心血管疾病是當(dāng)前危害人類健康最常見的疾病,且死亡人數(shù)呈逐年上升趨勢。氣象因素及大氣污染物是心血管疾病發(fā)生、發(fā)展的重要影響因素之一,充分認(rèn)識心血管疾病的危害,進(jìn)一步研究心血管疾病的發(fā)病誘因,有助于降低心血管疾病死亡人數(shù)。預(yù)報模型的建立著眼于氣象因素、大氣污染物對疾病死亡的整體影響。但由于影響心血管疾病死亡人數(shù)的因素較多,且各因素之間具有非線性耦合關(guān)系,傳統(tǒng)的預(yù)報模型存在預(yù)測準(zhǔn)確率不高、有效性不強(qiáng)等局限性。針對這些問題,本論文以深圳市2013年1月1日—12月31日之間的空氣質(zhì)量和心血管疾病死亡人數(shù)為研究對象。使用BP神經(jīng)網(wǎng)絡(luò)和GM(1,1)模型,建立心血管疾病死亡人數(shù)的預(yù)測模型,并對模型進(jìn)行優(yōu)化,以此提高模型的預(yù)測精確度。論文的主要工作如下:(1)選擇合適的指標(biāo)體系。選取平均溫度、平均濕度、氣壓、風(fēng)速共4項氣象因素,以及SO₂、NO₂、PM₁₀、PM_2.5、CO、O₃共6項大氣污染指標(biāo),總計10個變量構(gòu)建指標(biāo)體系,作為此次預(yù)測模型的輸入變量。(2)數(shù)據(jù)進(jìn)行預(yù)處理。對原始數(shù)據(jù)進(jìn)行篩...

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2-1神經(jīng)元模型

kPropagation）算法，又稱為誤差反向傳遞算法，是人工頻繁的一種監(jiān)督式的學(xué)習(xí)算法。BP神經(jīng)網(wǎng)絡(luò)為了解決不定不同的網(wǎng)絡(luò)結(jié)構(gòu)，主要包括隱含層層數(shù)和網(wǎng)絡(luò)的學(xué)習(xí)參函數(shù)的逼近、信息分類、模式識別、故障診斷和優(yōu)化預(yù)測廣泛的應(yīng)用[48]。元模型元是人工神經(jīng)網(wǎng)絡(luò)的基本信息處理單位，其....

圖2-2激活函數(shù)Fig.2-2Activationfunction

使得激活函數(shù)可以很好的處理神經(jīng)元模型。單極性S型函數(shù)曲線如圖2-2c)所示，其定義如下：11vfve（2-5）

圖2-6Hamming神經(jīng)網(wǎng)絡(luò)

圖2-6Hamming神經(jīng)網(wǎng)絡(luò)Fig.2-6Hammingneuralnetwork習(xí)規(guī)則在獲取知識的時候通常是根據(jù)日常生長時間的學(xué)習(xí)后，可以對知識進(jìn)行總的學(xué)習(xí)和模仿能力，每個人的能力也如，跑步等體育技能的學(xué)習(xí)需要通過通過大量地訓(xùn)練習(xí)題來提高解題能力提高某項技能水平....

圖2-7串聯(lián)型灰色神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖2-7串聯(lián)型灰色神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.2-7Seriesgreyneuralnetworkstructurediagram2）并聯(lián)型結(jié)合聯(lián)型灰色神經(jīng)網(wǎng)絡(luò)（Parallelgreyneuralnetwork，簡稱PGNN）基于GM（1,1）和BP神....

本文編號：3902605