弹性BP神经网络在结核病发病率预报中的应用

[目的]探讨弹性BP神经网络在时间序列资料分析中的应用,建立结核病发病率的预测模型。[方法]利用重庆市结核病防治所于1993～2003年登记的结核病发病率时间序列资料,以双曲正切S型函数为传输函数、隐层节点为6的三层BP神经网络,建立了2种结核病发病率的非线性时间序列预测模型。[结果]建立的ANN2预测模型简单易行,预测值平均相对误差为0.06999,预测精度高。[结论]BP人工神经网络可以用于结核病发病率或死亡率的预测。     

基于BP人工神经网络的病毒性肝炎发病率自回归预测模型

目的 研究BP人工神经网络在存在自回归现象的病毒性肝炎发病率预测中的应用。方法 首先通过时间序列分析，发现病毒性肝炎发病率存在一阶自回归现象．AR(1)，然后以AR(1)和平均气压、平均气温、平均降水量和平均蒸发量四个气象指标为网络输入，将1979～1994年某地病毒性肝炎发病率变换值作为网络输出，选择1979～1992年数据，利用MATLAB软件6．5的神经网络工具箱4．0构建、训练与模拟网络，预测另外两年病毒性肝炎发病率，建立病毒性肝炎自回归BP人工神经网络模型。结果 BP人工神经网络非线性相关系数RNL=0．80，而线性自回归模型RNL=0．62。结论 BP人工神经网络较好地描述了自回归模型中的非线性关系，内插及外推预测均较好，可以用于解决存在自回归现象的问题，效果好于传统方法。     

基于BP人工神经网络的太原地区医院获得性肺炎发生情况的评测分析

目的鉴于医院获得性肺炎（NP）的高发病率及危害性，本研究对太原地区NP的流行趋势进行了评价和预测。方法收集太原地区十二年NP发病资料，以NP发生的危险因素：年龄≥60岁、基础疾病、联合使用两种以上的抗生素、入住ICU、住院时间≥21天、有创性机械通气或雾化吸氧为独立的6个危险因素作为网络输入，发病率为网络输出，构建BP人工神经网络模型。结果在评价基础上，对2006年12个月的NP发病率进行了预测，与实际发病率比较，符合率较高，预测误差较小，同时对2007年1～3月的发病率进行了预测。结论NP的发生受到很多因素的影响，各因素之间又存在着十分复杂的相互作用与不确定性，而BP人工神经网络有许多优点可以解决这些变量间关系不能精确地用函数表达的复杂问题。实践证明，该模型是可行的，同时有其普遍性，可推广到卫生领域其他疾病的评价和预测体系中。     

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。     

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.     

ARIMA模型和BP神经网络模型在甘肃省结核病发病率预测中的应用

  目的  探讨自回归滑动平均混合模型（autoregressive integrated moving average，ARIMA）与误差逆传播（（back propagation，BP）神经网络模型在甘肃省结核病发病率预测中的预测效果，选取合适的模型预测发病趋势。  方法  以甘肃省1997-2017年结核病数据为基础，建立ARIMA时间序列模型和BP神经网络模型分别预测2018-2019年的发病率，并比较两种模型的预测精度和建模效果。  结果  对于甘肃省2018年和2019年结核病发病率，ARIMA时间序列模型预测结果为55.1075，54.5373，MSE=92.24，MAE=7.5313，MAPE=9.26%；BP神经网络模型预测结果为62.0132，73.4460，MSE=9.6575，MAE=1.1449，MAPE=1.68%。  结论  BP神经网络模型对甘肃省结核病发病率的预测效果更佳，预测得2018-2019年甘肃省结核病发病率将呈小幅上升趋势。     

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.     

4种模型对我国某地区肺结核发病率的预测

[目的]对我国某地区的肺结核年发病率进行预测。[方法]采用2000～2005年的年发病率建立GM(1,1)模型。采用2000～2005年月发病率建立ARIMA(p,d,q)(P,D,Q)s模型,并结合同期气象因素,建立多元线性回归模型和BP人工神经网络模型。以2006年的实际年发病率验证4种模型的预测效果,评价指标为相对误差。选取相对误差最小的预测模型为最佳预测模型。[结果]GM(1,1)模型、ARIMA模型、多元线性模型、BP人工神经网络模型对2006年肺结核年发病率的预测值分别为126.18/10万、126.84/10万、98.95/10万和111.19/10万。以上4个模型的相对误差依次为19.84%、20.49%、5.39%和4.86%。BP人工神经网络模型为最佳预测模型。[结论]对于肺结核发病率的预测,应同时拟合几种模型,并选择其中拟合效果最好的一种模型。     

时间序列分析与机器学习方法在预测肺结核发病趋势中的应用

目的研究时间序列分析与机器学习方法在预测肺结核发病趋势中的应用。方法使用江苏省2009-2018年肺结核月度发病率数据,构建时间序列分析(ARIMA模型)、机器学习方法(支持向量回归(SVR)、BP神经网络)和两者的组合方法(ARIMA-SVR、ARIMA-BPANN)共5种预测模型,分析评价各模型预测性能。结果 ARIMA、SVR、BP神经网络、ARIMA-SVR、ARIMA-BPANN均方误差分别为0.0356、0.0364、0.0384、0.0329、0.0336;平均相对误差分别为5.76%、6.19%、6.20%、5.63%、5.70%。结论时间序列分析优于机器学习方法,而二者组合模型预测效果优于单独方法,ARIMA-SVR模型在江苏省肺结核发病趋势预测分析中具有较好的应用价值。     

小波神经网络在肾综合症出血热发病率预测中的应用

目的探索小波神经网络在传染病预测中的应用。方法构造小波神经网络对2004年1月至2010年1月我国内地法定报告的肾综合症出血热发病率数据进行训练,对2010年2月至2010年10月相应数据进行预测,并将预测结果与传统的BP神经网络及SARIMA时间序列模型进行比较。结果小波神经网络拟合结果及预测结果的MAPE、MAE及RMSE均小于BP神经网络、SARIMA模型。结论小波神经网络预测效果最优,对于肾综合症出血热等传染病发病率预测具有较好的应用价值。     

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。     

人工神经网络在传染病疫情分析与预测中的应用

传染病流行传播与环境因素的相关关系是极其复杂的非线性关系，它们之间很难用精确的数学方程式来表示，而神经网络在解决非线性问题时具有很强的优越性。本文介绍了人工神经网络（ANN）中的BP神经网络在传染病流行与传播预测方面的应用，为人工神经网络在传染病预测方面的应用提供了一定的借鉴意义。     

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。     

中低强度噪声致高频听力损伤的BP神经网络模型研究

[目的]建立中低强度噪声对高频听力损伤关系的BP神经网络模型,探讨BP神经网络模型在职业医学方面的应用。[方法]选择590名中低强度噪声接触者作为研究对象,应用SPSS10.0进行中低强度噪声和高频听力损伤关系的多元线性回归分析,同时应用Matlab7.0建立中低强度噪声和高频听阈关系的BP神经网络模型,比较人工神经网络模型和统计模型的预测效果。[结果]得到由4个输入单元、3个输出单元、18个隐含单元组成的BP神经网络模型,应用BP神经网络预测的误差绝对值平均值和相对误差绝对值都低于应用线性方程的预测结果。[结论]BP神经网络应用于中低强度噪声对高频听力损伤关系的分析效果较好,值得推广应用。     

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。     

微量元素与乳腺癌死亡率的模式识别研究

采用基于统计学习理论的支持向量机方法,建立了硒、铜、锌、镉、铬、锰和砷7种微量元素的平均摄入量与每10万人中的乳腺癌死亡人数的预测模型,并对6个国家或地区进行了预测,还与传统的人工神经网络方法进行了比较。结果表明:在根据微量元素摄入量进行乳腺癌发病率预测方面,支持向量机方法有明显的优势。     

基于人工神经网络的肺癌诊断研究

目的 利用人工神经网络模型ＢＰ算法的多层前馈网络模型原理,建立用于肺癌诊断的神经网络模型。方法 利用人工神经网络的函数逼近功能模型,建立输入到输出的函数映射关系。结果 该模型可较好地反映系统的动态性和数据的时诹关联性。对肺癌诊断数据的应用结果显示肺癌病人的正确检出率为９６．２％,误诊率为３．８％;非肺癌病人的正确检出率为８８％,误诊主继１２％。结论 基于人工神经网络的肺癌诊断方法具有较高的准确性。