ICU患者感染发病率的RBF神经网络模型预测效果评价

目的采用径向基函数(Radial basis function, RBF)神经网络模型对重症监护病房(ICU)患者的医院感染发病率进行拟合及预测,并比较该预测模型与反向传播(Back Propagation,BP)神经网络及差分整合移动平均自回归(Autoregressive Integrated Moving Average model,ARIMA)模型的预测效果。方法将2014年1月-2016年12月医院ICU患者感染发病率数据作为训练集,建立BP模型、RBF神经网络模型和季节性ARIMA模型。分别对2017年1月-2018年7月ICU患者的感染发病率进行预测,其中2017年1-10月数据作为验证集。分别用三类误差分析指标刻画BP模型及RBF神经网络拟合效果,并和季节性ARIMA模型预测效果进行比较。结果 RBF神经网络训练出的预测模型预测误差评价值MAPE为0.340%,MRE为4.509,RSE为0.049,其值均小于BP神经网络模型与季节性ARIMA模型的误差指标,有较好的预测效果。结论 RBF神经网络和BP神经网络模型均能较好地拟合ICU感染发病率,但从验证集的预测结果看,RBF神经网络模型较BP神经网络模型和季节性ARIMA模型各项误差指标较低,可作为预防和控制ICU医院感染发病率的理论依据。     

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.     

两种神经网络模型预测煤工尘肺发病工龄的性能比较

[目的]探讨反向传播（back propagation,BP）神经网络模型与径向基函数（radial basis function,RBF）神经网络模型在煤工尘肺发病工龄预测中预测性能的优劣。[方法]采用SPSS19．0中的BP和RBF神经网络模型对研究数据进行预测分析。采用均方根误差、平均相对误差和平均绝对误差对两种模型的预测结果进行比较分析,从而得到比较各模型预测性能的目的。[结果]由BP神经网络模型进行预测可以得出发病工龄预测值和真实值的散点分布图大致位于从原点起始的45度线上,符合理想状态下值的分布情况,而RBF神经网络模型的分布则较为混乱。RBF和BP神经网络模型真实值与预测值之间的差异均无统计学意义,t值分别为0．231、0．530,P值分别为0．817、0．596。RBF和BP神经网络模型的均方根误差分别为3．51、1．89;平均相对误差分别为12％、6％;平均绝对误差分别为2．76、1．42。[结论]实证表明,在煤工尘肺发病工龄的预测中,BP神经网络模型的预测性能优于RBF神经网络模型,有较高的拟合和预测精度。     

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。     

应用直线回归统计方法对肾综合征出血热疫情进行预测研究

目的 确定肾综合征出血热（HFRS）预测指标，进行疫情预测预报。方法 选用直线回归统计方法，用带病毒鼠指数与发病率做相关分析。结果 姬鼠型疫区HFRS发病率与黑线姬鼠带病毒鼠指数呈正相关（r=0．720，t=3．741，P〈0．01）；家鼠型疫区HFRS发病率与褐家鼠带病毒鼠指数也呈正相关（r=0．610，t=3．103，P〈0．01）。流行强度与主要宿主动物数呈正相关。结论 带病毒鼠指数可以作为疫情预测的重要指标，进行预测预报。     

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。     

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。     

广义回归神经网络在肾综合征出血热发病率预测中的应用

目的探讨广义回归神经网络(GRNN)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1984-2002年沈阳市的气象资料(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1985-2003年沈阳市HFRS发病率作为神经网络的输出。利用Matlab7.0软件中的神经网络工具箱分别构建HFRS发病率的GRNN预测模型和反馈(BP)神经网络预测模型,对样本进行拟合和预测并对两者的拟合和预测性能进行比较。结果GRNN的最优光滑因子为0.35;BP神经网络的隐含层数定为6。从拟合效果来看,GRNN和BP神经网络预测模型的平均误差率(MER)分别为25.42%和25.55%;两者的决定系数r2分别为0.9438和0.9729,总的来说,拟合效果比较满意,两者拟合差异不是很明显。从预测效果来看,两者的MER分别为4.90%和15.16%,GRNN的MER远远小于BP神经网络;两者的r2分别为0.9897和0.9516。结论GRNN充分体现了它在小样本预测中的优势,预测效果优于BP神经网络,对解决HFRS等流行情况影响因素复杂的问题有很好的实用价值。     

基于粒子群优化算法随机森林模型的体外冲击波治疗泌尿系统结石疗效预测研究

目的 提出一种基于粒子群优化算法随机森林模型（PSO-RF），并用于体外冲击波治疗泌尿系统结石的疗效预测，以期为临床结石的治疗提供新的选择和思路。方法 选取2018年至2021年江苏省中医院泌尿外科确诊的原发性泌尿系统结石患者1150例为研究对象，将样本集按7:3的比例随机分为训练集（805例）和测试集（345例），使用MATLAB 2019a建立BP神经网络模型、支持向量机（SVM）模型、决策树（DT）模型及PSO-RF模型，同时将准确率、召回率、F1分数、精准率作为模型精度评判指标。结果 相比SVM模型、DT模型，PSO-RF模型的预测准确率、精确率、F1分数均提高，差异均有统计学意义（P <0.05）；相比BP神经网络模型、SVM模型与DT模型，PSO-RF模型的预测召回率提高，差异有统计学意义（P <0.05）;PSO-RF模型的AUC为0.74，时间复杂度相比BP神经网络模型降低，差异有统计学意义（P <0.05）。结论 PSO-RF模型可对泌尿系统结石治疗效果进行快速、合理、科学的预测，为泌尿系统结石的治疗提供参考，值得进一步研究和学习。     

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。     

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。     

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。     

差分自回归移动平均模型在肾综合征出血热发病预测中的应用研究

目的探讨差分自回归移动平均模型（ARIMA）在肾综合征出血热（HFRS）预测分析中的应用。方法用SPSS16．0软件建立1986-2011年河北省HFRS逐月疫情资料数据库,用ARIMA相关模块进行建模拟合并进行预测分析。结果河北省1986-2011年HFRS发病数呈现明显的季节周期性。筛选ARIMA（0,1,1）×（0,1,2）_12模型为最优模型,对河北省2012年各月发病数进行预测,2012年1-12月实际值均落人了预测值的95％可信区间内。结论ARIMA模型可以很好地拟合HFRS发病数的变动趋势,并可用于预测未来疫情,为HFRS防控工作提供依据。     

Bayes判别分析在肾综合征出血热发病预测研究中的应用

目的研究肾综合征出血热（HFRS）发病与气象因素和动物宿主的关系并建立合理的数学预报模型。方法首先选取逐月及逐年的气象指标,包括气压、气温、降雨量、相对湿度、日照时数和日照百分率作为代表因素;然后对HFRS与气象因素和动物宿主间的关系进行Pearson、Kendall及Spearman相关分析,最后利用气象因素和包括鼠密度及鼠带病毒率的动物宿主信息作为解释变量进行Bayes判别分析。结果HFRS年发病疫情与鼠密度关系最为密切（r=0．738,P=0．000）,而影响鼠密度最显著的气象因素是日照时数、日照百分率和降雨量。其中日照时数与鼠密度呈正相关（r=0．494,P=0．016）,而降雨量与鼠密度近似呈负相关（r=-0．350,P=0．101）。利用气象及动物宿主资料预测当年的人间发病强度时,逐步判别分析及全变量判别分析均具有良好的效果。逐步判别分析的组内回代及弃一交叉验证准确率均为82．6％（19／23）,而全变量判别分析的组内回代准确率为90．9％（20／22）,弃-交叉验证准确率为81．8％（18／22）。当预测下一年的发病强度时,逐步判别分析的组内回代及弃一验证正确率均为86．4％（19／22）,而全变量判别分析的组内回代分类正确率为100％（21／21）,弃-交叉验证分类正确率仅为57．1％（12／21）。结论气象因素影响动物繁殖及动物间疫情,进而影响人间的HFRS疟情．Bayes诼彤判别分析在预测HFRS疫情方面具有一定实际应用价值。     

泉州市2005—2011年肾综合征出血热流行特征与趋势预测研究

目的分析泉州市。肾综合征出血热（HFRS）的发病规律,以建立趋势预测模型。方法收集疫情报告资料、病例个案调查和实验室结果,用SPSS16．0统计软件进行X2检验,利用发病率建立灰色系统GM（1,1）预测模型,P〈O．05为差异有统计学意义。结果泉州市在2005—2011年间共发生。肾综合征出血热病例127例,呈逐年上升,差异有统计学意义（X2=85．081,P〈0．01）,无暴发疫情和死亡病例报告。发病人群多见于男性和青壮年,分别占总数的74．80％（95／127）和57．48％（73／127）,职业分布中农民和民工多发,共占61．42％（78／127）;HFRS区域特征明显,沿海地区发病率（86／34721861）显著高于山区（31／15454545）和中心城区（31／9075792）,差异有统计学意义（X2=6．531,P〈0．05）,农村（53／122）高于城市（24／122）,病例发病地点以租赁房或自建房为主,占94．26％（115／122）。时间分布为11月至次年5月,但近几年来发病季节性特点渐趋不明显,有常年化发病倾向,但差异无统计学意义（X2=2．551,P〉O．05）。建立的GM（1,1）预测模型对于泉州市的。肾综合征出血热发病趋势预测效果较好。结论泉州市。肾综合征出血热疫情近年有重新抬头趋势,应加强对高发地区和发病率上升较快地区的高危人群进行监测。     

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。     

应用灰色模型和指数平滑法预测上海市肾综合征出血热发病率

[目的]预测上海市肾综合征出血热的发病趋势。[方法]利用上海市肾综合征出血热发病资料,建立灰色模型和指数平滑模型来预测本市未来肾综合征出血热的发病率。[结果]上海地区肾综合征出血热发病率（×10-5）的灰色预测模型为：=（1.49-2.3669/0.5823）e-0.5823t＋2.3669/0.5823,拟合检验显示本模型精度等级为一级,能够较好地预测上海市肾综合征出血热发病率;Holter-Winters双参数指数平滑法预测的最小误差平方和与均方根误差最小,通过D-W检验,预测效果较好。[结论]两种方法均可应用于上海市肾综合征出血热发病率的预测。     

基于GM(1,1)-GRNN组合模型的肾综合征出血热发病率预测

目的预测浙江省肾综合征出血热(HFRS)发病趋势,为卫生工作的决策和防病治病提供科学依据。方法根据浙江省2001-2009年HFRS发病率,建立灰色GM(1,1)与广义回归神经网络组合〔GM(1,1)-GRNN〕模型,与GM(1,1)模型对比,并进行预测。结果 2001-2010年HFRS年发病率组合模型拟合值与实际值的平均相对误差为2.47%,明显低于GM(1,1)模型的平均相对误差(11.19%),组合模型的预测精度相对单一GM(1,1)模型有较大的改善;组合模型预测2011年HFRS年发病率为0.8591/10万。结论浙江省2010-2011年HFRS的发病率呈下降趋势,组合模型的预测精度高,可以提供更为准确的预测数据,从而为防控决策提供可靠依据。     

新郑市老年人脑卒中的影响因素研究及发病预测

目的 探讨logistic回归模型和BP神经网络应用于新郑市老年人脑卒中发病预测的可行性,同时寻找导致该市老年人脑卒中发生的影响因素。方法 采用整群抽样的方法,收集新郑市60岁以上老年人的体检数据,选取首次发病的1 013例患者发病时及发病前1年的数据为研究资料,按3∶1将数据分为训练组和验证组,分别应用logistic回归分析法和BP神经网络构建预测模型,并对模型进行比较及检验。结果 患糖尿病（OR = 1.733）、冠心病（OR = 3.785）、高血压（OR = 5.230）以及体温降低（OR = 0.535）是脑卒中发病的影响因素。logistic模型预测的准确率,灵敏度和特异度分别为73.3%、0.695、0.734。BP神经网络模型的准确率,灵敏度和特异度分别为70.4%,0. 644和0.765。2种预测模型的ROC曲线下面积的Z检验结果提示差异无统计学意义。结论 用二元logistic回归模型和BP神经网络预测脑卒中发病均具有可行性。稳血压、控血糖、重预防可以减小发生脑卒中的风险。