基于Hadoop 的通用流感预测研究

文/杜舒舒 赖振意 马衡 钱昔勇

日前，公共卫生问题在国际

范围内成为热点，流感预测系统

的数据数量过大，来源繁多，其

数据的处理，存取速度偏低。为

改善此状况本研究利用计算机技

术预测流感的爆发时间及程度：

基于分布式平台，非结构化数据

库和爬虫技术，一定程度上解决

了数据来源，处理，存取速度的

问题。实验表明该研究可以较好

的预测流感的爆发趋势。

摘 要

（1）实现对原始数据进行初步加工，找

出每个地区每星期的患病人数，并按照日期排

序，为每个国家及国家各个地区建立索引；

（2）计算出每个国家每个地区每隔一星

期的人数差值，从而方便对疾病爆发趋势进行

分析，对记录进行分组，并找出同一组记录间

的差值。

1.4 非关系型数据库

使用非关系型数据库，采用客户端来进

行客户端和数据库的通信，同时编写接口供后

台系统查询，构建三个列族来存储流感数据：

（1）CityPopulation——存储每个城市各

个时期的人口；

（2）CityFluerNumber——存储每个城市

各个时期患流感的人数；

（3）CityFluLevel——存储每个城市各个

时期的流感等级。

2 预测流感模型的应用

本文基于Hadoop， 利用Python，

Cassandra 和GoogleMap API 实现该研究，在

此基础上进行仿真实验：实验使用SIR 仓室模

型，使用2015 年1 月到4 月巴西登革热流感

数据进行预测，表一给出对比，图二给出趋势

预测与实际对比图，结果表明：

（1）预测趋势与实际流感趋势相似；

（2）对于增幅或降低明显的数据预测结

果更加准确；

（3）若人数变化不明显会影响预测结果，

相对于变化趋势偏高。

3 结束语

通过研究和实验表明，基于分布式平台

对流行病大数据进行处理分析可以相当可靠的

预测爆发程度和趋势。该研究克服了不能存储

分析过大数据的不足，利用非结构化数据库与

分布式平台快速有效的分析大数据，得到结论。

当前研究仅适用一种流行病预测，之后只需要

更改部分模型，可适用于各大方面大数据分析。

参考文献

[ 1 ] G a o R , C a o B , H u Y , e t a l . H u m a n

i n f e c t i o n w i t h a n o v e l a v i a n -

origin influenza A(H7N9) virus[J].

N e w E n g l a n d J o u r n a l o f M e d i c i

ne,2013,368(20):1888-1897.

[ 2 ] X J i a n g u o , L S h a n , W H a i y i n , C

C h e n . R e d u c i n g e x p o s u r e t o

a v i a n i n f l u e n z a H 7 N 9 [ J ] . L a n c

et,2013,381(9880):1815-1816.

[3] 卢珊, 陈晨, 于伟文, 等. 利用网络爬

虫技术分析我国活禽贸易与H7N9 禽流

感病毒传播的关系[J]. 中华流行病学杂

志,2014,35(3).

[4] 李学龙, 龚海刚. 大数据系统综述[J].

中国科学: 信息科学,2015(1).

[5] 董新华, 李瑞轩, 周湾湾, 等.Hadoop 系

统性能优化与功能增强综述[J]. 计算机

研究与发展,2013,50(z2).

[ 6 ] K e r m a c k W O , M c k e n d r i c k A G .

Contributions to the Mathematical

Theory of Epidemics, Part I[J].

Bulletin of Mathematical Biology,

1991,53(1-2):33-55.

作者单位

新疆大学软件学院 新疆维吾尔自治区乌鲁木

齐市 830000

●项目来源：自治区级大学生创新实践计划项目“Hadoop 平台下的流行病大数据挖掘系统”（项目编号：xju-srt-15144）项目负责人：杜舒舒；

指导教师：钱育蓉。

图1：分布式系统处理流程

图2：实验预测趋势与实际趋势比对图

表1：实验结果比对表

月份

预测实验数据准确率

趋势程度人数趋势（较上月）趋势

四月上升注意预防230 上升100%

五月上升警惕263 上升100%

六月上升爆发262 平缓60%

七月平缓爆发231 下降70%

八月下降警惕203 下降100%

合计86%