BP神经网络模型用于气象因素对脑出血死亡影响的初步研究

目的 探讨BP神经网络预测模型在分析气象因素与脑出血死亡率关系中的应用.方法 根据BP神经网络的特性,利用MATLAB 7.0软件的神经网络工具箱对2007-2009年哈尔滨市气象数据建立脑出血死亡率的BP神经网络预报模型,并与传统的多元线性回归模型进行比较.结果 利用多元线性回归结果显示脑出血死亡率与最高气温、最小相对湿度呈负相关,与平均相对湿度、日照时数呈正相关.脑出血死亡率的非线性相关系数(RNL)为0.7854,平均绝对误差百分比( MAPE)为0.21,均方误差(MSE)为0 22,平均绝对识差(MAE)为0.19,预测准确度(P)为81.31％,平均误差率为0.19.BP神经网络模型的拟合结果显示,脑出血死亡率的RNL为0 7967,MAPE 为0.19,MSE为0.21,MAE为0.18,P为82.53％,平均误差率为0.17.结论 应用BP神经网络预测模型对2010年哈尔滨市脑出血死亡率进行预报,通过与多元线性回归模型预报结果进行比较,表明该模型具有更高的预报准确度.     

上海市宝山区手足口病与气象因素关系的反向传播神经网络模型研究

目的 探讨手足口病发病与气象因素的关系,建立手足口病发病的反向传播(back-propagation,BP)神经网络模型,并评价拟合效果.方法 收集2010-2013年上海市宝山区的气象资料和手足口病的发病资料.利用SPSS 16.0统计软件进行气象因素与手足口病周发病数的相关分析,利用Matlab 6.5软件构建手足口病与气象因素的BP人工神经网络模型.结果 手足口病的周发病数与同1周的周平均气温、周最高气温和周最低气温均呈正相关,与周平均气压呈负相关(均有P ＜0.05).手足口病的周发病数与前1周的周平均气温、周最高气温、周最低气温和周平均湿度均呈正相关,与周平均气压呈负相关(均有P＜0.05).BP神经网络模型的拟合结果显示,用同1周的气象因素资料建立的BP神经网络模型,手足口病发病数回代值的平均误差率MER=2.85％、R2=0.87,用前1周的气象因素资料,手足口病发病数回代值的平均误差率MER=1.57％、R2 =0.93.结论 气温、平均气压和平均湿度对手足口病的发病影响较大,应用前1个周的气象资料建立的BP神经网络模型对手足口病具有很好的拟合和预测能力.     

南京市江宁区2010年气象因素对SO2等大气污染物浓度的影响

目的探讨气象因素对大气污染物浓度的影响,以期建立气象因素与大气污染物浓度关系的模型。方法收集南京市江宁区2010年气象资料(日平均气压、日最高气压、日最低气压、日平均气温、日最高气温、日最低气温、日平均相对湿度、日最小相对湿度、日降水量、日平均风速、日照时数)和大气主要污染物(SO2、NO2、PM2.5)浓度资料,以气象因素对大气污染物浓度进行多元线性回归分析,建立多元回归方程。结果 SO2日平均浓度与日最高气压和日最高气温呈负相关,与最低气压呈正相关;NO2日平均浓度与最低气温呈负相关;PM2.5日平均浓度与日最小相对湿度和日平均风速呈负相关。结论气象因素的变化对于大气污染物浓度有一定影响。在污染物特征及地形地貌基本不变、总的污染物排放相对稳定的情况下,通过建立多元回归方程可以预测气象因素变化对大气污染物浓度的影响。     

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。     

基于气象因素的上海市金山区手足口病多元线性回归预测模型

目的应用多元线性回归构建基于气象因素的上海市金山区手足口病预测模型。方法收集上海市金山区2010年至2013年手足口病逐日发病人数与包括日最高气温、日最低气温、日平均气温、日最低相对湿度、日平均相对湿度、日平均气压、日降水量、日平均日照时数、日平均风速在内的9种同期气象资料进行相关分析,并选择相关系数有显著性的气象因素进行手足口病的逐步回归模型构建。结果手足口病发病人数与日最高气温、日最低气温、日平均气温、日平均相对湿度、日最低相对湿度呈正相关性（P<0.05）,与日平均气压、日平均风速呈负相关性（P<0.05）。最终有日平均气压、日平均风速和日最高气温进入模型,回归系数分别为-0.129、-0.299和-0.039,且容忍度与方差膨胀因子均显示模型不存在严重的多重共线性。结论基于气象因素的上海市金山区手足口病预测模型解释性拟合程度较好,可用于短期预测。     

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.     

干旱地区伤寒副伤寒与气象因素关系的BP神经网络模型

目的应用人工神经网络的原理和方法,探讨在干旱灾害条件下影响伤寒副伤寒流行的关键气象因子,建立旱灾地区传染病疫情的BP神经网络模型,并评价模型的拟合效果.方法利用Matlab 6.5软件对人工神经网络BP模型进行构建、训练及模拟.结果伤寒副伤寒发病率回代平均误差率和R2分别为0.84%和0.9999,自变量对输出的贡献量分析结果显示,平均蒸发量和平均气压对于伤寒副伤寒发病率影响最大.结论伤寒副伤寒与气象因素关系的 BP神经网络模型拟合效果较好,有进一步研究的价值.     

北京市海淀区细菌性痢疾与气象因素的关系

目的研究北京市海淀区细菌性痢疾发病与气象因素的关系；建立主成分多元线性回归方程，预测菌痢周发病数，并建立菌痢发病预警系统。方法收集北京市海淀区2004年1月1日～2006年12月31日菌痢周发病数和同期气象因素资料，建立数据库，SPSS11．5与SAS8.0相结合进行相关分析、主成分分析和多元线性回归分析。结果相关分析结果显示，菌痢周发病率与平均气温、水气压、湿度、最高气温、最低气温和最小相对湿度成正相关，与风速和日平均海平面气压成负相关。主成分多元线性回归分析结果显示，对菌痢发病数影响大的气象因素有日照时间、水气压、日平均海平面气压和温度。结论①海淀区菌痢发病率有明显的季节性，日照时间长、高温高湿、低压气候易引起菌痢的高发；②主成分多元线性回归建立的预测方程能预测近期蔚痢的周发病数。     

西安市春夏气象因素对大气污染的影响

目的 探讨气象因素对大气污染的影响.方法 收集2005年4月1日-6月30日西安市气象因素(日最高、最低气温、日平均气压、日平均相对湿度)和大气污染物浓度(SO2、NO2及PM10)资料,绘制资料中各要素的时间趋势图,研究气象因素以及大气污染物随时间变化的趋势;对大气污染物浓度与气象因素进行多重线性回归分析和相关分析.结果 该时间段气温呈上升趋势,日均相对湿度也呈一定上升趋势,日均气压逐渐下降;空气污染物浓度呈一定下降趋势但并不明显.各气象因素和大气污染物之间呈现一定统计学相关(P＜0.05),各气象因素对大气污染物浓度影响的回归方程为lnSO2=-3.352 0.019×最高气温-0.026×最低气温,lnNO2=-3.448-0.003×日均湿度 0.012×最高气温-0.015×最低气温,lnPM10=-2.197 0.011×最高气温-0.021×最低气温.结论 气象因素的变化对大气污染状况具有一定的影响.     

深圳市气象因素对SO2等大气污染物的影响研究

目的探讨气象因素对大气污染物的影响及建立气象因素与大气污染物浓度关系的模型。方法收集深圳市2002—2007年气象资料(日平均气压、日最高气压、日最低气压、日气压差、日平均气温、日最高气温、日最低气温、月降雨量、日平均相对湿度、日最小相对湿度、风速)和大气污染物(SO2、NO2、PM10)浓度资料,对大气污染物浓度与气象因素进行多重线性回归分析,建立多元回归方程。结果日最小相对湿度与大气中SO2、NO2浓度呈负相关,日最低气温与大气中NO2浓度呈负相关,日平均相对湿度、风速与大气中PM10浓度成呈负相关,日气压差与大气中PM10浓度呈正相关,SO2、NO2、PM10浓度与各气象因素建立的多元回归方程模型均有统计学意义(P<0.001)。结论气象因素的变化对大气污染物浓度有一定影响,利用气象因素与大气污染物浓度的相互关系可建立反映两者内在关系的多元回归方程模型。