【摘要】：目的:為了探討一元時間序列模型、多元時間序列模型及BP神經(jīng)網(wǎng)絡模型在新疆喀什地區(qū)百日咳疫情預警中的應用可行性,根據(jù)喀什地區(qū)百日咳實際發(fā)病情況建立符合百日咳病流行特征的預測模型。掌握新疆喀什地區(qū)百日咳總體流行趨勢,并進行預測分析,為相關部門提前做好百日咳的預防與控制工作提供可行的參考依據(jù)。方法:首先利用確定性因素分解和季節(jié)指數(shù)分析新疆喀什地區(qū)百日咳發(fā)病數(shù)的趨勢性和季節(jié)性,構建具有季節(jié)性的ARIMA乘積季節(jié)模型。通過模型識別、參數(shù)估計、模型診斷、模型優(yōu)化等確定出最優(yōu)ARIMA(p,d,q)(P,D,Q)s模型。并利用該模型擬合預測新疆喀什地區(qū)2011-2016年百日咳每月發(fā)病數(shù)據(jù),選用RMSE作為精度指標來判斷模型預測效果。其次在一元時間序列模型的基礎上引入氣象因素,分析百日咳發(fā)病率與氣象因素之間的關系。對每個變量建立一元時間序列模型獲得對應的殘差白噪聲序列,通過殘差白噪聲的互相關函數(shù)找出影響百日咳發(fā)病的氣象因素,同時獲得最佳滯后時間,將篩選出的氣象因素納入之前確定的一元時間序列模型中來構造多元時間序列ARIMAX模型,根據(jù)AIC、BIC最小準則確定出最優(yōu)的ARIMAX模型。對研究數(shù)據(jù)進行擬合和預測,并計算對應階段的RMSE。最后利用2011-2016年新疆喀什的百日咳發(fā)病數(shù)和氣象數(shù)據(jù)建立BP神經(jīng)網(wǎng)絡模型,以各氣象因素作為網(wǎng)絡輸入,百日咳發(fā)病數(shù)作為網(wǎng)絡輸出,研究氣象因素對百日咳發(fā)病的影響。將數(shù)據(jù)劃分為訓練集和測試集,利用R軟件的nnet包進行建模,模型參數(shù)通過交叉驗證的方法進行估計,確定出最優(yōu)BP神經(jīng)網(wǎng)絡模型。結(jié)果:首先由確定性因素分解和季節(jié)指數(shù)確定出百日咳發(fā)病數(shù)具有明顯季節(jié)性,在7月和8月較高,10月最少。按照ARIMA乘積季節(jié)模型的建模步驟,經(jīng)過平穩(wěn)性檢驗,白噪聲檢驗等最終確定出最優(yōu)模型為ARIMA(0,1,0)(0,1,1)_(12),對應AIC=419.64,BIC=423.58。擬合階段的RMSE=10.32,預測階段RMSE=8.77,利用該模型預測2017年新疆喀什百日咳每月新發(fā)病數(shù),結(jié)果顯示2017年一整年新疆喀什地區(qū)百日咳發(fā)病數(shù)都處在較低水平。其次通過繪制各氣象因素和百日咳發(fā)病數(shù)的殘差白噪聲的CCF圖,確定出滯后4階的平均氣壓、滯后4階的浮塵日數(shù)和滯后8階的揚沙日數(shù)與百日咳病例數(shù)呈正相關,且納入這三個氣象因素的ARIMAX模型的AIC值最小,AIC=394.72。計算出擬合階段的RMSE=5.03,預測階段RMSE=4.28,引入氣象因素后模型預測精度明顯提高。最后建立一個3層的BP神經(jīng)網(wǎng)絡模型,經(jīng)反復調(diào)試后確定當隱藏層節(jié)點數(shù)為6,權重衰退參數(shù)為0.01時,所對應的模型的RMSE值最小。最終確定本文的BP神經(jīng)網(wǎng)絡模型結(jié)構為8-6-1,模型擬合階段和預測階段的RMSE分別是6.14和4.01,數(shù)值都較小,說明用氣象因素作為網(wǎng)絡輸入構建的BP神經(jīng)網(wǎng)絡模型來研究喀什地區(qū)百日咳的流行狀況具有一定的可靠性和合理性。結(jié)論:用ARIMA乘積季節(jié)模型、ARIMAX模型和BP神經(jīng)網(wǎng)絡模型都能較好的模擬出新疆喀什地區(qū)百日咳的流行趨勢,但是引入氣象因素的多元時間序列模型和BP神經(jīng)網(wǎng)絡模型的預測效果更好,模型預測精度更高,兩個模型的預測結(jié)果都可為相關部門制定預防措施提供理論依據(jù)。
【學位授予單位】：新疆醫(yī)科大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R516.6
【圖文】：

圖 1 新疆喀什地區(qū) 2011-2016 年百日咳每月新發(fā)數(shù)量.1 The monthly new incidence of pertussis in 2011-2016 years in Kashgar of Xin

圖 2 新疆喀什地區(qū) 2011-2016 年各氣象因素分布時序圖Fig.2 Time sequence diagram of meteorological factors distribution in Kashgaof Xinjiang from 2011 to 2016

圖 3 2011-2016 年百日咳每月新發(fā)數(shù)量的因素分解3 Factor decomposition of the new number of pertussis per month for 2011-2016據(jù)確定性因素分析結(jié)果，可以得出百日咳序列具有一定季節(jié)性，但具發(fā)哪個時段低發(fā)還需要根據(jù)季節(jié)指數(shù)進行判斷。新疆喀什百日咳每月

【參考文獻】

相關期刊論文 前10條

1 李麗麗;劉起勇;林華亮;許磊;黃少平;楊軍;;北京市房山區(qū)手足口病與氣象因素的時間序列分析[J];疾病監(jiān)測;2015年06期

2 黃海濤;高志剛;;百日咳再現(xiàn)及其應對策略的研究進展[J];醫(yī)學綜述;2015年09期

3 許紅梅;鄭佳佳;;百日咳臨床特點及流行病學研究進展[J];中華實用兒科臨床雜志;2014年22期

4 張秉玲;王旭霞;張曉曙;;甘肅省東南部地區(qū)氣象因素與流行性乙型腦炎發(fā)病的時間序列分析[J];環(huán)境衛(wèi)生學雜志;2014年05期

5 陳濤;謝娜;甫爾哈提·吾守爾;范新春;尹遵棟;;2004—2012年新疆維吾爾自治區(qū)百日咳流行特征分析[J];疾病監(jiān)測;2013年11期

6 張靜;姜澤慧;劉合嶺;曹爽;關鵬;黃德生;;灰色模型GM(1,1)在全國甲乙類傳染病發(fā)病率定量宏觀評估中的可行性研究[J];預防醫(yī)學論壇;2013年11期

7 李國棟;張俊華;焦耿軍;趙自勝;;氣候變化對傳染病爆發(fā)流行的影響研究進展[J];生態(tài)學報;2013年21期

8 湯巧玲;付幫澤;劉宏偉;高思華;賀娟;;以百日咳為例探討六氣、氣象與傳染性疾病的關聯(lián)性研究方法[J];中華中醫(yī)藥雜志;2013年05期

9 劉文東;吳瑩;艾靜;梁祁;胡建利;戴啟剛;李媛;湯奮揚;;BP神經(jīng)網(wǎng)絡在痢疾發(fā)病趨勢預測中的應用研究[J];中國衛(wèi)生統(tǒng)計;2012年06期

10 高菡璐;蘭莉;喬冬菊;趙娜;楊佳琦;邵冰;焦U

本文編號：2785826