应用ARIMA 模型预测我国孕产妇死亡率

 目的 探讨应用ARIMA 时间序列模型预测我国孕产妇死亡率的可行性,为继续降低孕产妇死亡率提供理论依据。方法 收集全国1991年至2009年孕产妇死亡率数据,建立数据库。采用差分方法对序列资料进行平稳化,进行定阶,建立2010年全国孕产妇死亡率数据的序列分析预测模型,并对预测结果进行分析和评价。结果 ARIMA模型拟合结果较理想,残差序列的自相关函数图显示残差均为白噪声序列,模型的预测结果表明到2010年我国孕产妇死亡率全国、城市和农村分别为30.39 ‰, 24.73 ‰ 及 28.80 ‰,说明整体水平不断下降,将达到一个较低的水平。结论 用ARIMA模型对孕产妇死亡率数据拟合较为满意,预测效果良好,可为进一步制定预防策略措施提供依据。     

几种预测模型对中国梅毒发病率预测效果的比较

目的:比较3种预测模型在中国梅毒疫情预测中的效果,筛选最优预测模型。方法:收集2004年至2012年中国梅毒发病率数据,构建灰色模型[GM(1,1)]、趋势外推模型和求和自回归滑动平均(ARIMA)模型,比较预测值和实际值的吻合程度;用2013年发病率数据回代验证,选择相对误差最小的模型预测2014年至2016年的梅毒发病率。结果:中国梅毒发病率呈整体上升趋势,年平均发展速度为1.173,但环比增长速度逐年降低。趋势外推模型中Cubic函数的拟合效果优于GM(1,1),二者对历史数据拟合的平均相对误差分别为1.431%和7.560%。梅毒年发病率序列为白噪声序列(χ2=7.990,P=0.239),不适合用ARIMA模型来预测。采用Cubic函数预测2014年至2016年中国梅毒的发病率,分别为29.553/10万、26.293/10万和20.831/10万。结论:Cubic函数对中国梅毒发病率的预测效果最好。     

时间序列模型在肾综合征出血热发病率预测中的应用

目的探讨时间序列模型预测肾综合征出血热（HFRS）发病率的适用性。方法应用临沂市1982～1999年HFRS月发病率资料拟合HFRS月发病率预测模型。结果利用时间序列模型中的ARIMA模型预测山东省临沂市2000～2002年3年逐月发病率，2000年预测值的误差最小。结论ARIMA模型可用于预测HFRS月发病率，其短期预测精度较高。     

时间序列ARIMA模型在艾滋病疫情预测中的应用

目的探讨应用时间序列求和自回归移动平均(ARIMA)模型预测艾滋病发病率的可行性。方法利用重庆市疾病控制部门提供的1993～2009年艾滋病发病情况数据建立ARIMA预测模型。结果 ARIMA(1,1,1)×(0,1,0)12很好地拟合了艾滋病发病率,2009年7～12月的预测值符合实际发病率变动趋势。结论 ARIMA模型很好地模拟艾滋病发病率在时间序列上的变动趋势,可以为疫情防控提供借鉴。     

基于无偏灰色马尔科夫模型的传染病发病率预测

目的建立无偏灰色马尔科夫预测模型,对传染病发病率时间序列进行预测。方法利用2003～2009中国肺结核发病率数据建立无偏灰色预测模型,马尔科夫模型修正预测结果,用2010年数据来检验模型,再利用模型对2011年中国肺结核发病率进行预测。结果中国肺结核发病率的无偏灰色模型为x^(0)(1)=74.64,x^(0)(k)=96.2323e1n 0.9685(k-1)(k=2,3,…,n),运用马尔科夫模型修正后,预测模型相对误差为3.188%。2011年肺核病发病率预测值为77.877/10万。结论无偏灰色马尔科夫模型预测精度高于传统灰色预测模型和单一的无偏灰色模型,是一种传染病发病率短期预测精度较高的预测模型。     

应用灰色预测模型GM(1,1)对结核病发病率进行预测

目的:探讨灰色预测模型GM(1,1)在时间序列资料中的应用;建立结核病登记发病率的预测模型.方法:利用重庆市结核病防治所于1993～2003年登记的结核病发病率资料建立灰色预测模型即残差GM(1,1)模型,并对2004年结核病登记发病率进行预测.结果:残差GM(1,1)模型为:(X)(1)(k 1)=89.5776e0.0392k-85.0913 8(k-1)1.6435e-0.306.8k,1993～2003年预测值的相对误差均小于0.05,关联度＞0.6,小误差概率P＞0.8;2004年结核病登记发病率预测为5.2942/10万,相对误差为0.0461,修正后的相对误差为0.0121.结论:残差GM(1,1)模型拟合效果结果较为理想,是一种短期内预测精度较高的预测模型.     

GM(1,1)模型在子宫颈癌死亡率预测中的应用

目的:预测湖北省荆州市子宫颈癌疾病死亡率趋势,为制定针对性的防治管理措施提供依据。方法:依据荆州市2002～2009年子宫颈癌的死亡率,应用灰色系统理论,建立子宫颈癌死亡率预测模型,进行预测研究。结果:求得荆州市子宫颈癌死亡率的预测模型为X(k+1)=-113.7842e-0.0 2 7 4 7R+117.0342,拟合检验显示本模型拟合精度为好,能够较好的预测子宫颈癌的死亡率。结论:荆州市子宫颈癌死亡率将继续呈下降趋势。     

乳腺癌患者住院医疗费用的时间序列分析应用研究

目的:制定乳腺癌患者住院医疗费用的最优预测模型.方法:针对乳腺癌患者的病例资料,分别拟合回归预测模型与时间序列预测模型.结果:①住院医疗费用中比例最大的为药品费,其次为材料费,并呈逐年上升趋势;②住院天数、有无癌灶转移和治疗措施是影响乳腺癌患者住院医疗费用的3个主要因素;③无论一元或多元,时序预测模型效果均优于回归预测模型.结论:对于预测单病种住院医疗费用,时间序列预测模型更具优势.     

ARIMA时间序列和BP神经网络在传染病预测中的比较

目的比较自回归滑动平均时间序列模型和神经网络对传染病的预测效率。方法根据1985—2004年伤寒、副伤寒按季度发病率数据资料,利用dps7．55软件中的ARIMA时间序列、神经网络建立预测模型,用2005--2007年的伤寒、副伤寒季度发病率对二种预测模型进行检验,从而比较二种模型的优劣。结果用ARIMA时间序列分析得到拟合度为50．15％,验证模型的残差平方和为5154．381用神经网络分析得到拟合度为73．12％,验证模型的残差平方和为3559．24。结论神经网络模型更为适用于预测宁波市镇海区伤寒、副伤寒发病趋势。     

基于改进BP神经网络模型的肺结核发病率预测

目的建立用于肺结核发病率预测的人工神经网络模型,预测肺结核疫情发生发展趋势,为肺结核的预防和控制提供理论依据。方法选取肺结核2000～2014年发病率数据,采用改进的误差反向传播（BP）神经网络算法建立预测模型。其中以2000～2013年的发病率数据作为训练样本,以2014 年的发病率数据来检验模型的有效性。并对2015～2019 年肺结核的发病率进行预测。结果采用单隐层神经网络模型,输入层节点数为3,隐含层节点数为7,输出层节点数为1。建立的肺结核发病率预测模型在仿真预测样本处的平均相对误差为0.7597%,在检验样本处的相对误差为0.2649%。经预测,2015～2019 年肺结核的发病率分别为69.33/10 万、71.16/10万、64.49/10 万、62.41/10 万和72.78/10 万。结论采用改进的BP神经网络算法建立的肺结核发病预测模型具有较高的预测精度及较低的预测相对误差,为肺结核疫情预测提供一种新的预测模型。     

流行性脑脊髓膜炎与气象因素关系的BP神经网络模型研究

目的：探讨流行性脑脊髓膜炎（流脑）发病率与气象因素的关系，建立流脑发病率的BP神经网络预测模型，评价模型效果。方法：利用SPSS10．0统计软件进行气象因素与流脑发病率的相关分析。利用Maflab6.5软件构建流脑发病率的BP人工神经网络预测模型。结果：相关分析结果显示流脑的发病率与平均气压、平均降水量呈负相关，与平均蒸发量呈正相关。BP神经网络模型的拟舍结果显示，流脑发病率回代值的MER=1．73％、R^2=0．9900，模型拟合效果较好；模型的预测精度为5．88。结论：平均气压、平均蒸发量、平均降水量对流脑发病率影响较大。BP神经网络模型对流脑发病率具有较高的拟合和预测能力。     

BP神经网络模型在肠癌中的应用研究

目的探索人工神经网络模型在肠癌研究中的应用。方法给出了人工神经网络模型的理论分析,在肠癌生物医学实验研究的基础上,利用BP神经网络模型综合研究肠癌患者的各项指标对预后的影响。结果BP神经网络模型能够反映包括调控基因在内的诸多因素与肠癌患者预后的关系。结论BP神经网络模型可以为肠癌研究提供新途径,具有良好的应用前景。     

基于改进的BP神经网络的糖尿病肾病中医证候非线性建模研究

目的建立基于人工神经网络的糖尿病肾病(DN)证候诊断模型。方法基于MATLAB 7.0环境,采用改进的共轭梯度(trainscg)学习算法,建立DN证候三层前向BP网络模型,并用3倍交叉法验证该模型的诊断价值。结果DN证候神经网络模型预测DN证候的平均单证特异性为81.32%,平均单证准确率为96.25%,平均诊断准确率为92.21%。结论DN证候BP神经网络模型具有很好的诊断、预测能力,人工神经网络技术是中医证候非线性建模的可行性方法。     

遗传算法优化BP神经网络的老年痴呆症智能诊断

为了提高BP神经网络对疾病诊断的效率和预测准确率,提出一种遗传算法优化BP神经网络的老年痴呆症智能诊断模型,并以医院电子病历数据挖掘为例,对老年痴呆症诊断建立预测模型。该方法首先利用遗传算法的搜索寻优技术进行特征约简,然后将约简后的特征作为BP神经网络的输入变量,训练和构建BP神经网络模型。仿真实验在Matlab软件平台上进行,结果表明：与单BP神经网络相比,遗传算法优化BP神经网络能够降低模型训练时间、提高预测精度,是一种切实可行的老年痴呆症辅助诊断方法。     

贝叶斯正规化BP神经网络在我国医院床位预测中的应用

目的 探讨贝叶斯正规化BP神经网络在我国医院床位预测中的应用. 方法 利用1990-2006年我国医院床位历史数据,建立贝叶斯正规化BP神经网络进行拟合预测,并与指数平滑预测、自回归模型的预测结果进行比较. 结果 三种方法预测结果的相对误差分别为0.58%,3.62%,1.48%.贝叶斯正规化BP神经网络模型预测精度更高,效果更好,优于传统方法. 结论 贝叶斯正规化BP神经网络预测模型可以用于我国医院床位预测.     

疗效预测方法在针刺治疗抑郁症研究中的应用探讨

目的探讨应用神经网络方法进行针刺治疗抑郁症的疗效预测。方法使用量表工具,应用神经网络方法进行疗效预测。选择与抑郁症针刺治疗效果密切相关的因素以及体现中医学整体思想的疾病状态、生活质量等指标作为神经网络的输入变量,将其量化数据赋予网络的输入层,将经治疗后量表的评定结果作为输出变量值。收集病例形成神经网络的训练和测试样本,进行网络的训练和测试,评估网络性能,讨论其临床应用性。结果网络训练误差达到预期目标(均方误差mse=0.0010),对HAMD减分率和SDS减分率的预测拟合度较好,且拟合精度较高;表明网络测试的拟合程度比训练结果的拟合程度差,网络模型对测试样本的预测误差大于对已知样本的预测误差。结论网络模型具有较好的学习能力,而对未知样本的识别能力不及对已知样本的识别能力。通过增加样本量、改进网络模型等途径,有望为临床提供可靠性良好的预测方法。     

复合对向－反向传播人工神经网络模型及其应用

组合Ｋｏｈｏｎｅｎ竞争学习和反向传播学习的优点，本文首次提出了复合对向－反向传播人工神经网络模型，该模型较好地体现了生物神经网络系统信息处理时的自适应、自组织、分布式存贮及并行处理等特点。它保留了反向传播网络的优点，同时较后者更易收敛，计算时间缩短，网络参数设置也更为自由。通过在临床精液检查结果分析中的成功应用，证明了该系统的有效性和可靠性。     

LVQ人工神经网络在伤寒、副伤寒发生强度判别与预测中的应用

目的:探讨学习矢量量化(LVQ)人工神经网络在伤寒、副伤寒发生强度判别与预测中的应用.方法:以前一年的平均气压、平均气温、平均降水量和平均蒸发量4个气象指标的标准化后的变量及伤寒、副伤寒发病率平方根反正弦变换值为研究自变量,将1979-2000年辽宁省某市伤寒、副伤寒发病率按大小分为高、中、低3种情况进行判别与预测研究.利用软件MATLAB 6.5的人工神经网络工具箱分别进行LVQ人工神经网络的构建、训练与模拟,分别考察LVQ人工神经网络在模型拟合及前瞻性和回顾性预测方面的能力,并且与传统Bayes判别分析进行比较.结果:LVQ人工神经网络能够从另一个角度对数据进行分类判别与预测,利用1980-1995年数据拟合准确率为100%,预测1996-2000年发病强度准确度为3/5;利用1982-2000年数据拟合准确率为100%,预测1 980-1981年发病强度准确度为1/2,均略高于传统Bayes判别分析.随机选择1 6年数据的拟合准确率为93.8%,预测另外5年发病强度准确度为4/5,与传统Bayes判别分析相当.结论:LVQ人工神经网络能够与传统Bayes判别分析相媲美,在发病率预测方面具有广阔应用前景.     

Preliminary study on application of artificial neural network to the diagnosis of Alzheimer's disease with magnetic resonance imaging

ＯｂｊｅｃｔｉｖｅＡｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｆｉｒｓｔｕｓｅｄｉｎｔｈｅｍｅａｓｕｒｅｍｅｎｔｓｔｕｄｙｏｆｂｒａｉｎｏｆＡｌｚｈｅｉｍｅｒ’ｓｄｉｓｅａｓｅｕｓｉｎｇＭＲＩ,ａｎｄａｃｏｍｐｌｅｔｅｌｙｎｅｗｐａｔｅｒｎｄｉ...     

径向基人工神经网络在宫颈细胞图像识别中的应用

目的：探讨径向基（RBF）人工神经网络在宫颈细胞图像识别中的应用。方法：提取宫颈细胞和细胞核的15个形态学特征参数及12个色度学特征参数，对700个宫颈细胞按正常、低度鳞状上皮内病变（LSIL）、高度鳞状上皮内病变（HSIL）、宫颈癌进行分类识别。利用软件STATISTICA7．0建立网络模型并训练，用VC＋＋．NET语言调用网络。结果：RBF网络对训练集的拟合度为97．3％，对测试集的分类准确率为95．4％。在测试集中，正常细胞的识别率为96％，LSIL细胞识别率为94％，HSIL细胞识别率为100％，癌细胞识别率为88％。RBF网络输入参数的敏感度排序与细胞病理学特征基本一致。结论：RBF人工神经网络可以很好的对宫颈细胞特别是HSIL细胞进行分类识别。