目的:了解甘肅省乙腦病例的分布特征及變遷趨勢(shì),識(shí)別高危人群、高發(fā)季節(jié)和熱點(diǎn)地區(qū);分別針對(duì)兒童和成人發(fā)病情況作預(yù)測(cè)預(yù)警分析,以期為甘肅省乙腦疫情的靶向防控提供理論依據(jù)。方法:本研究通過(guò)描述性流行病學(xué)方法挖掘2005-2017年甘肅省乙腦確診病例數(shù)據(jù),采用病例構(gòu)成和動(dòng)態(tài)數(shù)列描述人群、時(shí)間分布特征,采用率和統(tǒng)計(jì)地圖展示空間分布特征,識(shí)別高危人群、高發(fā)季節(jié)和熱點(diǎn)地區(qū),深入剖析乙腦發(fā)病狀態(tài)的長(zhǎng)期變遷規(guī)律;通過(guò)理論流行病學(xué)研究,針對(duì)不同目標(biāo)人群構(gòu)建SARIMA和SARIMA-SVR組合模型,定量預(yù)測(cè)兒童和成人乙腦月發(fā)病率;應(yīng)用MPM建立定性預(yù)警模型,計(jì)算預(yù)警閾值,再結(jié)合定量預(yù)測(cè)值,分別探討甘肅省兒童和成人乙腦的流行趨勢(shì)及強(qiáng)度。結(jié)果:1.2005-2017年甘肅省確診乙腦653例,死亡56例,年均發(fā)病率為0.1917/10萬(wàn),死亡率為0.0164/10萬(wàn),病死率為8.58%。2005-2014年發(fā)病率穩(wěn)定在較低水平,與全國(guó)基本一致,平均發(fā)展速度為116.98%,平均增長(zhǎng)速度為16.98%;2014年發(fā)病率首次超過(guò)全國(guó)平均水平,之后漲幅顯著,2017年達(dá)全國(guó)平均發(fā)病率的16.34倍,2014-2017... 

【文章來(lái)源】：蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

線性可分情況下的SVM分隔超平面

蘭州大學(xué)碩士學(xué)位論文甘肅省流行性乙型腦炎發(fā)病狀態(tài)及預(yù)測(cè)預(yù)警研究11不過(guò)，有可能數(shù)據(jù)本身就是非線性的，不存在完全分開(kāi)兩類樣本的線。對(duì)于此類問(wèn)題而言，SVM本質(zhì)上是一個(gè)函數(shù)逼近問(wèn)題，力求尋找一個(gè)回歸逼近函數(shù)，以期通過(guò)映射函數(shù)將線性不可分的原始空間映射到線性可分的高緯特征空間中進(jìn)行回歸分析。如圖2-2所示，用一張紙將三角形和圓點(diǎn)分開(kāi)（二維平面變成了三維空間），在三維特征空間中通過(guò)樣本集中的支持向量構(gòu)造最小回歸間隔，最終確定最優(yōu)分割超平面。圖2-2線性不可分情況下的SVM分隔超平面假設(shè)給定的訓(xùn)練集為NiiixyG1,，其中sixR是s維的輸入樣本值，Riy為期望值，則其回歸函數(shù)可表示為：bxwxiTih…………………………………………………………………（4）式中，w、b為回歸函數(shù)系數(shù)，為非線性映射函數(shù)，回歸問(wèn)題就是找到一對(duì)最優(yōu)參數(shù)bw,，使得函數(shù)期望值xh和實(shí)際值之間的偏差盡可能校考慮高維空間的樣本點(diǎn)往往難以滿足式（4），導(dǎo)致最優(yōu)線性回歸面無(wú)解，故引入松弛變量i，i=1,2,...,l，根據(jù)SRM原則，求解最優(yōu)線性回歸面）（0bwiTx的問(wèn)題可轉(zhuǎn)化為求下述模型的最優(yōu)解bw,：NiiTibCRi1,,www21),w(min……………………………………………………（5）其對(duì)偶問(wèn)題可表達(dá)為：），（ji1i1ijiji1iixxyy21-maxNNN…………………………………………………（6）NiCybxtsiiNiiiii...,2,1,0,001wy..1i…………………………………………………（7）

蘭州大學(xué)碩士學(xué)位論文甘肅省流行性乙型腦炎發(fā)病狀態(tài)及預(yù)測(cè)預(yù)警研究132.3.3SARIMA—SVR組合模型應(yīng)用思想在多種預(yù)測(cè)分析方法中，SARIMA模型對(duì)數(shù)據(jù)分析具有良好的動(dòng)態(tài)性，參數(shù)變化存在相關(guān)；再者本文數(shù)據(jù)的連續(xù)性、完整性較好，在對(duì)預(yù)測(cè)精度和準(zhǔn)度的高要求下，SVR模型可以解決多種因素混合存在時(shí)的時(shí)間累積效應(yīng)，因此在SARIMA模型預(yù)測(cè)發(fā)病率的基礎(chǔ)上，使用SVR模型作為殘差修正模型，以期完善SARIMA模型在非線性預(yù)測(cè)關(guān)系上的欠缺。SARIMA-SVR組合模型其核心思想是采用SVR模型校正SARIMA模型的殘差，將線性預(yù)測(cè)與非線性預(yù)測(cè)相結(jié)合，分析步驟如下：第一步，使用SARIMA模型預(yù)測(cè)發(fā)病率tY，設(shè)預(yù)測(cè)結(jié)果為tl,則模型殘差為etlYtt，序列te中隱含了原始序列中的非線性部分，可表示為),,,(21ntttteeehe，為隨機(jī)誤差；第二步，以上述殘差序列te作為SVR模型的輸入向量，利用SVR模型對(duì)SARIMA模型的殘差進(jìn)行擬合，假設(shè)擬合結(jié)果為th；第三步，最終SARIMA-SVR組合模型對(duì)發(fā)病率的預(yù)測(cè)結(jié)果為thtltf)()()(。SARIMA-SVR組合模型預(yù)測(cè)流程如圖2-3所示：圖2-3SARIMA-SVR組合模型的擬合及預(yù)測(cè)分析流程圖

【參考文獻(xiàn)】：
期刊論文
[1]中國(guó)2014-2018年流行性乙型腦炎流行病學(xué)特征[J]. 吳丹,尹遵棟,李軍宏,施文,王環(huán)宇,付士紅,李藝星.  中國(guó)疫苗和免疫. 2020(01)
[2]基于調(diào)和分析和ARIMA-SVR的組合潮汐預(yù)測(cè)模型[J]. 劉嬌,史國(guó)友,朱凱歌,張加偉,李爽,陳作桓,王偉.  上海海事大學(xué)學(xué)報(bào). 2019(03)
[3]基于BP神經(jīng)網(wǎng)絡(luò)誤差校正的ARIMA組合預(yù)測(cè)模型[J]. 吳曉峰,楊穎梅,陳垚彤.  統(tǒng)計(jì)與決策. 2019(15)
[4]我國(guó)流行性乙型腦炎臨床流行病學(xué)研究現(xiàn)狀[J]. 劉楠,高永利,謝紫陽(yáng),何蓓.  西北國(guó)防醫(yī)學(xué)雜志. 2019(06)
[5]2011～2018年福建省流行性乙型腦炎流行病學(xué)特征分析[J]. 黃榮東,蕭劍雄,林光燦,周勇.  預(yù)防醫(yī)學(xué)論壇. 2019(05)
[6]SARIMA模型和SARIMA-GRNN組合模型在肺結(jié)核發(fā)病率預(yù)測(cè)中的比較[J]. 王華,田昌偉,王文明,滕國(guó)興.  寄生蟲(chóng)病與感染性疾病. 2019(01)
[7]傳染病預(yù)測(cè)及模型選擇研究進(jìn)展[J]. 余艷妮,聶紹發(fā),廖青,劉建華.  公共衛(wèi)生與預(yù)防醫(yī)學(xué). 2018(05)
[8]基于ARIMA與SVM混合模型的連續(xù)血壓預(yù)測(cè)[J]. 朱海龍,袁貞明,俞凱.  杭州師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(05)
[9]人工神經(jīng)網(wǎng)絡(luò)模型在預(yù)測(cè)重癥手足口病中的應(yīng)用研究[J]. 王斌,馮慧芬,黃平,趙敬,易佳音.  現(xiàn)代預(yù)防醫(yī)學(xué). 2018(11)
[10]河北省2011-2015年流行性乙型腦炎流行病學(xué)特征分析[J]. 蔡亞男,魏亞梅,許永剛,韓旭,韓占英,張艷波,齊順祥,李琦.  實(shí)用預(yù)防醫(yī)學(xué). 2018(05)

碩士論文
[1]我國(guó)流行性乙型腦炎時(shí)空分布特征及相關(guān)地理氣候因素研究[D]. 李曉龍.中國(guó)疾病預(yù)防控制中心 2014
[2]我國(guó)流行性乙型腦炎時(shí)空分布特征及風(fēng)險(xiǎn)預(yù)測(cè)研究[D]. 王利亞.中國(guó)人民解放軍軍事醫(yī)學(xué)科學(xué)院 2014
[3]淄博、洛陽(yáng)兩地乙型腦炎病毒檢測(cè)及病毒性腦炎其它病原篩查[D]. 魯蘇娜.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2012
[4]支持向量機(jī)回歸在傳染病預(yù)測(cè)中的應(yīng)用研究[D]. 力瓊.蘇州大學(xué) 2010
[5]河北省流行性乙型腦炎流行特征分析及ARIMA預(yù)測(cè)研究[D]. 王磊.河北醫(yī)科大學(xué) 2008



本文編號(hào)：3216357