本文關(guān)鍵詞： 瘧疾 氣象因素 BP神經(jīng)網(wǎng)絡(luò)模型 逐步回歸模型 預(yù)測效果　出處：《中國公共衛(wèi)生》2017年06期 　論文類型：期刊論文

【摘要】：目的分析氣象因素與海南省萬寧市瘧疾發(fā)病率的相關(guān)性,比較BP神經(jīng)網(wǎng)絡(luò)模型和逐步回歸模型對瘧疾發(fā)病率的預(yù)測效果。方法收集1995年1月—2007年12月萬寧市每月氣象數(shù)據(jù)和瘧疾發(fā)病率數(shù)據(jù),應(yīng)用Spearman等級相關(guān)分析方法分析氣象因素與瘧疾發(fā)病率之間的相關(guān)性,分別用BP人工神經(jīng)網(wǎng)絡(luò)方法和逐步回歸方法建立瘧疾發(fā)病率的氣象因子擬合模型,預(yù)測2008年各月的瘧疾發(fā)病率。結(jié)果萬寧市瘧疾月發(fā)病率與前1個月的平均氣溫、最高氣溫、最低氣溫、降雨量、日照時間均呈正相關(guān)(均P0.05),與前1個月的平均相對濕度、平均氣壓均呈負(fù)相關(guān)(均P0.01);將7種氣象因素作為輸入變量,瘧疾發(fā)病率作為輸出變量,構(gòu)建內(nèi)含1個隱含層的BP神經(jīng)網(wǎng)絡(luò)模型,在隱單元數(shù)為16時擬合效果最優(yōu),經(jīng)過300次訓(xùn)練達(dá)到設(shè)定的最小訓(xùn)練誤差為0.001,模型的均方誤差和決定系數(shù)R~2分別為0.002 7和0.99;將7種氣象因素作為自變量,瘧疾發(fā)病率作為因變量構(gòu)建逐步回歸模型,進(jìn)入模型的變量為平均氣溫和平均相對濕度,模型的決定系數(shù)R~2為0.40;應(yīng)用2種模型對2008年各月瘧疾發(fā)病率進(jìn)行預(yù)測,平均絕對誤差分別為1.24/10 000和0.44/10 000。結(jié)論萬寧市瘧疾發(fā)病率與氣象因素明顯相關(guān),利用氣象因素構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型較逐步回歸模型具有更好的發(fā)病率擬合效果,但逐步回歸模型的預(yù)測效果更好,BP神經(jīng)網(wǎng)絡(luò)模型的泛化能力需要進(jìn)一步提高。
[Abstract]:Objective to analyze the correlation between meteorological factors and malaria incidence in Wanning, Hainan Province. The prediction effect of BP neural network model and stepwise regression model on malaria incidence was compared. Methods monthly meteorological data and malaria incidence data were collected from January 1995 to December 2007 in Wanning city. The correlation between meteorological factors and malaria incidence was analyzed by using Spearman grade correlation analysis method. The fitting models of meteorological factors were established by BP artificial neural network method and stepwise regression method respectively. Results the monthly incidence of malaria in Wanning was positively correlated with the average temperature, maximum temperature, minimum temperature, rainfall and sunshine time of the previous month (all P0.05%, and the average relative humidity of the previous month), the incidence rate of malaria in Wanning city was positively correlated with the average temperature, maximum temperature, minimum temperature, rainfall and sunshine time of the previous month. The mean pressure was negatively correlated (P0.01C), 7 meteorological factors were taken as input variables and malaria incidence rate was used as output variable, BP neural network model with one hidden layer was constructed, and the best fitting effect was obtained when the number of hidden units was 16:00. After 300 times of training, the minimum training error is 0.001, the mean square error and determination coefficient Rn2 of the model are 0.0027 and 0.99.The seven meteorological factors are taken as independent variables and the malaria incidence rate is used as dependent variable to construct a stepwise regression model. The variables entering the model were mean air temperature and mean relative humidity, and the determination coefficient Rn2 of the model was 0.40.The incidence of malaria in 2008 was predicted by two kinds of models. The average absolute error was 1.24 / 10 000 and 0.44 / 10 000 respectively. Conclusion the incidence of malaria in Wanning is significantly related to meteorological factors. The BP neural network model based on meteorological factors has better fitting effect than stepwise regression model. But the prediction effect of stepwise regression model is better than that of BP neural network model.
【作者單位】： 軍事醫(yī)學(xué)科學(xué)院疾病預(yù)防控制所全軍疾病監(jiān)測中心;海南省萬寧市衛(wèi)生防疫站;
【基金】：國家自然科學(xué)基金(30872151)
【分類號】：R531.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 譚立云;劉海生;譚龍;;逐步線性回歸與神經(jīng)網(wǎng)絡(luò)預(yù)測的算法對比分析[J];華北科技學(xué)院學(xué)報;2014年05期

2 馬曉梅;隋美麗;段廣才;陳帥印;張榮光;郗園林;范清堂;;手足口病重癥化危險因素BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測分析[J];中國公共衛(wèi)生;2014年06期

3 黎健;顧君忠;毛盛華;肖文佳;金匯明;鄭雅旭;王永明;胡家瑜;;BP人工神經(jīng)網(wǎng)絡(luò)模型在上海市感染性腹瀉日發(fā)病例數(shù)預(yù)測中的應(yīng)用[J];中華流行病學(xué)雜志;2013年12期

4 趙遠(yuǎn)東;胡為堯;;人工神經(jīng)網(wǎng)絡(luò)泛化性能改進(jìn)[J];南京信息工程大學(xué)學(xué)報(自然科學(xué)版);2011年02期

5 王愷;楊巨峰;王立;史廣順;王慶人;;人工神經(jīng)網(wǎng)絡(luò)泛化問題研究綜述[J];計算機(jī)應(yīng)用研究;2008年12期

6 沈花玉;王兆霞;高成耀;秦娟;姚福彬;徐巍;;BP神經(jīng)網(wǎng)絡(luò)隱含層單元數(shù)的確定[J];天津理工大學(xué)學(xué)報;2008年05期

7 王俊杰;陳景武;;BP神經(jīng)網(wǎng)絡(luò)在疾病預(yù)測中的應(yīng)用[J];數(shù)理醫(yī)藥學(xué)雜志;2008年03期

8 溫亮,徐德忠,王善青,李才旭,張治英,蘇永強(qiáng);海南省瘧疾發(fā)病情況及利用氣象因子進(jìn)行發(fā)病率擬合的研究[J];疾病控制雜志;2003年06期

相關(guān)博士學(xué)位論文 前1條

1 肖丹;海南省瘧疾疫情時空分布特征及預(yù)測模型的構(gòu)建與評估研究[D];第四軍醫(yī)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前1條

1 成芳;氣候因素與江蘇省常見傳染病發(fā)病關(guān)聯(lián)的研究[D];南京信息工程大學(xué);2014年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮倩;劉強(qiáng);;基于SVM-BP神經(jīng)網(wǎng)絡(luò)的風(fēng)暴潮災(zāi)害損失預(yù)評估[J];海洋環(huán)境科學(xué);2017年04期

2 盧汀榮;;中醫(yī)分證治療小兒手足口病50例療效觀察[J];數(shù)理醫(yī)藥學(xué)雜志;2017年07期

3 彭澤令;周德儉;;基于神經(jīng)網(wǎng)絡(luò)與NSGA-Ⅱ算法的LTCC基板成型工藝優(yōu)化[J];半導(dǎo)體光電;2017年03期

4 董淑華;邢貞相;婁丹;張玉國;張涵;郭皓;;基于改進(jìn)徑向基函數(shù)的降雨量短期預(yù)測研究[J];沈陽農(nóng)業(yè)大學(xué)學(xué)報;2017年03期

5 溫亮;林明和;李承毅;李申龍;王勇;孫海龍;張文義;;瘧疾與氣象因素關(guān)系不同模型預(yù)測效果比較[J];中國公共衛(wèi)生;2017年06期

6 班澤宇;米進(jìn)周;彭世恒;施哲;;基于雙次歸一化算法的連鑄坯表面縱裂紋BP神經(jīng)網(wǎng)絡(luò)[J];熱加工工藝;2017年11期

7 秦偉;徐國艷;余貴珍;;基于BP神經(jīng)網(wǎng)絡(luò)的汽車車載稱重系統(tǒng)研究[J];汽車工程;2017年05期

8 周雄;梁金祿;譚茂波;王躍飛;胡彪;;遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的重金屬污染源預(yù)測[J];欽州學(xué)院學(xué)報;2017年05期

9 王月琴;張文菊;談玲瓏;;基于BP神經(jīng)網(wǎng)絡(luò)的高速公路團(tuán)霧預(yù)測研究[J];佳木斯大學(xué)學(xué)報(自然科學(xué)版);2017年03期

10 李澤;孫多勇;李博;;基于社會網(wǎng)絡(luò)與事件關(guān)聯(lián)的恐怖事件監(jiān)測與識別[J];科技導(dǎo)報;2017年09期

相關(guān)博士學(xué)位論文 前1條

1 夏菁;湖北省瘧疾疫情時空分布特征及預(yù)測研究[D];華中科技大學(xué);2015年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張曉瑞;方創(chuàng)琳;王振波;馬海濤;;基于RBF神經(jīng)網(wǎng)絡(luò)的城市建成區(qū)面積預(yù)測研究——兼與BP神經(jīng)網(wǎng)絡(luò)和線性回歸對比分析[J];長江流域資源與環(huán)境;2013年06期

2 張睿;黃晉英;張永梅;;計算智能方法及應(yīng)用研究[J];電腦開發(fā)與應(yīng)用;2012年10期

3 蘭莉;高菡璐;喬冬菊;趙娜;周丹;李誠;梁薇;隋從蘭;;應(yīng)用BP人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測急性心梗死亡率與氣象因素的關(guān)系[J];中國公共衛(wèi)生管理;2012年05期

4 高菡璐;蘭莉;喬冬菊;趙娜;楊佳琦;邵冰;焦U，

本文編號：1522129