型的分类器个数参数在0-200之间时准确率的变化情况，测试决策树的最大深度参数在1-5之间时准确率的变化情况，和/或测试建立决策树时选择的最大特征数目参数在1-10之间时准确率的变化情况。

在一个实施例中，随机森林模型的分类器个数参数的取值范围为70-80，决策树的最大深度参数的取值范围为2-4，建立决策树时选择的最大特征数目参数的取值范围为4-6。

在一个实施例中，随机森林模型的分类器个数参数的取值范围为75，决策树的最大深度参数的取值范围为3，建立决策树时选择的最大特征数目参数的取值范围为5，在采用本实施例的参数取值时，随机森林模型的预测准确率表现较为理想，预测准确率较高。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据集。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据集用于存储静态信息和动态信息数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述方法实施例中的步骤。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据集或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

需要说明的是，以上描述仅为本申请的一些实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本申请的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。