本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的組合模型在煤工塵肺患者發(fā)病工齡預(yù)測(cè)中的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：目的探討基于神經(jīng)網(wǎng)絡(luò)的組合模型在煤工塵肺患者發(fā)病工齡預(yù)測(cè)中的預(yù)測(cè)性能優(yōu)劣。利用BP神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)和多重線性回歸模型，以及單個(gè)模型間的兩兩組合模型對(duì)煤工塵肺患者的發(fā)病工齡進(jìn)行預(yù)測(cè)，并比較各模型的預(yù)測(cè)性能。 方法各模型模型對(duì)研究數(shù)據(jù)進(jìn)行預(yù)測(cè)分析時(shí)采用SPSS19.0對(duì)其實(shí)現(xiàn)，通過(guò)對(duì)BP神經(jīng)網(wǎng)絡(luò)模型、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型反復(fù)訓(xùn)練，確定各模型的運(yùn)行參數(shù)。各模型真實(shí)值和預(yù)測(cè)值之間采用配對(duì)t檢驗(yàn)進(jìn)行統(tǒng)計(jì)分析，通過(guò)真實(shí)值與預(yù)測(cè)值之間的散點(diǎn)分布圖對(duì)模型的預(yù)測(cè)性能做初步分析。運(yùn)用標(biāo)準(zhǔn)差法求解組合模型的權(quán)重系數(shù)，采用標(biāo)準(zhǔn)誤差、平均相對(duì)誤差和平均絕對(duì)誤差對(duì)模型的預(yù)測(cè)結(jié)果進(jìn)行分析，得出各模型的預(yù)測(cè)效果，進(jìn)而比較各模型預(yù)測(cè)性能的優(yōu)劣。 結(jié)果各模型的預(yù)測(cè)分布圖除了少數(shù)離群值外大致符合理想狀態(tài)下的分布，其中三種單一模型的組合模型預(yù)測(cè)分布圖最為理想，BP神經(jīng)網(wǎng)絡(luò)模型與多重線性回歸模型的組合模型次之，最差的為RBF神經(jīng)網(wǎng)絡(luò)模型。各模型真實(shí)值與預(yù)測(cè)值之間的差異均無(wú)統(tǒng)計(jì)學(xué)意義，BP神經(jīng)網(wǎng)絡(luò)模型、RBF神經(jīng)網(wǎng)絡(luò)模型、多重線性回歸模型、BP神經(jīng)網(wǎng)絡(luò)與多重線性回歸組合模型、BP與RBF神經(jīng)網(wǎng)絡(luò)組合模型、RBF網(wǎng)絡(luò)與多重線性回歸組合模型和三種模型的組合模型的均方根誤差分別為5.31、7.48、4.89、2.06、5.92、6.15和3.21；平均絕對(duì)誤差分別為3.16、5.57、4.93、1.19、3.51、3.01和4.40；平均相對(duì)誤差分別為-0.51%、2.80%、-0.57%、0.45%、0.68%、0.87%和0.50%。為了進(jìn)一步驗(yàn)證各模型的預(yù)測(cè)性能，利用隨機(jī)抽取10例的仿真集樣本進(jìn)行預(yù)測(cè)檢驗(yàn)，BP神經(jīng)網(wǎng)絡(luò)模型、RBF神經(jīng)網(wǎng)絡(luò)模型、多重線性回歸模型、BP神經(jīng)網(wǎng)絡(luò)與多重線性回歸組合模型、BP與RBF神經(jīng)網(wǎng)絡(luò)組合模型、RBF網(wǎng)絡(luò)與多重線性回歸組合模型和三種模型的組合模型的仿真集的均方根誤差分別為3.13、6.48、4.57、1.57、4.92、5.15和1.69；平均絕對(duì)誤差分別為2.83、5.31、4.15、0.73、3.79、4.23和3.63；平均相對(duì)誤差分別為-0.43%、1.97%、-0.59%、0.07%、0.53%、0.85%和0.19%。 結(jié)論實(shí)證表明，在煤工塵肺發(fā)病工齡的預(yù)測(cè)中，組合模型的預(yù)測(cè)性能優(yōu)于各單一模型，其中BP神經(jīng)網(wǎng)絡(luò)與多重線性回歸模型的組合模型的預(yù)測(cè)性能最優(yōu)，有較高的擬合和預(yù)測(cè)精度。
【關(guān)鍵詞】：煤工塵肺 神經(jīng)網(wǎng)絡(luò) 組合模型 預(yù)測(cè)
【學(xué)位授予單位】：河北聯(lián)合大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：R135.2
【目錄】：

• 摘要4-6
• Abstract6-10
• 引言10-13
• 第1章 現(xiàn)場(chǎng)研究13-38
• 1.1 資料與方法13-16
• 1.1.1 資料來(lái)源13
• 1.1.2 煤工塵肺診斷標(biāo)準(zhǔn)13
• 1.1.3 煤工塵肺診斷標(biāo)準(zhǔn)13
• 1.1.4 X 射線胸片表現(xiàn)分期13-14
• 1.1.5 研究對(duì)象的納入與排除標(biāo)準(zhǔn)14
• 1.1.6 煤工塵肺發(fā)病工齡影響因素的篩選14-15
• 1.1.7 分類(lèi)變量及處理15
• 1.1.8 研究方法15-16
• 1.2 神經(jīng)網(wǎng)絡(luò)模型介紹16-22
• 1.2.1 神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介及 BP 神經(jīng)網(wǎng)絡(luò)建模原理16-17
• 1.2.2 BP 神經(jīng)網(wǎng)絡(luò)模型建模步驟17-20
• 1.2.3 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的基本原理20-21
• 1.2.4 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型建模步驟21-22
• 1.2.5 徑向基函數(shù)中心和寬度的選取22
• 1.3 多重線性回歸模型的基本原理及建模步驟22
• 1.4 組合預(yù)測(cè)模型的基本原理22-24
• 1.5 結(jié)果24-30
• 1.5.1 資料的描述性分析24
• 1.5.2 模型的預(yù)測(cè)情況24-25
• 1.5.3 統(tǒng)計(jì)學(xué)檢驗(yàn)25-28
• 1.5.4 模型預(yù)測(cè)性能的比較28-30
• 1.5.5 仿真集檢驗(yàn)樣本的預(yù)測(cè)結(jié)果分析30
• 1.6 討論30-33
• 1.7 結(jié)論33
• 參考文獻(xiàn)33-38
• 第2章 綜述 煤工塵肺預(yù)測(cè)的進(jìn)展38-51
• 2.1 多重性性回歸模型41
• 2.2 logistic 回歸模型41-42
• 2.3 Cox 比例風(fēng)險(xiǎn)模型42
• 2.4 壽命標(biāo)法42-43
• 2.5 指數(shù)平滑法43
• 2.6 灰色系統(tǒng) GM（1,1）43-44
• 2.7 BP 神經(jīng)網(wǎng)絡(luò)模型44-45
• 2.8 組合模型45
• 2.9 討論45-46
• 參考文獻(xiàn)46-51
• 致謝51-52
• 導(dǎo)師簡(jiǎn)介52-53
• 作者簡(jiǎn)介及在學(xué)成果53-54
• 學(xué)位論文數(shù)據(jù)集54

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 廖寧放,高稚允;BP神經(jīng)網(wǎng)絡(luò)用于函數(shù)逼近的最佳隱層結(jié)構(gòu)[J];北京理工大學(xué)學(xué)報(bào);1998年04期

2 盧向虎;Logistic曲線模型在經(jīng)濟(jì)預(yù)測(cè)中的應(yīng)用——以重慶市城鎮(zhèn)居民收入預(yù)測(cè)為例[J];重慶商學(xué)院學(xué)報(bào);2002年03期

3 王煒,吳耿鋒,張博鋒,王媛;徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[J];地震;2005年02期

4 唐小我;組合預(yù)測(cè)誤差信息矩陣研究[J];電子科技大學(xué)學(xué)報(bào);1992年04期

5 唐小我,曹長(zhǎng)修;遞歸等權(quán)組合預(yù)測(cè)方法研究[J];電子科技大學(xué)學(xué)報(bào);1992年05期

6 唐小我,王景,曹長(zhǎng)修;一種新的模糊自適應(yīng)變權(quán)重組合預(yù)測(cè)算法[J];電子科技大學(xué)學(xué)報(bào);1997年03期

7 王晉權(quán);李磊;唐國(guó)瑞;;基于RBF神經(jīng)網(wǎng)絡(luò)的凝汽器故障診斷研究[J];電力科學(xué)與工程;2007年04期

8 李舒才,肖全華,曹永興,謝富華;GM(1,1)灰色模型在塵肺患病人數(shù)預(yù)測(cè)的應(yīng)用與評(píng)價(jià)[J];國(guó)際醫(yī)藥衛(wèi)生導(dǎo)報(bào);2004年18期

9 鄒兆鵬;;基于灰色時(shí)序組合模型的油液光譜分析預(yù)測(cè)[J];裝備制造技術(shù);2012年01期

10 郭鼐,楊建榮,陳藝蘭,林培芝;劑量患病率壽命表法預(yù)測(cè)預(yù)報(bào)太鋼耐火材料廠工人矽肺發(fā)展趨勢(shì)的研究[J];工業(yè)衛(wèi)生與職業(yè)病;1985年02期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 隆金玲;Sum-of-Product神經(jīng)網(wǎng)絡(luò)和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的逼近能力研究[D];大連理工大學(xué);2008年

2 于霜;神經(jīng)網(wǎng)絡(luò)逆控制方法研究及其在生物發(fā)酵過(guò)程中的應(yīng)用[D];江蘇大學(xué);2012年

3 張昭昭;模塊化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)自組織設(shè)計(jì)方法[D];北京工業(yè)大學(xué);2013年

  本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的組合模型在煤工塵肺患者發(fā)病工齡預(yù)測(cè)中的研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：267760