KR20190138716A - 기후 변화 데이터를 활용한 질병 발생 예측 장치 및 그 동작 방법 - Google Patents
기후 변화 데이터를 활용한 질병 발생 예측 장치 및 그 동작 방법 Download PDFInfo
- Publication number
- KR20190138716A KR20190138716A KR1020180064619A KR20180064619A KR20190138716A KR 20190138716 A KR20190138716 A KR 20190138716A KR 1020180064619 A KR1020180064619 A KR 1020180064619A KR 20180064619 A KR20180064619 A KR 20180064619A KR 20190138716 A KR20190138716 A KR 20190138716A
- Authority
- KR
- South Korea
- Prior art keywords
- disease
- regions
- region
- calculated
- period
- Prior art date
Links
- 201000010099 disease Diseases 0.000 title claims abstract description 273
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 273
- 230000008859 change Effects 0.000 title claims abstract description 70
- 238000011017 operating method Methods 0.000 title claims abstract 7
- 238000004364 calculation method Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims description 32
- 230000007480 spreading Effects 0.000 claims description 19
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 102000020897 Formins Human genes 0.000 description 1
- 108091022623 Formins Proteins 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Strategic Management (AREA)
- Biomedical Technology (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
기후 변화 데이터를 활용한 질병 발생 예측 장치 및 그 동작 방법이 개시된다. 본 발명에 따른 기후 변화 데이터를 활용한 질병 발생 예측 장치 및 그 동작 방법은 각 지역에서의 특정 기간 동안의 질병 발생 횟수와 기후 변화 데이터 간의 상관 관계에 기초한 질병 발생 예측 값을 연산하여 디스플레이를 통해 출력함으로써, 관리자가 상기 특정 기간 동안의 기후와 유사한 기후를 갖는 다른 기간이 되었을 때, 해당 다른 기간에서의 각 지역 별로 질병이 발생할 가능성을 미리 예측할 수 있도록 지원할 수 있다.
Description
본 발명은 기후 변화 데이터와 질병 발생 간의 상관 관계를 분석하여 질병 발생 가능성을 예측할 수 있도록 지원하기 위한 기술에 대한 것이다.
인구가 증가하고, 농축산물의 무역이 급격히 증가함에 따라, 다양한 질병이 창궐하고 있으며, 특히 전염성이 강한 질병은 순식간에 지역적으로 널리 전파된다는 점에서, 사회적으로 많은 문제를 일으킬 수 있다.
질병 발생은 인체 감염으로 인한 사회적 파장과 동물들의 살처분 비용 등의 피해로 경제적 손실을 발생시킬 수 있다.
질병의 전파 방식은 직접적인 접촉 및 공기 중 확산 등으로 발생하는 것으로 알려져 있다. 이로 인해, 질병 발생으로 인한 피해를 최소화하기 위해서는 질병 발생 가능성을 예측하고 발생 후 확산을 저지할 수 있도록 하는 기법이 필요하다.
질병은 환경적 영향으로 인해서 발생하는 경우가 많아서, 기후 변화에 따라 질병 발생의 확률이 달라질 수 있다. 예컨대, 여름철에 자주 발생하는 질병이 존재할 수 있고, 겨울철에 자주 발생하는 질병이 존재할 수 있다.
관련해서, 기후 변화 데이터와 질병의 발생 간의 상관 관계를 분석하고, 이러한 상관 관계를 기초로 계절별로 각 지역에서의 질병의 발생 가능성을 예측할 수 있다면, 미리 질병의 확산에 대비할 수 있어, 질병 확산으로 인한 사회적 비용 낭비를 최소화할 수 있을 것이다.
본 발명에 따른 기후 변화 데이터를 활용한 질병 발생 예측 장치 및 그 동작 방법은 각 지역에서의 특정 기간 동안의 질병 발생 횟수와 기후 변화 데이터 간의 상관 관계에 기초한 질병 발생 예측 값을 연산하여 디스플레이를 통해 출력함으로써, 관리자가 상기 특정 기간 동안의 기후와 유사한 기후를 갖는 다른 기간이 되었을 때, 해당 다른 기간에서의 각 지역 별로 질병이 발생할 가능성을 미리 예측할 수 있도록 지원하고자 한다.
본 발명의 일실시예에 따른 기후 변화 데이터를 활용한 질병 발생 예측 장치는 선정된(predetermined) 제1 기간 동안 수집된 복수의 지역들 각각에 대한 질병 발생 횟수와 선정된 제1 기간보다 과거의 기간인 선정된 제2 기간 동안 수집된 상기 복수의 지역들 전체의 질병 발생 총 횟수를 기초로 상기 선정된 제1 기간 동안의 상기 복수의 지역들 각각의 질병 발생에 대한 상대분율을 연산하는 상대분율 연산부, 상기 복수의 지역들 각각에 대해, 상기 선정된 제1 기간 동안 상기 복수의 지역들 각각에 대해서 수집된 복수의 서로 다른 기후 변화 데이터들 각각과 각 지역에 대해서 연산된 상대분율 간의 상관도를 연산하는 상관도 연산부, 상기 복수의 지역들 각각에 대해, 상기 복수의 서로 다른 기후 변화 데이터들 각각에 대해서 연산된 상관도에 대한 절대 값의 평균 값에 각 지역에 대해서 연산된 상대분율을 합산하여 상기 복수의 지역들 각각에 대한 질병 발생 가중치를 연산하는 질병 발생 가중치 연산부, 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 바람의 발생 빈도와 각 바람의 풍향 및 풍속에 대한 정보, 및 상기 복수의 지역들 각각에 대해 연산된 상대분율에 기초하여 상기 복수의 지역들 각각에 대해, 인접 지역에 의한 질병 확산 유발 정도를 나타내는 질병 확산 가중치를 연산하는 질병 확산 가중치 연산부 및 상기 복수의 지역들 각각에 대해 연산된 상기 질병 발생 가중치와 상기 질병 확산 가중치를 기초로 상기 복수의 지역들 각각에 대한 질병 발생 예측 값을 연산한 후 상기 복수의 지역들 각각에 대한 질병 발생 예측 값을 디스플레이를 통해 출력하는 질병 발생 예측 값 출력부를 포함한다.
또한, 본 발명의 일실시예에 따른 기후 변화 데이터를 활용한 질병 발생 예측 장치의 동작 방법은 선정된 제1 기간 동안 수집된 복수의 지역들 각각에 대한 질병 발생 횟수와 선정된 제1 기간보다 과거의 기간인 선정된 제2 기간 동안 수집된 상기 복수의 지역들 전체의 질병 발생 총 횟수를 기초로 상기 선정된 제1 기간 동안의 상기 복수의 지역들 각각의 질병 발생에 대한 상대분율을 연산하는 단계, 상기 복수의 지역들 각각에 대해, 상기 선정된 제1 기간 동안 상기 복수의 지역들 각각에 대해서 수집된 복수의 서로 다른 기후 변화 데이터들 각각과 각 지역에 대해서 연산된 상대분율 간의 상관도를 연산하는 단계, 상기 복수의 지역들 각각에 대해, 상기 복수의 서로 다른 기후 변화 데이터들 각각에 대해서 연산된 상관도에 대한 절대 값의 평균 값에 각 지역에 대해서 연산된 상대분율을 합산하여 상기 복수의 지역들 각각에 대한 질병 발생 가중치를 연산하는 단계, 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 바람의 발생 빈도와 각 바람의 풍향 및 풍속에 대한 정보, 및 상기 복수의 지역들 각각에 대해 연산된 상대분율에 기초하여 상기 복수의 지역들 각각에 대해, 인접 지역에 의한 질병 확산 유발 정도를 나타내는 질병 확산 가중치를 연산하는 단계 및 상기 복수의 지역들 각각에 대해 연산된 상기 질병 발생 가중치와 상기 질병 확산 가중치를 기초로 상기 복수의 지역들 각각에 대한 질병 발생 예측 값을 연산한 후 상기 복수의 지역들 각각에 대한 질병 발생 예측 값을 디스플레이를 통해 출력하는 단계를 포함한다.
본 발명에 따른 기후 변화 데이터를 활용한 질병 발생 예측 장치 및 그 동작 방법은 각 지역에서의 특정 기간 동안의 질병 발생 횟수와 기후 변화 데이터 간의 상관 관계에 기초한 질병 발생 예측 값을 연산하여 디스플레이를 통해 출력함으로써, 관리자가 상기 특정 기간 동안의 기후와 유사한 기후를 갖는 다른 기간이 되었을 때, 해당 다른 기간에서의 각 지역 별로 질병이 발생할 가능성을 미리 예측할 수 있도록 지원할 수 있다.
도 1은 본 발명의 일실시예에 따른 기후 변화 데이터를 활용한 질병 발생 예측 장치의 구조를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 기후 변화 데이터를 활용한 질병 발생 예측 장치의 동작 방법을 도시한 순서도이다.
도 2는 본 발명의 일실시예에 따른 기후 변화 데이터를 활용한 질병 발생 예측 장치의 동작 방법을 도시한 순서도이다.
이하에서는 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명하기로 한다. 이러한 설명은 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였으며, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 본 명세서 상에서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 사람에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다.
도 1은 본 발명의 일실시예에 따른 기후 변화 데이터를 활용한 질병 발생 예측 장치의 구조를 도시한 도면이다.
도 1을 참조하면, 본 발명의 일실시예에 따른 기후 변화 데이터를 활용한 질병 발생 예측 장치(110)는 상대분율 연산부(111), 상관도 연산부(112), 질병 발생 가중치 연산부(113), 질병 확산 가중치 연산부(114) 및 질병 발생 예측 값 출력부(115)를 포함한다.
상대분율 연산부(111)는 선정된(predetermined) 제1 기간 동안 수집된 복수의 지역들 각각에 대한 질병 발생 횟수와 선정된 제1 기간보다 과거의 기간인 선정된 제2 기간 동안 수집된 상기 복수의 지역들 전체의 질병 발생 총 횟수를 기초로 상기 선정된 제1 기간 동안의 상기 복수의 지역들 각각의 질병 발생에 대한 상대분율을 연산한다.
이때, 본 발명의 일실시예에 따르면, 상대분율 연산부(111)는 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 질병 발생 횟수에 대해 선정된 결측치 처리 상수를 합산하여 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각의 질병 발생 횟수에 대한 데이터 전처리를 수행하는 전처리 수행부(116)를 포함할 수 있다.
예컨대, 상기 선정된 제1 기간을 '2017년 10월 1일~2017년 10월 8일'이라고 하고, 상기 선정된 제2 기간을 '2016년 9월 1일~2017년 9월 30일'이라고 한 후 상기 선정된 제1 기간과 상기 선정된 제2 기간 동안 수집된 상기 복수의 지역들 각각에 대한 질병 발생 횟수가 하기의 표 1과 같다고 가정하자.
| 복수의 지역들 | 선정된 제1 기간 동안의 질병 발생 횟수 | 선정된 제2 기간 동안의 질병 발생 횟수 |
| 지역 1 | 2 | 20 |
| 지역 2 | 0 | 15 |
| 지역 3 | 1 | 20 |
| 지역 4 | 0 | 5 |
| 지역 5 | 10 | 20 |
이때, 전처리 수행부(116)는 상기 표 1에서 나타낸 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 질병 발생 횟수에 대해 선정된 결측치 처리 상수를 합산하여 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각의 질병 발생 횟수에 대한 데이터 전처리를 수행할 수 있다.
관련해서, 상기 선정된 결측치 처리 상수가 '1'이라고 한다면, 전처리 수행부(116)는 상기 표 1에서 나타낸 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 질병 발생 횟수에 대해 상기 선정된 결측치 처리 상수인 '1'을 합산하여 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각의 질병 발생 횟수에 대한 데이터 전처리를 수행할 수 있다.
이렇게, 데이터 전처리가 완료되면, 상기 표 1에서 나타낸 데이터는 하기의 표 2에서 나타낸 바와 같이 변경될 수 있다.
| 복수의 지역들 | 선정된 제1 기간 동안의 질병 발생 횟수(전처리 완료 후) | 선정된 제2 기간 동안의 질병 발생 횟수 |
| 지역 1 | 3 | 20 |
| 지역 2 | 1 | 15 |
| 지역 3 | 2 | 20 |
| 지역 4 | 1 | 5 |
| 지역 5 | 11 | 20 |
이때, 상대분율 연산부(111)는 상기 표 2에서 나타낸 선정된 제1 기간 동안 수집된 복수의 지역들 각각에 대한 질병 발생 횟수와 선정된 제2 기간 동안 수집된 상기 복수의 지역들 전체의 질병 발생 총 횟수를 기초로 하기의 수학식 1의 연산에 따라 상기 복수의 지역들 각각의 질병 발생에 대한 상대분율을 연산할 수 있다.
여기서, F는 각 지역에 대해서 연산된 상대분율, D는 상기 선정된 제1 기간 동안 각 지역에서 수집된 질병 발생 횟수로 상기 표 2에서 나타낸 바와 같은 전처리가 완료된 데이터, T는 상기 선정된 제2 기간 동안 수집된 상기 복수의 지역들 전체의 질병 발생 총 횟수로 상기 표 2에 따르면 '80'이 된다.
이러한 상기 수학식 1의 연산에 따르면, 상기 표 2의 데이터에서 상기 복수의 지역들 각각에 대한 상대분율은 하기의 표 3과 같이 연산될 수 있다.
| 복수의 지역들 | 선정된 제1 기간 동안의 복수의 지역들 각각의 질병 발생에 대한 상대분율 |
| 지역 1 | 3.75 |
| 지역 2 | 1.25 |
| 지역 3 | 2.5 |
| 지역 4 | 1.25 |
| 지역 5 | 13.75 |
상관도 연산부(112)는 상기 복수의 지역들 각각에 대해, 상기 선정된 제1 기간 동안 상기 복수의 지역들 각각에 대해서 수집된 복수의 서로 다른 기후 변화 데이터들 각각과 각 지역에 대해서 연산된 상대분율 간의 상관도를 연산한다.
이때, 본 발명의 일실시예에 따르면, 상관도 연산부(112)는 부분 상대분율 연산부(117) 및 상관 계수 연산부(118)를 포함할 수 있다.
부분 상대분율 연산부(117)는 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 질병 발생 횟수를 1일 간격으로 구분한 후 1일 간격으로 구분된 상기 복수의 지역들 각각에 대한 질병 발생 횟수와 상기 선정된 제2 기간 동안 수집된 상기 복수의 지역들 전체의 질병 발생 총 횟수를 기초로 상기 선정된 제1 기간 동안의 상기 복수의 지역들 각각의 질병 발생에 대한 상대분율을 1일 간격으로 구분해서 연산한다.
상관 계수 연산부(118)는 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 상기 복수의 서로 다른 기후 변화 데이터들을 1일 간격으로 구분한 후 상기 복수의 지역들 각각에 대해, 1일 간격으로 구분된 상기 복수의 서로 다른 기후 변화 데이터들 각각과 각 지역에 대해서 1일 간격으로 구분해서 연산된 상대분율 간의 상관 계수를 연산함으로써, 상기 복수의 지역들 각각에 대해, 상기 복수의 서로 다른 기후 변화 데이터들 각각과 각 지역에 대해서 연산된 상대분율 간의 상관도를 연산한다.
관련해서, 상기 표 1과 같이 '2017년 10월 1일~2017년 10월 8일'이라는 상기 선정된 제1 기간 동안 상기 복수의 지역들 각각에 대해서 수집한 질병 발생 횟수를 1일 간격으로 구분하였을 때, 하기의 표 4와 같이 나타낼 수 있다고 가정하자.
| 복수의 지역들 | 질병 발생 횟수 | |||||||
| 1일 | 2일 | 3일 | 4일 | 5일 | 6일 | 7일 | 8일 | |
| 지역 1 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 0 |
| 지역 2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 지역 3 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 |
| 지역 4 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 지역 5 | 2 | 1 | 1 | 1 | 2 | 1 | 1 | 1 |
이때, 부분 상대분율 연산부(117)는 상기 표 4에서 나타낸 각 지역 별 1일 간격으로 구분한 질병 발생 횟수에 대해 앞서 전처리 수행부(116)가 수행한 방식과 동일한 방식에 따라 상기 선정된 결측치 처리 상수인 '1'을 합산하여 데이터 전처리를 수행할 수 있고, 이로 인해, 상기 표 4에서 나타낸 각 지역 별 1일 간격으로 구분한 질병 발생 횟수는 하기의 표 5와 같이 변경될 수 있다.
| 복수의 지역들 | 전처리가 수행된 질병 발생 횟수 | |||||||
| 1일 | 2일 | 3일 | 4일 | 5일 | 6일 | 7일 | 8일 | |
| 지역 1 | 1 | 2 | 2 | 1 | 1 | 1 | 1 | 1 |
| 지역 2 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
| 지역 3 | 1 | 1 | 1 | 1 | 2 | 1 | 1 | 1 |
| 지역 4 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
| 지역 5 | 3 | 2 | 2 | 2 | 3 | 2 | 2 | 2 |
이때, 부분 상대분율 연산부(117)는 1일 간격으로 구분된 상기 복수의 지역들 각각에 대한 질병 발생 횟수와 상기 선정된 제2 기간 동안 수집된 상기 복수의 지역들 전체의 질병 발생 총 횟수를 기초로 상기 수학식 1에 따른 연산을 수행함으로써, 상기 선정된 제1 기간 동안의 상기 복수의 지역들 각각의 질병 발생에 대한 상대분율을 1일 간격으로 구분해서 연산할 수 있다.
즉, 부분 상대분율 연산부(117)는 '지역 1'에 대해 '1일'차의 질병 발생 횟수인 '1'과 상기 선정된 제2 기간 동안 수집된 상기 복수의 지역들 전체의 질병 발생 총 횟수인 '80'을 기초로 상기 수학식 1에 따른 연산을 수행함으로써, '1일'차에서의 '지역 1'에 대한 상대분율인 '1.25'를 연산할 수 있다.
이러한 방식으로, 부분 상대분율 연산부(117)는 상기 표 5에서 나타낸 1일 간격의 질병 발생 횟수들에 대해 각 지역 별 상대분율을 연산할 수 있고, 그 결과는 하기의 표 6과 같이 나타낼 수 있다.
| 복수의 지역들 | 1일 간격으로 구분해서 연산된 상대분율 | |||||||
| 1일 | 2일 | 3일 | 4일 | 5일 | 6일 | 7일 | 8일 | |
| 지역 1 | 1.25 | 2.5 | 2.5 | 1.25 | 1.25 | 1.25 | 1.25 | 1.25 |
| 지역 2 | 1.25 | 1.25 | 1.25 | 1.25 | 1.25 | 1.25 | 1.25 | 1.25 |
| 지역 3 | 1.25 | 1.25 | 1.25 | 1.25 | 2.5 | 1.25 | 1.25 | 1.25 |
| 지역 4 | 1.25 | 1.25 | 1.25 | 1.25 | 1.25 | 1.25 | 1.25 | 1.25 |
| 지역 5 | 3.75 | 2.5 | 2.5 | 2.5 | 3.75 | 2.5 | 2.5 | 2.5 |
이때, 상기 선정된 제1 기간 동안 상기 복수의 지역들 각각에 대해 수집한 복수의 서로 다른 기후 변화 데이터들을 1일 간격으로 구분한 결과가 하기의 표 7과 같다고 가정하자.
| 복수의 지역들 | 서로 다른 기후 데이터의 종류 | 기후 데이터 | |||||||
| 1일 | 2일 | 3일 | 4일 | 5일 | 6일 | 7일 | 8일 | ||
| 지역 1 | 온도(℃) | 10 | 15 | 15 | 10 | 10 | 15 | 15 | 20 |
| 습도(%) | 40 | 20 | 30 | 30 | 30 | 40 | 20 | 40 | |
| 일교차(℃) | 10 | 10 | 10 | 15 | 15 | 10 | 10 | 10 | |
| 지역 2 | 온도(℃) | 10 | 15 | 15 | 20 | 10 | 15 | 15 | 10 |
| 습도(%) | 30 | 40 | 20 | 40 | 40 | 20 | 30 | 30 | |
| 일교차(℃) | 15 | 10 | 10 | 10 | 10 | 10 | 10 | 15 | |
| 지역 3 | 온도(℃) | 15 | 20 | 10 | 20 | 10 | 15 | 15 | 10 |
| 습도(%) | 20 | 40 | 40 | 40 | 40 | 20 | 30 | 30 | |
| 일교차(℃) | 10 | 10 | 10 | 10 | 10 | 10 | 10 | 15 | |
| 지역 4 | 온도(℃) | 10 | 10 | 15 | 15 | 20 | 15 | 15 | 20 |
| 습도(%) | 30 | 30 | 40 | 20 | 40 | 40 | 20 | 40 | |
| 일교차(℃) | 15 | 15 | 10 | 10 | 10 | 10 | 10 | 10 | |
| 지역 5 | 온도(℃) | 10 | 10 | 15 | 15 | 10 | 15 | 15 | 20 |
| 습도(%) | 30 | 30 | 40 | 20 | 30 | 40 | 20 | 40 | |
| 일교차(℃) | 15 | 15 | 10 | 10 | 15 | 10 | 10 | 10 | |
이때, 상관 계수 연산부(118)는 상기 복수의 지역들 각각에 대해, 1일 간격으로 구분된 상기 복수의 기후 변화 데이터들 각각과 각 지역에 대해서 1일 간격으로 구분해서 연산된 상대분율 간의 상관 계수를 연산할 수 있다.
이때, 상관 계수 연산부(118)는 상기 상관 계수를 하기의 수학식 2에 기초하여 연산할 수 있다.
여기서, xi는 상기 표 7에서 나타낸 각 '온도, 습도, 일교차' 중 각 지역 별로 특정 기후 데이터에 대한 i번째 일자에 해당되는 기후 데이터를 의미하고, 
는 각 지역 별로 '1일~8일'까지의 특정 기후 데이터들의 평균 값을 의미하며, yi는 상기 표 6에서 나타낸 1일 간격으로 구분되어 연산된 상대분율들에서 각 지역 별로 i번째 일자에 해당되는 상대분율을 의미하고, 
는 각 지역 별로 '1일~8일'까지의 상대분율들의 평균 값을 의미한다.
예컨대, 상관 계수 연산부(118)는 '지역 1'에 대해서 '1일~8일'까지에 해당되는 '온도' 데이터와 '1일~8일'까지에 해당되는 상대분율 간의 상관 계수를 상기 수학식 2에 따른 연산 과정을 통해 연산함으로써, '지역 1'에 대해서 '온도'와 '지역 1'의 상대분율 간의 상관도를 연산할 수 있고, '지역 1'에 대해서 '1일~8일'까지에 해당되는 '습도' 데이터와 '1일~8일'까지에 해당되는 상대분율 간의 상관 계수를 상기 수학식 2에 따른 연산 과정을 통해 연산함으로써, '지역 1'에 대해서 '습도'와 '지역 1'의 상대분율 간의 상관도를 연산할 수 있으며, '지역 1'에 대해서 '1일~8일'까지에 해당되는 '일교차' 데이터와 '1일~8일'까지에 해당되는 상대분율 간의 상관 계수를 상기 수학식 2에 따른 연산 과정을 통해 연산함으로써, '지역 1'에 대해서 '일교차'와 '지역 1'의 상대분율 간의 상관도를 연산할 수 있다.
이러한 방식으로, 상관 계수 연산부(118)는 '지역 2, 3, 4, 5'에 대해서도 '온도, 습도, 일교차' 각각과 각 지역에서의 상대분율 간의 상관도를 연산할 수 있다.
이렇게, 상기 복수의 지역들 각각에 대해 상기 복수의 서로 다른 기후 변화 데이터들 각각에 대한 상관도의 연산이 완료되면, 질병 발생 가중치 연산부(113)는 상기 복수의 지역들 각각에 대해, 상기 복수의 서로 다른 기후 변화 데이터들 각각에 대해서 연산된 상관도에 대한 절대 값의 평균 값에 각 지역에 대해서 연산된 상대분율을 합산하여 상기 복수의 지역들 각각에 대한 질병 발생 가중치를 연산한다.
이때, 본 발명의 일실시예에 따르면, 질병 발생 가중치 연산부(113)는 상기 복수의 지역들 각각에 대해, 상기 복수의 서로 다른 기후 변화 데이터들 각각에 대해서 연산된 상관도에 대한 절대 값의 평균 값에 각 지역에 대해서 연산된 상대분율을 합산한 합산 값을 연산하고, 상기 복수의 지역들 각각에 대해 연산된 합산 값을 '0'과 '1' 사이의 값으로 정규화하여 상기 복수의 지역들 각각에 대한 정규화 값을 상기 복수의 지역들 각각에 대한 상기 질병 발생 가중치로 연산할 수 있다.
관련해서, 질병 발생 가중치 연산부(113)는 하기의 수학식 3에 기초하여 상기 복수의 지역들 각각에 대한 합산 값을 연산할 수 있다.
여기서, O는 특정 지역에 대해서 연산된 합산 값, rn은 상기 특정 지역에서 상기 복수의 서로 다른 기후 변화 데이터들 각각에 대해서 연산된 상관도, v는 상기 특정 지역에서 연산된 상관도의 개수, F는 상기 특정 지역의 상대분율을 의미한다.
예컨대, '지역 1'에 대해 상기 합산 값을 연산한다고 하였을 때, '온도'에 대해 연산된 상관도를 'r1', '습도'에 대해 연산된 상관도를 'r2', '일교차'에 대해 연산된 상관도를 'r3'이라고 하고, 상대분율 연산부(111)를 통해 '지역 1'에 대해서 연산된 상대분율을 상기 표 3에서 나타낸 바와 같이 '3.75'라고 한다면, 질병 발생 가중치 연산부(113)는 상기 수학식 3에서 rn에 'r1', 'r2', 'r3'을 대입하고, v에 '3'을 대입하며, F에 '3.75'를 대입하여 '지역 1'에 대한 합산 값을 연산할 수 있다.
이러한 방식으로, 질병 발생 가중치 연산부(113)는 '지역 1, 2, 3, 4, 5'에 대해서 각각 합산 값을 연산할 수 있다.
이렇게, '지역 1, 2, 3, 4, 5'에 대해 합산 값의 연산이 완료되면, 질병 발생 가중치 연산부(113)는 '지역 1, 2, 3, 4, 5' 각각에 대해 연산된 합산 값을 '0'과 '1' 사이의 값으로 정규화하여 '지역 1, 2, 3, 4, 5' 각각에 대해서 정규화한 값을 '지역 1, 2, 3, 4, 5' 각각에 대한 질병 발생 가중치로 연산할 수 있다.
이때, 본 발명의 일실시예에 따르면, 질병 발생 가중치 연산부(113)는 하기의 수학식 4에 기초하여 복수의 지역들 각각에 대해 연산된 합산 값의 정규화를 수행할 수 있다.
상기 수학식 4에서 I는 특정 지역에서의 정규화 값, O는 상기 특정 지역에서 상기 수학식 3에 따라 연산된 합산 값, B는 복수의 지역들 전체의 합산 값들의 집합을 의미한다.
즉, '지역 1'에 대한 정규화 값을 연산한다고 하였을 때, 질병 발생 가중치 연산부(113)는 상기 수학식 4에서 '지역 1, 2, 3, 4, 5'에 대해 연산된 합산 값들 중 최대 값을 'max(B)'에 대입하고, 최소 값을 'min(B)'에 대입하며, '지역 1'에 대한 합산 값을 O에 대입함으로써, '지역 1'에 대한 정규화 값 I를 연산할 수 있고, '지역 1'에 대한 정규화 값 I를 '지역 1'에 대한 질병 발생 가중치로 결정할 수 있다.
이러한 방식으로, 질병 발생 가중치 연산부(113)는 '지역 1, 2, 3, 4, 5' 각각에 대해 상기 수학식 4에 따른 정규화 값을 연산함으로써, 각 지역에 대한 질병 발생 가중치를 연산할 수 있다.
질병 확산 가중치 연산부(114)는 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 바람의 발생 빈도와 각 바람의 풍향 및 풍속에 대한 정보, 및 상기 복수의 지역들 각각에 대해 연산된 상대분율에 기초하여 상기 복수의 지역들 각각에 대해, 인접 지역에 의한 질병 확산 유발 정도를 나타내는 질병 확산 가중치를 연산한다.
이때, 본 발명의 일실시예에 따르면, 질병 확산 가중치 연산부(114)는 영향 값 연산부(119) 및 질병 확산 가중치 연산 처리부(120)를 포함할 수 있다.
영향 값 연산부(119)는 상기 복수의 지역들 각각에 대해, 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 바람의 발생 빈도와 각 바람의 풍향 및 풍속에 대한 정보 중 질병이 발생한 인접 지역들의 방향에 기초한 풍향을 갖는 바람의 발생 빈도, 풍향 및 풍속에 대한 정보를 확인하여 질병이 발생한 인접 지역들 각각에 대한 바람의 영향 값을 연산한다.
그리고, 질병 확산 가중치 연산 처리부(120)는 상기 복수의 지역들 각각에 대해 질병이 발생한 인접 지역들 각각에 대한 바람의 영향 값이 연산되면, 상기 복수의 지역들 각각에 대해, 질병이 발생한 인접 지역들 각각에 대한 바람의 영향 값의 평균 값에 각 지역에 대해서 연산된 상대분율을 합산하여 상기 복수의 지역들 각각에 대한 질병 확산 가중치의 연산을 처리한다.
예컨대, '지역 1, 2, 3, 4, 5' 중 '지역 1'에 대해 바람의 영향 값을 연산한다고 하였을 때, '지역 1'에 인접한 지역을 '지역 2', '지역 3', '지역 5'라고 하는 경우, '지역 3'과 '지역 5'에서 상기 선정된 제1 기간 동안 질병이 발생하였기 때문에, 영향 값 연산부(119)는 '지역 1'에 대해, 상기 선정된 제1 기간 동안 수집된 바람의 발생 빈도와 각 바람의 풍향 및 풍속에 대한 정보 중 '지역 3'과 '지역 5'의 방향에 기초한 풍향을 갖는 바람의 발생 빈도, 풍향 및 풍속에 대한 정보를 확인하여 '지역 3'과 '지역 5'에 대한 바람의 영향 값들을 연산할 수 있다.
이때, 영향 값 연산부(119)는 하기의 수학식 5에 기초하여 바람의 영향 값을 연산할 수 있다.
여기서, S는 특정 지역에 대해서 연산된 바람의 영향 값, WFi는 인접 지역의 방향에 기초한 풍향을 갖는 바람의 발생 빈도, WLi는 평균 풍속, Fn은 인접 지역의 상대분율, p는 인접 지역에 의해서 유발되는 풍향의 종류에 대한 개수를 의미한다.
관련해서, 앞서 설명한 예시에 따라 '지역 1'에 인접한 '지역 3'에서 상기 선정된 제1 기간 동안 질병이 발생함에 따라 '지역 3'에 의한 바람의 영향 값을 연산한다고 하였을 때, '지역 3'이 '지역 1'을 중심으로 동쪽 방향에 위치함에 따라 '지역 3'에서 '지역 1'로 불어오는 바람의 풍향이 '동풍, 동북동풍, 동남동풍'의 3가지 종류라고 하고, '동풍'의 상기 선정된 제1 기간 동안의 발생 빈도가 '10%', 평균 풍속이 '5m/s', '동북동풍'의 상기 선정된 제1 기간 동안의 발생 빈도가 '20%', 평균 풍속이 '8m/s', '동남동풍'의 상기 선정된 제1 기간 동안의 발생 빈도가 '5%', 평균 풍속이 '10m/s'라고 하는 경우, 영향 값 연산부(119)는 풍향의 종류가 3가지이기 때문에, p에 '3'을 대입하고, Fn에 '지역 3'에 대한 상대분율인 '2.5'를 대입하며, WFi에 발생 빈도인 '10, 20, 5'를 각각 대입하고, WLi에 평균 풍속인 '5, 8, 10'을 각각 대입하여 '지역 3'에 의해서 유발되는 '지역 1'에 대한 바람의 영향 값 S를 연산할 수 있다.
이러한 방식으로, 영향 값 연산부는 '지역 5'에 대해서도 '지역 5'에 의해서 유발되는 '지역 1'에 대한 바람의 영향 값을 연산할 수 있다.
이렇게, '지역 1'에 대해 질병이 발생한 인접 지역인 '지역 3', '지역 5'에 의해서 유발되는 바람의 영향 값들이 연산되면, 질병 확산 가중치 연산 처리부(120)는 '지역 3', '지역 5' 각각에 대한 바람의 영향 값의 평균 값에 '지역 1'에 대한 상대분율을 합산하여 '지역 1'에 대한 질병 확산 가중치의 연산을 처리할 수 있다.
관련해서, 질병 확산 가중치 연산 처리부(120)는 하기의 수학식 6에 기초하여 상기 질병 확산 가중치의 연산을 처리할 수 있다.
여기서, L은 특정 지역에 대한 질병 확산 가중치, F는 상기 특정 지역에 대한 상대분율, Sp는 인접 지역에 대해 연산된 바람의 영향 값들, w는 상기 바람의 영향 값들의 개수를 의미한다.
즉, 앞서 설명한 예에서, 질병 확산 가중치 연산 처리부(120)는 '지역 1'에 대한 질병 확산 가중치를 연산하기 위해, Sp에 '지역 3', '지역 5'에 의해서 유발되는 바람의 영향 값들을 각각 대입하고, w에 '2'를 대입하며, F에 '지역 1'에 대한 상대분율인 '3.75'를 대입하여 '지역 1'에 대한 질병 확산 가중치 L을 연산할 수 있다.
이러한 방식으로, 질병 확산 가중치 연산 처리부(120)는 '지역 1, 2, 3, 4, 5' 각각에 대해 질병 확산 가중치를 모두 연산할 수 있다.
이렇게, 질병 발생 가중치 연산부(113)를 통해 상기 복수의 지역들 각각에 대한 질병 발생 가중치가 연산되고, 질병 확산 가중치 연산부(114)를 통해 상기 복수의 지역들 각각에 대한 질병 확산 가중치의 연산이 완료되면, 질병 발생 예측 값 출력부(115)는 상기 복수의 지역들 각각에 대해 연산된 상기 질병 발생 가중치와 상기 질병 확산 가중치를 기초로 상기 복수의 지역들 각각에 대한 질병 발생 예측 값을 연산하여 상기 복수의 지역들 각각에 대한 질병 발생 예측 값을 디스플레이를 통해 출력한다.
이때, 본 발명의 일실시예에 따르면, 질병 발생 예측 값 출력부(115)는 상기 복수의 지역들 각각에 대해, 각 지역에 대해서 연산된 상기 질병 발생 가중치와 상기 질병 확산 가중치의 합계를 상기 복수의 지역들에 대한 상기 질병 발생 가중치와 상기 질병 확산 가중치의 전체 합계로 나누어 상기 복수의 지역들 각각에 대한 상기 질병 발생 예측 값을 연산할 수 있다.
관련해서, 질병 발생 예측 값 출력부(115)는 하기의 수학식 7에 기초하여 상기 복수의 지역들 각각에 대한 상기 질병 발생 예측 값을 연산할 수 있다.
여기서, P는 특정 지역에서의 질병 발생 예측 값, I는 상기 특정 지역에서의 질병 발생 가중치, L은 상기 특정 지역에서의 질병 확산 가중치, Ii는 i번째 지역에서의 질병 발생 가중치, Li는 i번째 지역에서의 질병 확산 가중치로, 
는 복수의 지역들 전체의 질병 발생 가중치와 질병 확산 가중치의 총 합계를 의미한다.
이렇게, 본 발명에 따른 기후 변화 데이터를 활용한 질병 발생 예측 장치(110)는 각 지역에서의 상기 선정된 제1 기간 동안의 데이터에 기초한 질병 발생 예측 값을 연산하여 디스플레이를 통해 출력함으로써, 관리자가 상기 선정된 제1 기간 동안의 기후와 유사한 기후를 갖는 다른 기간이 되었을 때, 해당 다른 기간에서의 각 지역 별로 질병이 발생할 가능성을 미리 예측할 수 있도록 지원할 수 있다.
도 2는 본 발명의 일실시예에 따른 기후 변화 데이터를 활용한 질병 발생 예측 장치의 동작 방법을 도시한 순서도이다.
단계(S210)에서는 선정된 제1 기간 동안 수집된 복수의 지역들 각각에 대한 질병 발생 횟수와 선정된 제1 기간보다 과거의 기간인 선정된 제2 기간 동안 수집된 상기 복수의 지역들 전체의 질병 발생 총 횟수를 기초로 상기 선정된 제1 기간 동안의 상기 복수의 지역들 각각의 질병 발생에 대한 상대분율을 연산한다.
단계(S220)에서는 상기 복수의 지역들 각각에 대해, 상기 선정된 제1 기간 동안 상기 복수의 지역들 각각에 대해서 수집된 복수의 서로 다른 기후 변화 데이터들 각각과 각 지역에 대해서 연산된 상대분율 간의 상관도를 연산한다.
단계(S230)에서는 상기 복수의 지역들 각각에 대해, 상기 복수의 서로 다른 기후 변화 데이터들 각각에 대해서 연산된 상관도에 대한 절대 값의 평균 값에 각 지역에 대해서 연산된 상대분율을 합산하여 상기 복수의 지역들 각각에 대한 질병 발생 가중치를 연산한다.
단계(S240)에서는 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 바람의 발생 빈도와 각 바람의 풍향 및 풍속에 대한 정보, 및 상기 복수의 지역들 각각에 대해 연산된 상대분율에 기초하여 상기 복수의 지역들 각각에 대해, 인접 지역에 의한 질병 확산 유발 정도를 나타내는 질병 확산 가중치를 연산한다.
단계(S250)에서는 상기 복수의 지역들 각각에 대해 연산된 상기 질병 발생 가중치와 상기 질병 확산 가중치를 기초로 상기 복수의 지역들 각각에 대한 질병 발생 예측 값을 연산하여 상기 복수의 지역들 각각에 대한 질병 발생 예측 값을 디스플레이를 통해 출력한다.
이때, 본 발명의 일실시예에 따르면, 단계(S210)에서는 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 질병 발생 횟수에 대해 선정된 결측치 처리 상수를 합산하여 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각의 질병 발생 횟수에 대한 데이터 전처리를 수행하는 단계를 포함할 수 있다.
또한, 본 발명의 일실시예에 따르면, 단계(S220)에서는 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 질병 발생 횟수를 1일 간격으로 구분한 후 1일 간격으로 구분된 상기 복수의 지역들 각각에 대한 질병 발생 횟수와 상기 선정된 제2 기간 동안 수집된 상기 복수의 지역들 전체의 질병 발생 총 횟수를 기초로 상기 선정된 제1 기간 동안의 상기 복수의 지역들 각각의 질병 발생에 대한 상대분율을 1일 간격으로 구분해서 연산하는 단계 및 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 상기 복수의 서로 다른 기후 변화 데이터들을 1일 간격으로 구분한 후 상기 복수의 지역들 각각에 대해, 1일 간격으로 구분된 상기 복수의 서로 다른 기후 변화 데이터들 각각과 각 지역에 대해서 1일 간격으로 구분해서 연산된 상대분율 간의 상관 계수를 연산함으로써, 상기 복수의 지역들 각각에 대해, 상기 복수의 서로 다른 기후 변화 데이터들 각각과 각 지역에 대해서 연산된 상대분율 간의 상관도를 연산하는 단계를 포함할 수 있다.
또한, 본 발명의 일실시예에 따르면, 단계(S230)에서는 상기 복수의 지역들 각각에 대해, 상기 복수의 서로 다른 기후 변화 데이터들 각각에 대해서 연산된 상관도에 대한 절대 값의 평균 값에 각 지역에 대해서 연산된 상대분율을 합산한 합산 값을 연산하고, 상기 복수의 지역들 각각에 대해 연산된 합산 값을 '0'과 '1' 사이의 값으로 정규화하여 상기 복수의 지역들 각각에 대한 정규화 값을 상기 복수의 지역들 각각에 대한 상기 질병 발생 가중치로 연산할 수 있다.
또한, 본 발명의 일실시예에 따르면, 단계(S240)에서는 상기 복수의 지역들 각각에 대해, 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 바람의 발생 빈도와 각 바람의 풍향 및 풍속에 대한 정보 중 질병이 발생한 인접 지역들의 방향에 기초한 풍향을 갖는 바람의 발생 빈도, 풍향 및 풍속에 대한 정보를 확인하여 질병이 발생한 인접 지역들 각각에 대한 바람의 영향 값을 연산하는 단계 및 상기 복수의 지역들 각각에 대해 질병이 발생한 인접 지역들 각각에 대한 바람의 영향 값이 연산되면, 상기 복수의 지역들 각각에 대해, 질병이 발생한 인접 지역들 각각에 대한 바람의 영향 값의 평균 값에 각 지역에 대해서 연산된 상대분율을 합산하여 상기 복수의 지역들 각각에 대한 질병 확산 가중치의 연산을 처리하는 단계를 포함할 수 있다.
또한, 본 발명의 일실시예에 따르면, 단계(S250)에서는 상기 복수의 지역들 각각에 대해, 각 지역에 대해서 연산된 상기 질병 발생 가중치와 상기 질병 확산 가중치의 합계를 상기 복수의 지역들에 대한 상기 질병 발생 가중치와 상기 질병 확산 가중치의 전체 합계로 나누어 상기 복수의 지역들 각각에 대한 상기 질병 발생 예측 값을 연산할 수 있다.
이상, 도 2를 참조하여 본 발명의 일실시예에 따른 기후 변화 데이터를 활용한 질병 발생 예측 장치의 동작 방법에 대해 설명하였다. 여기서, 본 발명의 일실시예에 따른 기후 변화 데이터를 활용한 질병 발생 예측 장치의 동작 방법은 도 1을 이용하여 설명한 기후 변화 데이터를 활용한 질병 발생 예측 장치(110)의 동작에 대한 구성과 대응될 수 있으므로, 이에 대한 보다 상세한 설명은 생략하기로 한다.
본 발명의 일실시예에 따른 기후 변화 데이터를 활용한 질병 발생 예측 장치의 동작 방법은 컴퓨터와의 결합을 통해 실행시키기 위한 저장매체에 저장된 컴퓨터 프로그램으로 구현될 수 있다.
또한, 본 발명의 일실시예에 따른 기후 변화 데이터를 활용한 질병 발생 예측 장치의 동작 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
110: 기후 변화 데이터를 활용한 질병 발생 예측 장치
111: 상대분율 연산부 112: 상관도 연산부
113: 질병 발생 가중치 연산부 114: 질병 확산 가중치 연산부
115: 질병 발생 예측 값 출력부 116: 전처리 수행부
117: 부분 상대분율 연산부 118: 상관 계수 연산부
119: 영향 값 연산부 120: 질병 확산 가중치 연산 처리부
111: 상대분율 연산부 112: 상관도 연산부
113: 질병 발생 가중치 연산부 114: 질병 확산 가중치 연산부
115: 질병 발생 예측 값 출력부 116: 전처리 수행부
117: 부분 상대분율 연산부 118: 상관 계수 연산부
119: 영향 값 연산부 120: 질병 확산 가중치 연산 처리부
Claims (14)
- 선정된(predetermined) 제1 기간 동안 수집된 복수의 지역들 각각에 대한 질병 발생 횟수와 선정된 제1 기간보다 과거의 기간인 선정된 제2 기간 동안 수집된 상기 복수의 지역들 전체의 질병 발생 총 횟수를 기초로 상기 선정된 제1 기간 동안의 상기 복수의 지역들 각각의 질병 발생에 대한 상대분율을 연산하는 상대분율 연산부;
상기 복수의 지역들 각각에 대해, 상기 선정된 제1 기간 동안 상기 복수의 지역들 각각에 대해서 수집된 복수의 서로 다른 기후 변화 데이터들 각각과 각 지역에 대해서 연산된 상대분율 간의 상관도를 연산하는 상관도 연산부;
상기 복수의 지역들 각각에 대해, 상기 복수의 서로 다른 기후 변화 데이터들 각각에 대해서 연산된 상관도에 대한 절대 값의 평균 값에 각 지역에 대해서 연산된 상대분율을 합산하여 상기 복수의 지역들 각각에 대한 질병 발생 가중치를 연산하는 질병 발생 가중치 연산부;
상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 바람의 발생 빈도와 각 바람의 풍향 및 풍속에 대한 정보, 및 상기 복수의 지역들 각각에 대해 연산된 상대분율에 기초하여 상기 복수의 지역들 각각에 대해, 인접 지역에 의한 질병 확산 유발 정도를 나타내는 질병 확산 가중치를 연산하는 질병 확산 가중치 연산부; 및
상기 복수의 지역들 각각에 대해 연산된 상기 질병 발생 가중치와 상기 질병 확산 가중치를 기초로 상기 복수의 지역들 각각에 대한 질병 발생 예측 값을 연산한 후 상기 복수의 지역들 각각에 대한 질병 발생 예측 값을 디스플레이를 통해 출력하는 질병 발생 예측 값 출력부
를 포함하는 기후 변화 데이터를 활용한 질병 발생 예측 장치. - 제1항에 있어서,
상기 상대분율 연산부는
상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 질병 발생 횟수에 대해 선정된 결측치 처리 상수를 합산하여 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각의 질병 발생 횟수에 대한 데이터 전처리를 수행하는 전처리 수행부
를 포함하는 기후 변화 데이터를 활용한 질병 발생 예측 장치. - 제1항에 있어서,
상기 상관도 연산부는
상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 질병 발생 횟수를 1일 간격으로 구분한 후 1일 간격으로 구분된 상기 복수의 지역들 각각에 대한 질병 발생 횟수와 상기 선정된 제2 기간 동안 수집된 상기 복수의 지역들 전체의 질병 발생 총 횟수를 기초로 상기 선정된 제1 기간 동안의 상기 복수의 지역들 각각의 질병 발생에 대한 상대분율을 1일 간격으로 구분해서 연산하는 부분 상대분율 연산부; 및
상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 상기 복수의 서로 다른 기후 변화 데이터들을 1일 간격으로 구분한 후 상기 복수의 지역들 각각에 대해, 1일 간격으로 구분된 상기 복수의 서로 다른 기후 변화 데이터들 각각과 각 지역에 대해서 1일 간격으로 구분해서 연산된 상대분율 간의 상관 계수를 연산함으로써, 상기 복수의 지역들 각각에 대해, 상기 복수의 서로 다른 기후 변화 데이터들 각각과 각 지역에 대해서 연산된 상대분율 간의 상관도를 연산하는 상관 계수 연산부
를 포함하는 기후 변화 데이터를 활용한 질병 발생 예측 장치. - 제1항에 있어서,
상기 질병 발생 가중치 연산부는
상기 복수의 지역들 각각에 대해, 상기 복수의 서로 다른 기후 변화 데이터들 각각에 대해서 연산된 상관도에 대한 절대 값의 평균 값에 각 지역에 대해서 연산된 상대분율을 합산한 합산 값을 연산하고, 상기 복수의 지역들 각각에 대해 연산된 합산 값을 '0'과 '1' 사이의 값으로 정규화하여 상기 복수의 지역들 각각에 대한 정규화 값을 상기 복수의 지역들 각각에 대한 상기 질병 발생 가중치로 연산하는 기후 변화 데이터를 활용한 질병 발생 예측 장치. - 제1항에 있어서,
상기 질병 확산 가중치 연산부는
상기 복수의 지역들 각각에 대해, 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 바람의 발생 빈도와 각 바람의 풍향 및 풍속에 대한 정보 중 질병이 발생한 인접 지역들의 방향에 기초한 풍향을 갖는 바람의 발생 빈도, 풍향 및 풍속에 대한 정보를 확인하여 질병이 발생한 인접 지역들 각각에 대한 바람의 영향 값을 연산하는 영향 값 연산부; 및
상기 복수의 지역들 각각에 대해 질병이 발생한 인접 지역들 각각에 대한 바람의 영향 값이 연산되면, 상기 복수의 지역들 각각에 대해, 질병이 발생한 인접 지역들 각각에 대한 바람의 영향 값의 평균 값에 각 지역에 대해서 연산된 상대분율을 합산하여 상기 복수의 지역들 각각에 대한 질병 확산 가중치의 연산을 처리하는 질병 확산 가중치 연산 처리부
를 포함하는 기후 변화 데이터를 활용한 질병 발생 예측 장치. - 제1항에 있어서,
상기 질병 발생 예측 값 출력부는
상기 복수의 지역들 각각에 대해, 각 지역에 대해서 연산된 상기 질병 발생 가중치와 상기 질병 확산 가중치의 합계를 상기 복수의 지역들에 대한 상기 질병 발생 가중치와 상기 질병 확산 가중치의 전체 합계로 나누어 상기 복수의 지역들 각각에 대한 상기 질병 발생 예측 값을 연산하는 기후 변화 데이터를 활용한 질병 발생 예측 장치. - 선정된(predetermined) 제1 기간 동안 수집된 복수의 지역들 각각에 대한 질병 발생 횟수와 선정된 제1 기간보다 과거의 기간인 선정된 제2 기간 동안 수집된 상기 복수의 지역들 전체의 질병 발생 총 횟수를 기초로 상기 선정된 제1 기간 동안의 상기 복수의 지역들 각각의 질병 발생에 대한 상대분율을 연산하는 단계;
상기 복수의 지역들 각각에 대해, 상기 선정된 제1 기간 동안 상기 복수의 지역들 각각에 대해서 수집된 복수의 서로 다른 기후 변화 데이터들 각각과 각 지역에 대해서 연산된 상대분율 간의 상관도를 연산하는 단계;
상기 복수의 지역들 각각에 대해, 상기 복수의 서로 다른 기후 변화 데이터들 각각에 대해서 연산된 상관도에 대한 절대 값의 평균 값에 각 지역에 대해서 연산된 상대분율을 합산하여 상기 복수의 지역들 각각에 대한 질병 발생 가중치를 연산하는 단계;
상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 바람의 발생 빈도와 각 바람의 풍향 및 풍속에 대한 정보, 및 상기 복수의 지역들 각각에 대해 연산된 상대분율에 기초하여 상기 복수의 지역들 각각에 대해, 인접 지역에 의한 질병 확산 유발 정도를 나타내는 질병 확산 가중치를 연산하는 단계; 및
상기 복수의 지역들 각각에 대해 연산된 상기 질병 발생 가중치와 상기 질병 확산 가중치를 기초로 상기 복수의 지역들 각각에 대한 질병 발생 예측 값을 연산한 후 상기 복수의 지역들 각각에 대한 질병 발생 예측 값을 디스플레이를 통해 출력하는 단계
를 포함하는 기후 변화 데이터를 활용한 질병 발생 예측 장치의 동작 방법. - 제7항에 있어서,
상기 상대분율을 연산하는 단계는
상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 질병 발생 횟수에 대해 선정된 결측치 처리 상수를 합산하여 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각의 질병 발생 횟수에 대한 데이터 전처리를 수행하는 단계
를 포함하는 기후 변화 데이터를 활용한 질병 발생 예측 장치의 동작 방법. - 제7항에 있어서,
상기 상관도를 연산하는 단계는
상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 질병 발생 횟수를 1일 간격으로 구분한 후 1일 간격으로 구분된 상기 복수의 지역들 각각에 대한 질병 발생 횟수와 상기 선정된 제2 기간 동안 수집된 상기 복수의 지역들 전체의 질병 발생 총 횟수를 기초로 상기 선정된 제1 기간 동안의 상기 복수의 지역들 각각의 질병 발생에 대한 상대분율을 1일 간격으로 구분해서 연산하는 단계; 및
상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 상기 복수의 서로 다른 기후 변화 데이터들을 1일 간격으로 구분한 후 상기 복수의 지역들 각각에 대해, 1일 간격으로 구분된 상기 복수의 서로 다른 기후 변화 데이터들 각각과 각 지역에 대해서 1일 간격으로 구분해서 연산된 상대분율 간의 상관 계수를 연산함으로써, 상기 복수의 지역들 각각에 대해, 상기 복수의 서로 다른 기후 변화 데이터들 각각과 각 지역에 대해서 연산된 상대분율 간의 상관도를 연산하는 단계
를 포함하는 기후 변화 데이터를 활용한 질병 발생 예측 장치의 동작 방법. - 제7항에 있어서,
상기 질병 발생 가중치를 연산하는 단계는
상기 복수의 지역들 각각에 대해, 상기 복수의 서로 다른 기후 변화 데이터들 각각에 대해서 연산된 상관도에 대한 절대 값의 평균 값에 각 지역에 대해서 연산된 상대분율을 합산한 합산 값을 연산하고, 상기 복수의 지역들 각각에 대해 연산된 합산 값을 '0'과 '1' 사이의 값으로 정규화하여 상기 복수의 지역들 각각에 대한 정규화 값을 상기 복수의 지역들 각각에 대한 상기 질병 발생 가중치로 연산하는 기후 변화 데이터를 활용한 질병 발생 예측 장치의 동작 방법. - 제7항에 있어서,
상기 질병 확산 가중치를 연산하는 단계는
상기 복수의 지역들 각각에 대해, 상기 선정된 제1 기간 동안 수집된 상기 복수의 지역들 각각에 대한 바람의 발생 빈도와 각 바람의 풍향 및 풍속에 대한 정보 중 질병이 발생한 인접 지역들의 방향에 기초한 풍향을 갖는 바람의 발생 빈도, 풍향 및 풍속에 대한 정보를 확인하여 질병이 발생한 인접 지역들 각각에 대한 바람의 영향 값을 연산하는 단계; 및
상기 복수의 지역들 각각에 대해 질병이 발생한 인접 지역들 각각에 대한 바람의 영향 값이 연산되면, 상기 복수의 지역들 각각에 대해, 질병이 발생한 인접 지역들 각각에 대한 바람의 영향 값의 평균 값에 각 지역에 대해서 연산된 상대분율을 합산하여 상기 복수의 지역들 각각에 대한 질병 확산 가중치의 연산을 처리하는 단계
를 포함하는 기후 변화 데이터를 활용한 질병 발생 예측 장치의 동작 방법. - 제7항에 있어서,
상기 출력하는 단계는
상기 복수의 지역들 각각에 대해, 각 지역에 대해서 연산된 상기 질병 발생 가중치와 상기 질병 확산 가중치의 합계를 상기 복수의 지역들에 대한 상기 질병 발생 가중치와 상기 질병 확산 가중치의 전체 합계로 나누어 상기 복수의 지역들 각각에 대한 상기 질병 발생 예측 값을 연산하는 기후 변화 데이터를 활용한 질병 발생 예측 장치의 동작 방법. - 제7항 내지 제12항 중 어느 한 항의 방법을 수행하는 프로그램을 기록한 컴퓨터 판독 가능 기록 매체.
- 제7항 내지 제12항 중 어느 한 항의 방법을 컴퓨터와의 결합을 통해 실행시키기 위한 저장매체에 저장된 컴퓨터 프로그램.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180064619A KR102168159B1 (ko) | 2018-06-05 | 2018-06-05 | 기후 변화 데이터를 활용한 질병 발생 예측 장치 및 그 동작 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180064619A KR102168159B1 (ko) | 2018-06-05 | 2018-06-05 | 기후 변화 데이터를 활용한 질병 발생 예측 장치 및 그 동작 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190138716A true KR20190138716A (ko) | 2019-12-16 |
| KR102168159B1 KR102168159B1 (ko) | 2020-10-21 |
Family
ID=69052084
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180064619A KR102168159B1 (ko) | 2018-06-05 | 2018-06-05 | 기후 변화 데이터를 활용한 질병 발생 예측 장치 및 그 동작 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102168159B1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102295013B1 (ko) * | 2020-11-30 | 2021-08-27 | 농업회사법인 주식회사 지인 | 빅데이터 기반 질병예측시스템 |
| KR20210157568A (ko) * | 2020-06-22 | 2021-12-29 | (주)아레스 | 비말감염자 이동확산 및 조치훈련 시뮬레이션 시스템 및 방법 |
| CN114330850A (zh) * | 2021-12-21 | 2022-04-12 | 南京大学 | 一种用于气候预测的异常相对倾向生成方法与*** |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110131362A (ko) * | 2010-05-31 | 2011-12-07 | 주식회사 매경헬스 | 건강지수 서비스 방법 |
| JP2013092929A (ja) * | 2011-10-26 | 2013-05-16 | Seiko Epson Corp | 病気予測システム及び病気予測方法 |
| KR101405309B1 (ko) | 2012-09-11 | 2014-06-13 | 고려대학교 산학협력단 | 소셜 네트워크 서비스 데이터에 기반한 질병 확산 상황 예측 장치 및 방법 |
| KR101511234B1 (ko) | 2012-01-13 | 2015-04-10 | 이화여자대학교 산학협력단 | 기후변화 예측 수치모델을 이용한 기후변화 콘텐츠 생성방법 및 시스템 |
| KR101733652B1 (ko) * | 2016-11-25 | 2017-05-11 | 에쓰오씨소프트(주) | 빅데이터를 활용한 감염병의 지역별 위험도 예측 기반의 예방활동 지원을 위한 방법, 전자 장치 및 시스템 |
| US20170308672A1 (en) * | 2014-09-05 | 2017-10-26 | University Of Cincinnati | Methods for determining risk and treating diseases and conditions that correlate to weather data |
| KR101843008B1 (ko) | 2016-12-26 | 2018-03-28 | 연세대학교 산학협력단 | 기후변화 시나리오를 활용한 홍수방재시설 투자결정 방법 및 시스템 |
-
2018
- 2018-06-05 KR KR1020180064619A patent/KR102168159B1/ko active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110131362A (ko) * | 2010-05-31 | 2011-12-07 | 주식회사 매경헬스 | 건강지수 서비스 방법 |
| JP2013092929A (ja) * | 2011-10-26 | 2013-05-16 | Seiko Epson Corp | 病気予測システム及び病気予測方法 |
| KR101511234B1 (ko) | 2012-01-13 | 2015-04-10 | 이화여자대학교 산학협력단 | 기후변화 예측 수치모델을 이용한 기후변화 콘텐츠 생성방법 및 시스템 |
| KR101405309B1 (ko) | 2012-09-11 | 2014-06-13 | 고려대학교 산학협력단 | 소셜 네트워크 서비스 데이터에 기반한 질병 확산 상황 예측 장치 및 방법 |
| US20170308672A1 (en) * | 2014-09-05 | 2017-10-26 | University Of Cincinnati | Methods for determining risk and treating diseases and conditions that correlate to weather data |
| KR101733652B1 (ko) * | 2016-11-25 | 2017-05-11 | 에쓰오씨소프트(주) | 빅데이터를 활용한 감염병의 지역별 위험도 예측 기반의 예방활동 지원을 위한 방법, 전자 장치 및 시스템 |
| KR101843008B1 (ko) | 2016-12-26 | 2018-03-28 | 연세대학교 산학협력단 | 기후변화 시나리오를 활용한 홍수방재시설 투자결정 방법 및 시스템 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210157568A (ko) * | 2020-06-22 | 2021-12-29 | (주)아레스 | 비말감염자 이동확산 및 조치훈련 시뮬레이션 시스템 및 방법 |
| KR102295013B1 (ko) * | 2020-11-30 | 2021-08-27 | 농업회사법인 주식회사 지인 | 빅데이터 기반 질병예측시스템 |
| CN114330850A (zh) * | 2021-12-21 | 2022-04-12 | 南京大学 | 一种用于气候预测的异常相对倾向生成方法与*** |
| CN114330850B (zh) * | 2021-12-21 | 2023-11-17 | 南京大学 | 一种用于气候预测的异常相对倾向生成方法与*** |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102168159B1 (ko) | 2020-10-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9465713B2 (en) | Monitoring data analyzing apparatus, monitoring data analyzing method, and monitoring data analyzing program | |
| KR20190138716A (ko) | 기후 변화 데이터를 활용한 질병 발생 예측 장치 및 그 동작 방법 | |
| US9111227B2 (en) | Monitoring data analyzing apparatus, monitoring data analyzing method, and monitoring data analyzing program | |
| US20150309854A1 (en) | Building a failure-predictive model from message sequences | |
| CN110930249A (zh) | 大型企业信用风险预测方法及***、存储介质及电子设备 | |
| JP4910804B2 (ja) | 業務プロセス推定プログラム、業務プロセス推定方法および業務プロセス推定装置 | |
| US20120089415A1 (en) | Nursing home evaluation system | |
| Drechsler et al. | A new approach for disclosure control in the IAB establishment panel—multiple imputation for a better data access | |
| US20190034884A1 (en) | Data processing methods and apparatuses | |
| WO2021174881A1 (zh) | 多维度信息的组合预测方法、装置、计算机设备及介质 | |
| CN113837596A (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
| US20190370475A1 (en) | Prediction of software vulnerabilities | |
| CN110378543A (zh) | 离职风险预测方法、装置、计算机设备和存储介质 | |
| CN112818597B (zh) | 一种滑坡点位移预测方法、预测设备及存储介质 | |
| US10884909B1 (en) | Code release with automatic callback | |
| CN113536106A (zh) | 待推荐信息内容确定方法 | |
| Alrefaei et al. | Subset selection of best simulated systems | |
| CN112396430B (zh) | 用于企业评价的处理方法及*** | |
| CN113902457A (zh) | 房源信息可靠性的评估方法、装置、电子设备及存储介质 | |
| CN110399399B (zh) | 用户分析的方法、装置、电子设备和存储介质 | |
| JP2002015085A (ja) | 製品のライフサイクルでのサービス事象のタイミングとコストを推定するシステムと方法 | |
| Jun et al. | Forecasting annual lung and bronchus cancer deaths using individual survival times | |
| Porter | Computer-Based Model for Evaluating EDP Control Strategies. | |
| Zhang et al. | Predicting housing construction period based on a cox proportional hazard model––an empirical study of housing completions in the greater Toronto and Hamilton area | |
| KR20230157590A (ko) | 건설업 위험성 평가 방법 및 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |