發(fā)布時(shí)間：2021-04-23 07:42

　　目的:1、探討支持向量機(jī)（SVM）回歸模型在整合百度搜索引擎數(shù)據(jù)和傳統(tǒng)流感監(jiān)測(cè)數(shù)據(jù)中的應(yīng)用;2、探討北京、遼寧省流感SVM回歸模型應(yīng)用。研究方法:北京、遼寧省2011年1月-2016年12月每月流感發(fā)病率數(shù)據(jù)來自中國(guó)國(guó)家公共衛(wèi)生科學(xué)數(shù)據(jù)中心。以“流感”為初始值在“站長(zhǎng)之家”挖掘與“流感”關(guān)系最為密切的網(wǎng)絡(luò)關(guān)鍵詞。然后在百度指數(shù)上收集挖掘出的網(wǎng)絡(luò)關(guān)鍵詞在北京與遼寧省2011年1月-2016年12月的月搜索量。分析不同滯后期關(guān)鍵詞與流感發(fā)病率之間的相關(guān)性,選擇相關(guān)性有統(tǒng)計(jì)學(xué)意義且相關(guān)系數(shù)大于0.4的百度搜索關(guān)鍵詞進(jìn)入SVM回歸模型的構(gòu)建中。采用窮舉法列舉SVM回歸模型中的三個(gè)參數(shù)（C、γ、ε）的可能取值,再采用“留一法”交叉驗(yàn)證的方式來選擇較優(yōu)模型參數(shù)值進(jìn)行模型構(gòu)建。采用均方根誤差（RMSE）和均方根相對(duì)誤差（RMSPE）兩個(gè)評(píng)價(jià)指標(biāo)對(duì)模型的性能進(jìn)行評(píng)價(jià)。相關(guān)分析采用IBM SPSS 22.0軟件,SVM回歸模型構(gòu)建使用R 3.4.2中e1071包進(jìn)行。結(jié)果:北京流感發(fā)病率的變化幅度比較大,季節(jié)性特別明顯,且在流感流行高峰季節(jié)的發(fā)病率呈現(xiàn)逐年遞增。遼寧省在流感高峰期的發(fā)病率變化幅度相較于北... 

【文章來源】：中國(guó)醫(yī)科大學(xué)遼寧省

【文章頁(yè)數(shù)】：51 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
英文縮略語
1 前言
2 材料與方法
    2.1 資料來源
    2.2 百度關(guān)鍵詞收集與篩選
    2.3 支持向量機(jī)回歸模型構(gòu)建原理方法
        2.3.1 支持向量機(jī)方法
        2.3.2 支持向量回歸模型參數(shù)選擇
        2.3.3 比較模型差異,評(píng)估模型預(yù)測(cè)準(zhǔn)確性
    2.4 質(zhì)量控制
    2.5 統(tǒng)計(jì)分析
3 結(jié)果
    3.1 2011 年1 月-2016年12 月北京、遼寧省流感發(fā)病率基本特征
    3.2 北京、遼寧省百度關(guān)鍵詞篩選
        3.2.1 百度關(guān)鍵詞挖掘、收集與初步篩選
        3.2.2 不同滯后期百度關(guān)鍵詞與流感發(fā)病率相關(guān)分析
    3.3 模型參數(shù)選擇
    3.4 不同數(shù)據(jù)來源模型預(yù)測(cè)效果評(píng)估
4 討論
    4.1 北京、遼寧省流感發(fā)病率特征
    4.2 北京、遼寧省百度搜索關(guān)鍵詞
    4.3 流感的支持向量機(jī)回歸模型
5 結(jié)論
本研究創(chuàng)新性的自我評(píng)價(jià)
參考文獻(xiàn)
綜述
    參考文獻(xiàn)
攻讀學(xué)位期間取得的研究成果
致謝
個(gè)人簡(jiǎn)歷


【參考文獻(xiàn)】：
期刊論文
[1]應(yīng)用Elman神經(jīng)網(wǎng)絡(luò)建立流感樣病例預(yù)測(cè)模型[J]. 章濤,官海濱,李傅冬,何凡.  預(yù)防醫(yī)學(xué). 2019(02)
[2]基于百度指數(shù)的人感染H7N9禽流感疫情預(yù)測(cè)[J]. 白寧,郁磊,靳禎.  公共衛(wèi)生與預(yù)防醫(yī)學(xué). 2018(06)
[3]基于R語言的ARIMA模型對(duì)流感樣病例發(fā)病趨勢(shì)的預(yù)測(cè)[J]. 王晨,郭倩,周羅晶.  中華疾病控制雜志. 2018(09)
[4]2011—2016年武漢市流感樣病例監(jiān)測(cè)結(jié)果及預(yù)測(cè)分析[J]. 鄒嬌嬌,楊小兵,孟派,孔德廣,汪鵬.  應(yīng)用預(yù)防醫(yī)學(xué). 2018(04)
[5]百度關(guān)鍵詞在清遠(yuǎn)市流行性感冒發(fā)病預(yù)測(cè)中的應(yīng)用及效果評(píng)價(jià)[J]. 杜玉忠,范秀紅,盧文濤,曾茜茜,黃燕.  中國(guó)熱帶醫(yī)學(xué). 2018(08)
[6]基于ARIMAX模型的烏魯木齊市流感樣病例預(yù)測(cè)分析[J]. 妥小青,張占林,龔政,葉勒丹·馬漢,黃冰雪,田恬,阿比旦·艾尼瓦爾,陳珍,古麗斯亞·海力力,樊旭成,戴江紅.  中華疾病控制雜志. 2018(06)
[7]湖南省哨點(diǎn)醫(yī)院流感樣病例SARIMA模型預(yù)測(cè)[J]. 周美蘭,周志華,羅美玲,胡世雄,鄧志紅,李桀,王勇.  實(shí)用預(yù)防醫(yī)學(xué). 2018(03)
[8]融合百度指數(shù)的流感預(yù)測(cè)機(jī)理與實(shí)證研究[J]. 王若佳.  情報(bào)學(xué)報(bào). 2018(02)
[9]基于支持向量機(jī)的高頻金融時(shí)間序列預(yù)測(cè)[J]. 馮帆,倪中新.  應(yīng)用數(shù)學(xué)與計(jì)算數(shù)學(xué)學(xué)報(bào). 2017(03)
[10]基于SVM的上證指數(shù)預(yù)測(cè)研究[J]. 張晶華,莫文柯,甘宇健.  軟件導(dǎo)刊. 2017(08)

碩士論文
[1]山西省流行性感冒的流行特征及基于小波-ARIMA模型的預(yù)測(cè)效果研究[D]. 范瑾.山西醫(yī)科大學(xué) 2018
[2]基于搜索引擎數(shù)據(jù)的疾病空間分布監(jiān)測(cè)[D]. 肖屹.武漢大學(xué) 2018
[3]基于支持向量機(jī)的滬深300指數(shù)回歸預(yù)測(cè)[D]. 王芳.山東大學(xué) 2015
[4]基于社交網(wǎng)絡(luò)的流感監(jiān)控和預(yù)測(cè)算法[D]. 黃江妙.華東師范大學(xué) 2015
[5]深圳市流感與大氣環(huán)境的關(guān)系研究及其預(yù)測(cè)模型的建立[D]. 翟紅楠.中國(guó)地質(zhì)大學(xué) 2009



本文編號(hào)：3154926