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。     

使用思维进化算法优化的神经网络建立肾综合征出血热预测模型

目的探讨思维进化算法优化的BP神经网络在建立肾综合征出血热发病率预测模型中的应用前景。方法使用1984-2013年沈阳市的鼠情资料(鼠密度和鼠带毒率)和气象资料(平均气温、降水量和日照时数)作为网络的输入,同年的肾综合征出血热发病率作为网络的输出。把1984-2009年的数据作为训练样本,2010-2013年的数据作为预测样本。分别建立BP神经网络和思维进化算法优化的BP神经网络预测模型,并比较两种模型的拟合和预测效果。结果对于训练样本和预测样本,思维进化算法优化的BP神经网络的平均绝对误差(MAE)、平均绝对误差百分比(MAPE)以及均方误差平方根(RMSE)均小于未优化的BP神经网络。结论思维进化算法优化的BP神经网络预测模型的拟合和预测效果均优于未优化的BP神经网络,具有较强的推广应用价值。     

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.     

BP 神经网络在肾综合征出血热发病率预测中的应用

目的 探讨BP(back propagation)神经网络预测模型在肾综合征出血热(hemorrhagic fever with renal syndrome,HFRS)发病率预测方面的应用效果.方法 应用人工神经网络技术建立关于疾病发病率的预测模型.结果 建立了拓扑结构为2-10-1的BP神经网络模型,并对预测效果进行了验证.结论 BP神经网络预测模型可用于HFRS发病率的预测,且具有较好的预测效果.     

三种时间序列模型在盐城市肾综合征出血热发病预测应用中的比较研究

目的比较GM(1,1)灰色模型、求和自回归滑动平均ARIMA模型和神经网络GRNN模型预测盐城市肾综合症出血热(HFRS)发病率的效果,探索最优预测模型。方法利用2005-2015年盐城市HFRS发病率建立GM(1,1)模型、GM(1,1)-GRNN模型、ARIMA模型和ARIMA-GRNN模型,比较模型的拟合效果。根据2016年HFRS发病率比较各模型的预测效果,确定最优模型,并预测2017-2018年HFRS发病率。结果 GM(1,1)模型、GM(1,1)-GRNN模型、ARIMA模型和ARIMA-GRNN模型拟合值相对误差分别为13.364%、2.033%、21.150%和16.519%,预测值相对误差分别为16.350%、10.773%、10.820%和0.018%。采用最优模型ARIMA-GRNN模型预测2017和2018年盐城市HFRS发病率分别为0.859/10~5和0.853/10~5。结论从模型整体拟合预测效果综合考虑,利用ARIMA-GRNN组合模型预测盐城市HFRS发病情况能够取得更好的效果,预测结果可对该病的防控提供数据支撑。     

ARIMA模型和BP神经网络模型在我国乙型肝炎发病预测中的应用

目的探讨适合全国乙肝发病率的预测模型,为乙肝预测预警系统提供参考。方法应用2004-2012年全国乙肝月发病率数据,分别建立ARIMA模型和BP神经网络模型,利用建立的模型预测2013年1-12月乙肝发病率,采用实际发病率验证与比较两种模型的预测效果,评价指标为平均绝对误差(MAE)、平均绝对误差率(MER)和非线性相关系数(RNL)。结果全国2004-2013年乙肝月发病率在2.79/10万~9.44/10万间波动,序列具有明显的长期趋势。建立的乘积ARIMA(0,1,1)(0,1,1)12模型预测的MAE、MER、RNL分别为0.445、0.065、0.909,BP神经网络模型分别为0.635、0.093、0.872。ARIMA模型预测的平均绝对误差和平均绝对误差率要低于BP神经网络模型(△MAE=-0.190,△MER=-0.028),非线性相关系数要高于BP神经网络模型(△RNL=0.037)。结论 ARIMA模型和BP神经网络模型均适用于我国乙肝发病率的预测,且前者的预测效能和非线性拟合能力略优于后者。     

气象因素与两种虫媒传染病关系的探讨

目的探讨虫媒传染病斑疹伤寒和流行性乙型脑炎（乙脑）的发病率与气象因素的关系,建立反馈（BP）神经网络预测模型,并评价模型的效果.方法利用SPSS10.0统计软件进行气象因素与斑疹伤寒和乙脑发病率的相关分析;利用Matlab 6.5软件构建乙脑和斑疹伤寒发病率的BP人工神经网络预测模型.结果相关分析结果显示乙脑的发病率与平均气压呈负相关（P＜0.01）,与平均蒸发量和最高温度呈正相关（P＜0.05）.斑疹伤寒的发病率与平均气温和平均地面温度呈负相关（P＜0.05）.斑疹伤寒的发病率还与最低温度呈负相关（P=0.062）.BP神经网络模型的回代结果显示,乙脑和斑疹伤寒发病率拟合模型平均误差率（MER）和决定系数（R2）分别为27.44%和98.09%及29.00%和65.35%,模型拟合效果较好.应用BP神经网络模型对1994年乙脑和斑疹伤寒发病率进行预测,其相对误差分别为80.00%和120.86%,模型的预测效果一般.结论平均气压、平均蒸发量、温度对虫媒传染病的发病率影响较大.应用BP神经网络模型对虫媒传染病的发病率具有一定的拟合和预测能力,值得进一步研究.     

单纯ARIMA模型和ARIMA．GRNN组合模型在猩红热发病率中的预测效果比较

探讨单纯求和自回归滑动平均(ARIMA)模型和求和自回归滑动平均模型与广义回归神经网络(GRNN)组合模型在猩红热发病率研究中的应用.该研究对某市2000-2006年猩红热月发病率资料建立ARIMA模型,然后将其拟合值作为GRNN的输入,实际值作为网络的输出训练网络,然后比较两个模型的效果.结果 表明,单纯ARIMA模型和组合模型的平均误差率(MER)分别为31.6%、28.7%;决定系数(R2)分别为0.801、0.872.组合模型的效果要优于单纯ARIMA模型,可以用于发病率的拟合与预测.     

BP神经网络在肾综合征出血热发病率预测中的应用

目的探讨BP（back propagation）神经网络预测模型在肾综合征出血热（hemorrhagic fever with renal syndrome,HFRS）发病率预测方面的应用效果。方法应用人工神经网络技术建立关于疾病发病率的预测模型。结果建立了拓扑结构为2-10-1的BP神经网络模型,并对预测效果进行了验证。结论 BP神经网络预测模型可用于HFRS发病率的预测,且具有较好的预测效果。     

SARIMA、GAM和LSTM在肾综合征出血热预测中的应用效果比较

目的分析季节性差分自回归移动平均模型(SARIMA)、广义相加模型(GAM)和长短期记忆神经网络模型(LSTM)在肾综合征出血热(HFRS)发病率拟合及预测中的效果, 为优化HFRS预测模型提供参考。方法在公共卫生科学数据中心(https://www.phsciencedata.cn/)收集全国和HFRS发病率居前9位的省份(黑龙江、陕西、吉林、辽宁、山东、河北、江西、浙江和湖南省)2004-2017年HFRS逐月发病率资料, 其中, 2004-2016年资料作为训练数据, 2017年1-12月资料作为测试数据。利用训练数据拟合全国和9个省份HFRS发病率的SARIMA、GAM、LSTM;利用拟合模型预测2017年1-12月HFRS发病率, 并与测试数据比较。采用平均绝对百分比误差(MAPE)评价模型拟合及预测精度, MAPE < 20%时模型拟合或预测效果为好, 20%～50%为可接受, > 50%为差。结果从总体拟合及预测效果来看, 全国和黑龙江、陕西、吉林、辽宁、江西省的最优模型为SARIMA(MAPE分别为19.68%、20.48%、44.25%、19.59%、23...     

人工神经网络在上海市肾综合征出血热发病率预测中的应用

[目的]应用人工神经网络的方法开展上海市肾综合征出血热发病率的预测。[方法]采用广义回归神经网络和反向传播神经网络的方法,将上海市历史人群抗体阳性率、宿主动物的监测资料和气象数据作为训练样本进行上海市肾综合征出血热历史疫情拟合,并开展未来发病率的预测。[结果]两种人工神经网络方法可综合监测资料,对上海市散发的肾综合征出血热的发病率进行拟合和预测,广义回归神经网络方法的拟合和预测效果优于反向传播神经网络方法。[结论]人工神经网络方法可以用于上海市肾综合征出血热发病率的预测,上海市未来发病率可能保持在低水平。     

非线性自回归神经网络在肾综合征出血热流行趋势预测中的应用

目的 探讨非线性自回归(NAR)神经网络拟合及预测我国HFRS流行趋势的应用。方法 使用2004－2013年全国HFRS月报告发病数序列建立ARIMA模型和NAR神经网络模型,预测2014年HFRS月发病数,并比较两模型的拟合和预测效果。结果 对于拟合集,ARIMA模型的平均绝对误差(MAE)、均方误差平方根(RMSE)和平均绝对误差百分比(MAPE)分别为148.058、272.077和12.678%, NAR神经网络分别为119.436、186.671和11.778%; 对于预测集,ARIMA模型的MAE、RMSE和MAPE分别为189.088、221.133和21.296%, NAR神经网络分别为119.733、151.329和11.431%。结论 NAR神经网络对于全国HFRS流行趋势拟合及预测效果优于传统的ARIMA模型,具有良好推广应用价值。     

遗传优化的广义回归神经网络在肺结核发病预测中的应用

目的 利用西安市2008年1月至2019年10月结核病月发病率数据分别建立广义回归神经网络和BP神经网络预测模型，提出利用遗传算法的全局搜索能力优化广义回归神经的光滑因子。 方法 以2008年1月至2018年12月发病率作为训练样本，以2019年1月至10月发病率作为测试样本，对两种模型的仿真预测结果进行对比分析。 结果 遗传优化的广义回归神经网络其预测的平均绝对误差（MAE），均方根误差（RMSE），平均相对误差（MAPE）均小于BP神经网络，预测效果更优。 结论 遗传优化的广义回归神经网络较BP神经网络在肺结核发病率预测中有更好的拟合效果和预测精度，其预测效果更理想。其具有良好的实用价值，为肺结核发病率的预测提供了一种有效的方法。     

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。     

基于动态学习比率BP神经网络的时间序列预测方法

目的 探讨人工神经网络在时间序列资料分析中的应用。方法 利用动态学习比率BP算法以双曲正切函数为功能函数的非线性时间序列预测方法。结果 建立HFRS发病率的两种ANN预测模型，其预测精度远远高于传统方法。结论 BP人工神经网络可以用于疾病发病率或死亡率的预测。     

基于人工神经网络的非稳态噪声性耳聋发病率预测模型的研究

目的 提高非稳态噪声性耳聋发病率预测精度。方法 根据噪声性耳聋的发病率与其影响因素之间存在的映射关系，建立反向传播神经网络(BP神经网络)模型，用于非稳态噪声性耳聋发病率的预测。结果 得到由2个输入单元、1个输出单元、9个隐含单元组成的BP神经网络非稳态噪声性耳聋发病率预测模型，预测值最大相对误差和平均误差都低于传统预测模型，达到满意效果。结论 BP神经网络模型作为噪声性耳聋早期预测的工具，具有一定的推广价值。     

SARIMA-GRNN组合模型和SARIMA模型在流行性腮腺炎发病率预测中的应用

目的 探讨SARIMA-GRNN组合模型和SARIMA模型在流行性腮腺炎发病率预测中的应用,并对他们的预测效果进行比较.方法 选取2004-2016年上海市流行性腮腺炎逐月发病率资料,基于2004年1月-2016年6月的数据建立SARIMA模型.利用2004-2015年流行性腮腺炎的SARIMA模型拟合值与实际值、时间...     

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P<0.05）,与前1个月的平均相对湿度、平均气压均呈负相关（均P<0.01）;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R²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R²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。     

基于GRNN的组合预测模型在传染病发病率预测中的应用

目的研究基于GRNN的组合预测模型拟合传染病发病率的优越性和不足。方法以浙中某市1998—2008年的肺结核发病率为研究资料,分别构建了灰色模型和ARIMA模型,以这两种模型为基础构建了基于GRNN的组合预测模型。结果残差修正GM(1,1)模型、ARIMA(1,0,1)*(1,1,0)12模型、基于GRNN的组合预测模型的MSE,MAE,MAPE和MER分别为37.451,5.692,53.69%,48.51%;18.509,3.761,35.13%,32.05%;9.961,2.571,25.6%,21.9%。结论基于GRNN的组合预测模型的预测精度优于两种单项模型。