基于径向基函数神经网络的组合模型在煤工尘肺发病工龄预测中的应用

目的：研究径向基函数（ RBF）神经网络与多重线性回归的组合模型在煤工尘肺发病工龄预测中的性能优劣。方法：采用RBF神经网络模型与多重线性回归模型对研究数据进行分析,对2模型进行加权拟合,采用均方根误差、均方误差、平均相对误差对模型的预测性能进行评价。结果：多重线性回归模型、RBF神经网络模型和组合模型真实值与预测值比较,差异均无统计学意义（t配对＝1．552、0．231、0．155,P均＞0．05）。多重线性回归模型、RBF神经网络模型和组合模型的均方根误差分别为（1．63±0．11）、（2．45±0．19）和（0．59±0．07）（F＝26．141, P＜0．001）,均方误差分别为（2．6569±0．2412）、（5．9867±0．3804）和（0．3483±0．0653）（F ＝49．678, P＜0．001）,平均相对误差分别为（7．15±0．82）％、（15．39±1．25）％和（3．68±0．59）％（F＝35．282,P＜0．001）。结论：在煤工尘肺发病工龄的预测中,组合模型预测性能优于单一模型。     

三种预测模型在肺结核发病预测中的应用

目的建立合理的肺结核病发病预测模型,推测重庆市肺结核病疫情未来流行趋势,从而为合理分配卫生资源和持续有效地开展肺结核病防制工作提供科学依据。方法收集重庆市结核病防治所登记的1993—2008年肺结核年发病人数的登记资料,采用灰色预测模型、灰色马尔可夫组合预测模型与BP神经网络模型对重庆市结核发病人数进行预测对比分析,筛选最优拟合效果模型。结果采用灰色预测模型、灰色马尔可夫组合预测模型与BP神经网络模型对重庆市肺结核病发病疫情进行预测分析,3个模型的平均相对误差分别为23.81%、3.68%、3.52%。结论对于肺结核病发病的预测,BP神经网络模型拟合效果最好,预测精度更高,预测数据更合理。     

不同数学模型对手足口病发病的预测效果分析与比较

目的探讨不同数学模型对手足口病发病的预测效果并进行比较,为手足口病的监测和预防提供依据。方法收集南昌市2008—2012年手足口病疫情报告数据(以月为单位),分别应用曲线回归模型、单纯求和自回归滑动平均(ARIMA)模型、求和自回归滑动平均模型与多层感知神经网络(ARIMA-MLP)组合模型模拟手足口病的疫情变动轨迹,比较各模型的拟合效果,确定最优预测模型。结果南昌市2008—2012年手足口病发病率逐年上升,并呈现明显的季节趋势。对其发病趋势,3种模型均具有一定的预测能力,以ARIMA-MLP组合模型对手足口病月发病率的拟合效果最好(R2=0.908,MAE=3.06)。结论 ARIMA-MLP组合模型能够较好地拟合手足口病的发病趋势,对手足口病监测和预防具有一定意义。     

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.     

利用遗传算法优化的ARIMA-BP组合模型预测手足口病发病趋势

目的 探讨ARIMA模型及遗传算法优化的ARIMA-BP神经网络组合模型在传染病预测与预警中的应用,为相关部门制定防治措施提供参考. 方法 选择某市2009～ 2013年的手足口病发病数作为研究对象,首先建立ARIMA模型,得到的拟合值作为神经网络输入值,真实观测值作为输出值,带入通过遗传算法优化的BP神经网络中训练,并比较两种模型的预测精度. 结果 对建立的ARIMA（1,0,0）（1,1,0）12模型预测的相对误差为39.89％,决定系数为0.786,经统计检验残差为白噪声序列;组合模型预测的相对误差为26.25％,决定系数为0.852. 结论 该组合模型的预测精度高于ARIMA模型,且对于极值的预测较为精确,可以为其他传染病的预测及建立统计预警提供参考.     

香港地区流行性腮腺炎月发病例数SARIMA模型预测分析

目的研究季节性差分自回归滑动平均模型（SARIMA）拟合季节时间序列的方法,并将其应用于预测香港流行性腮腺炎疫情趋势。方法利用R软件对2000年1月至2012年8月香港流行性腮腺炎月发病例数资料进行建模,用所构建模型进行预测分析。结果流行性腮腺炎发病呈上升趋势,SARIMA（2,1,1）×（1,1,1）。：模型较好地拟合了香港流行性腮腺炎的月发病例数,模型残差为白噪声序列,回代考核平均相对误差为17．5％;后8个月的数据作为前瞻性预测考核,平均相对误差为16．4％。结论SARIMA模型较好地模拟腮腺炎的流行特征,并进行中、短期预测。     

山西省痢疾发病趋势的时间序列分析

目的探讨季节性自回归移动平均混合(SARIMA)模型分析预测山西省痢疾发病率的可行性和适用性,为痢疾的预防与控制提供决策依据。方法利用R 3.3.1对山西省2004年1月—2013年12月痢疾月发病率资料进行建模,并以2014年痢疾月发病率资料验证模型的预测效果。结果模型较好地拟合了山西省痢疾月发病率,模型残差为白噪声序列,预测值与实际值的相对误差范围为0.909%~35.575%,平均相对误差为13.399%。结论 SARIMA模型可较好地反映山西省痢疾的发病趋势并进行短期预测。     

基于多预测器融合的医学时间序列数据预测

医学时间序列的预测对医疗工作具有重要指导意义,提出一种基于多预测器融合的时间序列预测方法,吸收不同单预测器的优点,从而提高预测性能。首先,在训练集上,分别用BP神经网络、多项式回归和稳健线性回归等预测器进行模型训练;其次,根据其相对误差推导自身权重,并将三个单预测器加权组合成为多预测器系统。实验过程将多预测器与三个单预测器进行比较。结果显示：多预测器的效果较好。     

BP神经网络在雌二醇衍生物QSAR中的应用研究

目的：探讨误差反向传播（backpropagation,BP）神经网络在雌二醇衍生物定量结构-活性关系（quantitative structure-activity relationships,QSAR）研究中的应用。方法：采用BP神经网络法和多元线性回归法,分别建立了30个雌二醇衍生物在0℃下与羔羊子宫雌激素受体间亲合力logRBA与疏水性参数logP、分子的体积V和9号碳原子的净电荷Q之间的QSAR模型。结果：BP模型的相关系数R=0.9962,标准偏差SD=0.0588;MLR模型的相关系数R=0.9090,标准偏差SD=0.2904。结论：BP神经网络是一种比较精密的拟合方法,具有良好的预测效果。     

时间序列分析在甲型肝炎疫情预测中的应用

目的应用季节乘积求和自回归移动平均模型分析南通市甲型肝炎(简称甲肝)每月发病数时间序列,建立预测模型。方法收集南通市2009年1月~2015年9月间甲肝病例月报告数据,应用EVIEWS软件拟合ARIMA模型,最后进行预测分析。结果成功建立模型ARIMA[(2),0,(2)],模型表达式为:xt=8.4 419+(1+0.6 182 B2)t/(1-0.7 474B2),模型通过参数检验及残差白噪声检验(P0.05)。预测2015年4月~2015年9月发病数,平均相对误差为30.17%,模型拟合效果较好。预测2015年10月~2016年3月发病数,显示发病趋势较为平稳。结论求和自回归移动平均模型对南通市甲肝发病情况拟合和趋势预测效果较好,可根据预测结果开展甲肝疫情相关防控工作。     

基于三种时间序列模型对广州市肾综合征出血热发病率的预测比较研究

目的利用GM(1,1)、ARIMA和BP神经网络模型探索肾综合征出血热(hemorrhagic fever with renal syndrome, HFRS)预测预警的最优模型,为广州市的HFRS防控预测预警提供科学建议。方法系统收集广州市2006-2019年HFRS发病数据,采用GM(1,1)、ARIMA和BP神经网络模型以及混合模型对2006-2016年发病率进行拟合建立HFRS预测已经模型,并对2017-2019年发病率进行预测,通过平均相对误差选取最佳预测预警模型。结果 2006-2019年广州市共报告HFRS病例2 453例,年均发病率1.373/10万,2013年发病率最高,为1.794/10万,2019年发病率最低,为0.954/10万。1-4月共报告1 106例病例,占病例总数的45.08%。ARMIA(0,1,1)(0,1,1)_(12)模型预测的平均相对误差最小为27.75%,GM(1,1)、BP神经网络、BP-GM和BP-ARIMA模型预测的平均相对误差分别为33.280%、27.750%、29.670%、46.210%和46.600%。结论基于月度数据进行建模的ARIMA模型识别异常值的能力更好,且预测的平均相对误差率最小。     

ARIMA模型与GRNN模型对肺结核发病率预测的对比研究

目的 比较自回归移动平均(ARIMA)模型与广义回归神经网络(GRNN)模型对于肺结核发病率的预测性能.方法 根据我国2004年1月至2012年12月的肺结核逐月发病率数据资料,应用Eviews 7.0.0.1建立ARIMA模型,应用Matlab 7.1的神经网络工具箱建立GRNN模型;选取2013年肺结核逐月发病率数据对两种预测模型进行检验,比较预测结果.结果 ARIMA模型和GRNN模型的Theil不等系数(TIC)分别是0.034和0.059,说明ARIMA模型对我国2013年肺结核逐月发病率的拟合程度优于GRNN模型,ARIMA模型相对误差绝对值仅为GRNN模型的57.19％.结论 ARIMA预测模型更适合用于我国肺结核发病率的预测;建议尝试组合模型预测肺结核发病率.     

五种预测方法在退田还湖区血吸虫病发病的拟合效果评价

目的:比较移动平均法、指数平滑法、自回归法、ARIMA法和灰色预测法在退田还湖地区试点血吸虫病发病拟合效果的优劣,为当地血防部门提供较为适合的拟合方法. 方法: 应用五种方法对集成垸试点和濠口试点血吸虫病患病率建模预测并比较拟合值的绝对误差、相对误差和误差平方和. 结果: 集成垸试点灰色预测法拟合值的平均绝对误差、平均相对误差和误差平方和最小;濠口试点平均绝对误差、误差平方和以ARIMA法最小,平均相对误差以自回归法最小. 结论: 不同的拟合模型适用于不同的试点;两试点以灰色预测和ARIMA模型拟合效果较好.     

深圳市肠道传染病与气象及媒介因素的贝叶斯正规化BP神经网络模型

目的探讨肠道传染病与相关的主要气象指标和媒介生物密度指标的关系,建立深圳市肠道传染病发病率的BP神经网络模型,并评价其拟合效果和预测效果。方法从监测系统收集2000～2005年每月的气象资料、媒介生物监测数据以及肠道传染病疫情数据,利用Stata 8.0对与肠道传染病发病率相关的气象因素及媒介生物因素进行筛选,利用Matlab 7.0软件完成贝叶斯正规化BP神经网络模型的构建、训练及模拟。结果在各种气象因素与媒介生物密度指标中,与肠道传染病发病相关程度较高的指标分别为蟑螂密度、蝇密度、平均气温和雨量。月肠道传染病发病率的回代平均误差率和R2分别为14.9%和0.87。而进行预测时,以月份为单位的肠道传染病发病率预测平均误差率为18.4%,而以年为单位的肠道传染病发病率预测的平均误差率较低,为8.4%。结论肠道传染病伤与气象因素、媒介生物因素之间关系的贝叶斯BP神经网络模型拟合效果较好,预测准确度较高,BP神经网络在传染病发病率预测研究领域具有一定的实用价值。     

应用曲线回归模型预测辽阳市梅毒发病率

目的运用曲线回归模型预测辽阳市梅毒发病趋势,为制定防控措施提供科学依据。方法利用SPSS17.0软件对辽阳市2001～2011年梅毒发病率进行拟合,并建立预测方程。结果辽阳市2001～2011年梅毒发病的预测模型为y=5.082e0.183x,相关系数R2=0.900,2011年梅毒发病率为38.84/10万,预测发病率为38.04/10万。模型的拟合效果较好。结论曲线回归模型可较好地预测辽阳市梅毒发病趋势。     

中国流行性腮腺炎发病率模型拟合及预测效果比较

背景　流行性腮腺炎（流腮）是中国极为严重的疾病。充分认识中国流腮的规律性并构建模型预测,对其预防和控制有重要意义。目的　评价季节性自回归移动平均模型（SARIMA）、指数平滑模型、SARIMA-广义回归神经网络（GRNN）组合模型和指数平滑-GRNN组合模型在流腮发病率拟合及预测中的应用效果。方法　利用全国2004年1月-2016年6月的流腮逐月发病率数据拟合、训练模型,建立SARIMA、指数平滑模型、SARIMA-GRNN组合模型和指数平滑-GRNN组合模型。预测2016年7-12月流腮的逐月发病率并与实际值比较,采用平均绝对误差百分比（MAPE）、平均误差率（MER）、均方误差（MSE）和平均绝对误差（MAE）评价模型拟合及预测效果。结果　SARIMA（0,0,2）（0,1,1）12为最优SARIMA模型;Holt-Winters相乘模型为最优指数平滑模型,SARIMA-GRNN组合模型和指数平滑-GRNN组合模型的SPREAD最优参数分别为0.026、0.031。SARIMA模型、指数平滑模型、SARIMA-GRNN组合模型和指数平滑-GRNN组合模型拟合的MAPE、MER、MSE和MAE依次分别为15.350%、14.976%、0.336、0.286,14.346%、14.249%、0.326、0.272,7.390%、6.320%、0.034、0.123,6.952%、5.776%、0.028、0.113。SARIMA模型、指数平滑模型、SARIMA-GRNN组合模型和指数平滑-GRNN组合模型预测的MAPE、MER、MSE和MAE依次分别为11.998%、12.260%、0.022、0.138,39.582%、38.462%、0.199、0.432,8.892%、9.677%、0.020、0.109,8.872%、9.672%、0.021、0.109。结论　指数平滑-GRNN组合模型为最优模型,拟合及预测效果最好,用于全国流腮发病率预测精度高;SARIMA-GRNN组合模型次之;SARIMA模型拟合及预测效果一般;指数平滑模型拟合效果较好,但预测效果较差。     

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。     

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。     

神经网络方法在5,7,8位取代的喹诺酮类化合物定量构效关系中的应用

目的探讨神经网络方法应用于5,7,8位取代的喹诺酮类化合物定量构效关系研究的效果。方法利用Matlab软件包构建一个三层的BP神经网络,对数据集进行计算,并将结果与线性回归进行比较。结果神经网络法的误差平方和为0．3042,小于线性回归法,预测的相关系数为0．86。结论神经网络方法获得了比回归模型更精密的拟合。     

重庆市手足口病多种预警模型的建立与评估

目的：构建多种重庆市手足口病（hand,foot and mouth disease,HFMD）疫情预测模型并评价模型的拟合和预测效果,为卫生部门提供准确的疾病动态及预警预告奠定基础。方法：对重庆市2009至2014 年HFMD月发病率资料分别建立3种单一预测模型（SARIMA、BPNN和Elman神经网络）和3种组合预测模型（SARIMA-BPNN、SARIMA-Elman、BPNN-Elman）,利用2015年HFMD月发病率资料对各个模型进行拟合和评价,并选择最优预警模型预测2016至2017年重庆市HFMD发病率。结果：SARIMA模型、BPNN模型、Elman模型、SARIMA-BPNN组合模型、SARIMA-Elman组合模型、BPNN-Elman组合模型拟合及预测的平均绝对误差（mean absolute error,MAE）、平均误差率（mean error rate,MPAE）、预测准确度（prediction accuracy,P）、非线性相关系数（non-linear correlation coefficient,RNL）和平均相对误差（mean relative error,MRE）分别为0.595、0.515、0.485、0.551、0.493;0.265、0.229、0.771、0.673、0.029;0.234、0.202、0.798、0.737、0.142;0.248、0.215、0.785、0.714、0.101;0.328、0.284、0.716、0.620、0.103;0.229、0.198、0.802、0.745、0.071。综合各个评价指标,选出本次研究最优预测模型为BPNN-Elman组合模型,并采用BPNN-Elman组合模型预测出2016年和2017年重庆市HFMD年平均发病率分别为162.8/10万和160.9/10万,95%置信区间为-0.236~0.184。结论：BPNN-Elman组合模型预测效果最优,能较好预测重庆市HFMD发病情况,为HFMD防控提供科学依据。