疟疾与气象因素关系不同模型预测效果比较

目的分析气象因素与海南省万宁市疟疾发病率的相关性,比较BP神经网络模型和逐步回归模型对疟疾发病率的预测效果。方法收集1995年1月—2007年12月万宁市每月气象数据和疟疾发病率数据,应用Spearman等级相关分析方法分析气象因素与疟疾发病率之间的相关性,分别用BP人工神经网络方法和逐步回归方法建立疟疾发病率的气象因子拟合模型,预测2008年各月的疟疾发病率。结果万宁市疟疾月发病率与前1个月的平均气温、最高气温、最低气温、降雨量、日照时间均呈正相关(均P0.05),与前1个月的平均相对湿度、平均气压均呈负相关(均P0.01);将7种气象因素作为输入变量,疟疾发病率作为输出变量,构建内含1个隐含层的BP神经网络模型,在隐单元数为16时拟合效果最优,经过300次训练达到设定的最小训练误差为0.001,模型的均方误差和决定系数R~2分别为0.002 7和0.99;将7种气象因素作为自变量,疟疾发病率作为因变量构建逐步回归模型,进入模型的变量为平均气温和平均相对湿度,模型的决定系数R~2为0.40;应用2种模型对2008年各月疟疾发病率进行预测,平均绝对误差分别为1.24/10 000和0.44/10 000。结论万宁市疟疾发病率与气象因素明显相关,利用气象因素构建的BP神经网络模型较逐步回归模型具有更好的发病率拟合效果,但逐步回归模型的预测效果更好,BP神经网络模型的泛化能力需要进一步提高。     

炭疽病的诊断及危险度预测智能模型研究

目的建立以临床和流行病学指标为基本分析因子的综合诊断及预测炭疽危害程度的智能预测模型,提高对炭疽病发生的认识和判断能力。方法根据实际疾病案例资料,分析临床症状、实验室检测指标、流行病学特征等因素。选入明显影响炭疽诊断和流行强度的指标,并将其作为神经元单位。利用Matlab 6．1软件中的神经网络工具箱训练、调整和建立智能化分析系统。结果多因素相关分析显示,疾病潜伏期、胸部X线检验结果、镜检结果、职业特征等11项指标与炭疽病的诊断和流行强度有关;神经网络经500步学习和训练,训练误差从6．669 59下降至5．05119×10-11,通过建立的智能神经网络模型对炭疽和非炭疽实际案例进行诊断和预测分析,其平均符合率达到100％。结论人工神经网络在疾病综合特征与炭疽诊断和危害度预测之间建模是可行的,所训练的智能模型预测平均符合率达100％,有很好的实际应用价值。     

应用BP人工神经网络模型预测急性心梗死亡率与气象因素的关系

目的建立气象因素与急性心梗的智能神经网络预测模型,探索BP神经网络预测模型在气象因素与急性心梗死亡率关系的应用,为哈尔滨地区急性心梗的预防控制措施提供科学依据。方法利用MATLAB7.0软件中的神经网络工具箱及2008年的气象数据建立急性心梗死亡率的反向传播网络(BP神经网络)预报模型。结果经过11次学习和训练,神经网络模型误差为0.00763,达到允许范围内。BP神经网络模型的拟合结果显示,脑出血死亡率MAE为0.18,预测准确度为82.53%。结论 BP人工神经网络具有适应性强,对数据要求不高,自学习能力等突出优点,操作简便且易于掌握和应用。BP人工神经网络模型可以作为哈尔滨市急性心梗死亡预测的一种新方法。     

伤寒副伤寒与气象及地质因素关系的BP神经网络模型研究

目的探讨桂林市伤寒副伤寒流行的气象地质因素,建立桂林市气象因素及地质因素与伤寒副伤寒发病的预测模型,将伤寒、副伤寒发病等级与影响因素进行训练预测,并评价模型的拟合效果。方法收集1994—2001年桂林辖区各县、市区报告的伤寒副伤寒疫情数据、同期桂林市平均降雨量、平均气温等气象资料、辖区各县36个乡镇的地质因素,利用Matlab6．5软件对人工神经网络BP模型进行构建、训练及模拟,并对模拟效果进行评价。结果气象因素和地质因素伤寒副伤寒发病预测平均误差率分别为1．21％和2．64％,决定系数砰分别为0．996和0．998。结论伤寒副伤寒与气象因素及地质因素关系的BP神经网络模拟合效果较好,有进一步研究的价值。     

干旱地区呼吸道传染病气象因素及发病预测

目的探讨干旱地区影响呼吸道传染病流行的关键气象因子，建立干旱地区呼吸道传染病的反馈（BP）神经网络预测模型，为政府部门预防和控制干旱地区的呼吸道传染病提供科学依据。方法选择辽宁省朝阳市作为研究对象；在朝阳市气象局获得该地区1981～1994年气象资料；在朝阳市疾病预防控制中心获得同期该市传染病发病资料。应用SPSS 10．0统计软件进行气象因素与传染病发病率的相关关系分析。应用Matlab6．5软件构建BP人工神经网络模型，建立干旱地区呼吸道传染病的BP人工神经网络预测模型，并对模型进行评价。结果相关分析结果显示，流行性脑膜炎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；百日咳的发病率与平均气压呈负相关，与平均蒸发量呈正相关。BP神经网络模型拟合结果显示，流脑和百日咳模型拟合值的平均误差率（MER）和决定系数（R0）分别为1．73％和1．0000，7．74％和0．9900；流脑模型拟合效果最好；流脑和百日咳BP神经网络模型的预测精度分别为5．88％和59．46％。结论平均气压、平均蒸发量、平均降水量对呼吸道传染病发病率影响较大。BP神经网络模型对干旱地区呼吸道传染病具有较高的拟合和预测能力，预测效果较好。     

GRNN组合预测模型对辽宁省及部分地区肾综合征出血热发病率的预测研究

目的探讨广义回归神经网络（GRNN）组合预测模型在肾综合征出血热（HFRS）发病率预测上的优势及应用前景。方法利用1990—2001年辽宁省、丹东市、沈阳市和朝阳市HFRS发病率分别建立GM（1，1）灰色预测模型和求和自回归滑动平均（ARIMA）模型，把2个模型的预测值作为GRNN的输入，实测值作为网络的输出，对样本进行训练和预测，并对3个模型的预测效果进行比较。结果针对辽宁省HFRS发病率建立的GM（1，1）模型、ARIMA模型和GRNN组合预测模型的平均误差率（MER）分别为13．5143％、25．0814％和5．5755％；R^2分别为0．8961、0．6997和0．9837。针对丹东市HFRS发病率建立模型的MER分别为19．7329％、20．6275％和14．0789％；R^2分别为0．8112、0．7628和0．8750。针对沈阳市HFRS发病率建立模型的MER分别为15．1421％、18．0584％和14．3592％；R。分别为0．8757、0．7889和0．8585。针对朝阳市HFRS发病率建立模型的MER分别为51．5090％、28．6593％和28．5927％；R^2分别为0．7863、0．8291和0．7753。GRNN组合预测模型对于辽宁省和丹东市的HFRS发病率预测效果好于2个单一模型；针对沈阳市所建立的HFRS发病率预测模型，GRNN组合预测模型和GM（1，1）模型相当，ARIMA模型最差。朝阳市的HFRS发病率预测模型不适合用上述方法建立。结论GRNN组合预测模型充分体现了它在小样本预测中的优势，预测效果优于GM（1，1）模型和ARIMA模型，对解决时间序列类型的HFRS发病率等资料有很好的实用价值。     

应用BP人工神经网络模型预测肾综合征出血热发病率

目的探讨反馈（BP）人工神经网络模型预测肾综合征出血热（HFRS）发病率的应用前景.方法利用沈阳市的气象资料（包括平均气温、相对湿度、降水量和日照）和动物疫情资料（包括鼠密度和鼠带病毒率）共6个指标作为神经网络的输入,将1984～2003年沈阳市HFRS发病率作为神经网络的输出.选择1984～2001年的数据,利用STATISTICA Neural Network（ST NN）建立BP网络预测模型,然后训练网络、预测2002和2003年HFRS的发病率.同时用上述指标建立线性预测模型,其结果与神经网络模型进行比较.结果对于BP神经网络,其平均误差率为7.89%,非线性相关系数为0.896.对于线性回归模型,其平均误差率为24.78%,非线性相关系数为0.711.结论BP人工神经网络可以用于HFRS发病率的预测,效果好于传统的线性回归方法.     

皖南山区流行性腮腺炎发病趋势的智能预测模型

目的建立皖南山区流行性腮腺炎（简称流腮）发病率智能预测模型,以提高预警能力。方法借助Matlab6.5软件中的神经网络工具箱,以安徽省池州市2005-2008年间的月平均气温、月平均相对湿度、月日照时间、月疫苗使用量和上月流腮发病率5个指标作为输入向量,同期流腮月发病率为目标向量,利用优化的levenberg-marquardt算法建立BP神经网络预测模型,并对模型进行验证。结果以2009年1月～2010年4月数据为测试样本提供给已建立的5×11×1结构的BP网络模型进行仿真预测,与实际发病率很好吻合,其误差均衡地分布在0值附近,表明该模型预测能力良好。结论利用BP网络进行疾病趋势预测,可获得更好的预测效果,且对资料的类型和分布不作任何限制,是一种全新的流行病学预测方法,其应用前景广阔。     

海南省疟疾发病情况及利用气象因子进行发病率拟合的研究

目的 探索海南省气候因素与疟疾流行之间的关系并建立能够表达疟疾发病率变化的气象因子拟合模型，以用于预测海南省疟疾发病率。方法 收集1995～2000年海南省月度气象资料(温度、湿度和降雨量)和月度疟疾发病率资料，应用Spearman等级相关分析气象因子与疟疾发病率之间的相关关系，用逐步回归建立气象因子拟合发病率变化的拟合模型。结果 气温和降雨量与疟疾发病率有相关性。应用逐步回归分析得到的拟合模型为：全省，I=-1.041 0．061t0.2，r^2=0．590(I：全省月发病率，t02：当前月及其前两个月期间的平均气温)；中南部高发地区，I=-5．701 0．382t02-0．147t02min，r^2=0．626，(t02/min：当前月及其前两个月期间的平均最低气温)。而如果引入I2(2个月前发病率)时，可以得到拟合效果更好的回归模型：全省，I=-1．701 0．064t4.2 0．47I2 0．025d2，r^2=0．72(d2:2个月前最高气温和最低气温之差)；中南部高发地区，I=-4．754 0．179t0.2 0．447I2 0．063d2，r^2=0．73。结论 气候因素能够影响疟疾的流行，可以利用气象因子拟合疟疾流行趋势并应用拟合模型对人群未来疟疾发病率进行预测。     

基于BP神经网络的河南省甲乙类法定报告传染病预测研究

目的 建立用于河南省法定报告传染病(甲乙类)预测的神经网络模型,为制定传染病预防和控制措施提供理论依据.方法 首先确定预测模型的基本结构,以归一化后的2003-2009年河南省甲乙类法定报告传染病发病率数据为训练样本,以2010年的数据为检验样本,采用改进的BP神经网络算法训练预测模型.利用该模型对2011-2013年河南省甲乙类法定报告传染病发病率数据进行预测.结果 所建立的模型在仿真预测样本点的平均相对误差为0.076％,在检验样本处的预测误差为0.434％.并获得了2011-2013年河南省甲乙类法定报告传染病发病率预测数据.结论 所建立的BP神经网络模型具有良好的预测精度,适合用来进行河南省甲乙类法定报告传染病发病率的预测.     

云南省伤寒副伤寒空间分布特征及其气候影响因素研究

目的 分析云南省2001-2007年伤寒副伤寒发病的空间分布特征以及气象因素与伤寒副伤寒流行的关联性.方法 收集2001-2007年云南省以县为单位的伤寒副伤寒发病数据,应用空间聚类、面板数据模型等方法分析伤寒副伤寒的分布特征,以及伤寒副伤寒流行与气温、降水、相对湿度等气象因素的关系.结果 2001-2007年云南省伤寒副伤寒的年均发病率为23.11/10万,病例主要分布于夏秋季.空间聚类分析发现两个伤寒副伤寒的高发聚集区:玉溪地区(7年平均发病率207.45/10万)及该省与缅甸、老挝交界地区.多因素面板数据分析显示,云南省伤寒副伤寒发病增加与气温升高、降水量增多和湿度增加等气候因素相关:月平均气温升高10℃,IRR=1.30(95%CI:1.24～1136);湿度增加10%,IRR=1.07(95%CI:1.05～1.09);月降水量增多100 mm,IRR=1.02(95%CI:1.00～1.03);前1个月的气温升高10℃,IRR=1.73(95%CI:1.64～1.82);P＜0.05.结论 云南省伤寒副伤寒发病存在聚集区,相对湿度等气候因素在流行中发挥了一定的作用.

Abstract：

Objective To characterize the spatial distribution of typhoid and paratyphoid fever(TPF)in Yunnan province, China and to determine the effectiveness of meteorological factors on the epidemics of TPE Methods Data of reported TPF cases in Yunnan province(2001 -2007)from the China Information System for Diseases Control and Prevention was applied to GIS-based spatial analyses to detect their spatial distribution and clustering of TPF incidence at the county level.Panel data analysis was used to identify the relationships between the TPF incidence and meteorological factors including monthly average temperature, monthly cumulative precipitation and monthly average relative humidity. Results During the study period, the average incidence of TPF in Yunnan province was 23.11/100 000, with majority of the TPF cases emerged in summer and autumn. Although widely distributed, two TPF clusters were detected in Yunnan province based on the spatial analysis:one area around Yuxi city with the average annual incidence as 207.45/100 000 and another at the junctions of Yunnan province with Burma and Laos. Based on results from panel data analysis, the incidence of TFP was shown to be associated with meteorological factors such as temperature,precipitation, relative humidity and one month lag of temperature increase [10 ℃ increase in the monthly average temperature:IRR=1.30(95%CI: 1.24-1.36);10% increase in monthly average relative humidity:IRR= 1.07(95%CI: 1.05-1.09); 100 mm rise in monthly cumulative precipitation:IRR=1.02(95%CI: 1.00-1.03); and 10 ℃ average temperature increase, the last month: IRR=1.73(95%CI: 1.64-1.82)]. Conclusion Areas with high TPF incidence were detected in this study,which indicated the key areas for TPF control in Yunnan province. Meteorological factors such as temperature, precipitation and humidity played a role in the incidence of TPF.     

荆门市脑出血发病与气象因子相关性分析及预测

目的 探讨气象因子对脑出血发病的影响及其相关性,并建立基于气象因子的脑出血发病的预报模型,为预防和控制脑出血发病提供参考依据.方法 收集2008-2010年荆门市脑出血逐日病例数和同期气象资料,应用SPSS 13.0软件,分析气象因子与脑出血发病的相关性,构建多元线性回归和前馈型神经网络(BP神经网络)模型预测脑出血发病人数,并对模型进行评价.结果 气象因子与脑出血发病密切相关.线性回归模型为y=18.248-0.873x1(x1为气温,r=0.708,F=18.13,P＜0.01),BP神经网络模型结构为7-6-1,2种模型预测的平均误差率分别为16.15％和8.08％,非线性相关系数分别为0.795和0.907.结论 荆门市脑出血发病与气温呈显著负相关,BP神经网络模型有较好的预测效果.     

脑卒中发病规律与气象因素的关系及预测模型的建立

目的讨论脑卒中发病人数的月际和年际变化规律及气象因素的关系,建立逐月旬发病气象预测模型。方法利用2000—2008年乌鲁木齐市脑卒中逐月发病人数病例资料和同期地面气象A文件资料,选择气温、气压、日照时数、总云量、相对湿度、平均风速进行逐步回归分析,加之天气过程与多发病人数进行对比分析。结果脑卒中发病人数逐年呈现上升态势,高峰期出现在1月;多发病人数主要涉及到强降温、东南大风天气过程;发病人数与气温、日照时数呈显著负相关,与气压和风速呈显著正相关,脑卒中发病预测模型:Y月=71.56-0.19P+0.41P1+0.32T-1.41C-0.04S1。结论利用月旬预测模型F检验,趋势拟合准确率为71%和63%,表明此模型是可行的,有一定的预测能力。     

慢性支气管炎与气象条件的关系及其预报模型

目的 探讨影响慢性支气管炎发病的气象因素并建立其发病预报方程.方法 收集银川市新城区医院1998-2000年慢性支气管炎病的逐日住院病例以及同期气象资料,包括平均温度、最高温度、最低温度、相对湿度、平均气压、平均风速等,进行多元回归分析.结果 银川地区慢性支气管炎发病高峰为1和12月,发病人数占全年的23.7%.慢性支气管炎发病与日平均气温（x1）、日最高气温（x2）、日最低气温（x3）呈显著负相关,与平均气压（x4）呈显著正相关.慢性支气管炎的旬发病率预报方程为y=2.471-0.130 x1＋0.0666 x2＋0.0471 x3-0.0017 x4.结论 慢性支气管炎病是多种气象因素共同作用的结果.     

流行性乙型脑炎发病率的气象影响因子分析

目的探讨山西省运城地区流行性乙型脑炎(乙脑)发病率与气象因子之间的关系。方法收集2000-2009年7-9月运城地区乙脑发病率及同期气象资料,用SPSS17.0软件分析两者相关性,并用逐步回归分析建立乙脑发病率的气象因子拟合模型。结果运城地区乙脑病例多在6月开始出现,7月增多,8月达到高峰,9月减少,10月偶有发生。乙脑发病率与月平均温度、月平均气压等相关,与月温差、月日照、相对湿度、月降雨量无关。逐步回归分析得出乙脑发病率的气压回归方程,ap1(提前1个月的平均气压)有良好的拟合效果。结论气象因子对乙脑发病有重要影响,可以利用气压拟合模型预测乙脑发病率变化趋势。     

基于贝叶斯正规化BP神经网络模型对菌痢发病的预测研究

[目的]探索贝叶斯正规化BP神经网络在细菌性痢疾预测模型中的应用,为菌痢的预防控制措施提供科学依据。[方法]用Matlab 7.2软件包中的神经网络工具箱,以福州市城区1987—2006年的气象要素、社会经济资料和菌痢发病率数据进行分析,建立福州市城区菌痢流行的贝叶斯正规化BP神经网络模型,并以2007年的资料验证其预测效果。[结果]神经网络经学习和训练,训练误差下降并趋于稳定,回代相关系数为0.842,预测成功率为91.7%。[结论]贝叶斯正规化BP神经网络在气象要素与菌痢发病率之间建模是可行的,能作为预测菌痢流行的一种新方法。     

海南省疟疾流行空间分布的环境影响因素初步分析

目的 分析海南省疟疾流行空间分布特征及其与自然环境因素的相关性,构建海南省疟疾流行空间分布预测模型.方法 获取2000年海南省雨季(5-10月)各县(市)疟疾发病资料以及气象、土地利用类型构成比、地表温度(LST)和各地平均高程等数据,分析发病率与上述各环境因素的相关性,应用负二项回归分析建立发病率的预测模型,并应用预测模型预测疟疾流行风险的空间分布.结果 海南省2000年雨季各市(县)疟疾发病率与各地的海拔高度、林地面积构成比、草地面积构成比呈显著正相关;与耕地面积构成比、城乡、工矿、居民用地面积构成比、LST呈显著负相关;与水域面积构成比、未利用土地面积构成比、平均气温、平均最高气温、平均最低气温、平均极温差、平均相对湿度及降雨量无明显相关性.负二项回归分析引入方程的因子为LST,回归方程为:Ⅰ(月发病率,单位:1/100万)=exp(-1.672-0.399×LST).结论 海南省疟疾流行空间分布与多种环境因素有关,可以利用遥感技术获取有关环境指标来预测疟疾流行风险的空间分布.     

人工神经网络方法在气象因素预测高血压发病中的应用

目的探讨以影响高血压发病率的气象因素建立高血压发病预测模型。方法选取银川地区1998—2000年日平均相对湿度、48h变温、日较差和日平均气压的标准化数据(以周为单位共100个样本)作为前馈型神经网络(BP神经网络)输入层的节点输入,以同期高血压发病率的标准化数据作为网络输出,经多层BP神经网络进行网络学习训练,建立高血压病发病率的人工神经网络预报模型。结果建立的高血压病神经网络模型结构为4-14-1(即有4个输入、14个隐含节点和1个输出),训练精度为0.005,训练了46步达到目的,最终误差为0.0048992。神经网络预报模型所得预报量的同一级平均拟合率为62.4%,差一级平均拟合率为99.2%,均高于统计预报方程(47.7%,98.3%);其同一级平均预报率为58.2%,差一级平均预报率为91.3%,均高于统计预报方程(50.5%,84.6%)。神经网络预报模型的平均绝对百分比误差、均方误差、绝对误差分别为25.2%,21.0%,16.2%,均低于统计预报方程(47.6%,26.2%,21.1%)。若以拟合值绝对误差小于20%为拟合正确,则统计预报方程拟合率为51.3%,而神经网络拟合率为71.2%。...     

基于因子分析和BP神经网络的单病种费用预测研究

单病种付费的预测问题一直是关乎医疗改革方向和进度的关键。针对单病种费用预测中影响因素多、关系复杂的问题,依托云南省某三甲医院的医院管理信息系统中恶性直肠肿瘤医疗费用数据,首先采用因子分析法对单病种费用影响因素进行降维,然后采用BP神经网络对单病种费用进行预测。预测结果表明,单病种费用的三个公因子能够阐释原始数据中86.928%信息;单病种费用预测模型的预测精度到达92.15%。因此,该模型的预测精度能够满足医院对单病种费用管理的实际需求。