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。     

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.     

智能神经网络模型用于气象因素对疟疾发病影响的初步研究

目的 建立气象因素与疟疾的智能神经网络预测模型。方法 利用Matlab6．1软件中的神经网络工具箱，根据预实验结果，利用云南省红河地区1994～1999年月平均气压、月平均气温、月最高气温、月最低气温、月降水量、月降水日数、月平均相对湿度、月蒸发量、月日照时数等气象数据与疟疾发病率等级数据建立反向传播网络(BP网络)预测模型，并对模型进行验证。结果 神经网络经100次学习和训练，训练误差从3．23608下降至0．035862，通过建立的智能神经网络模型对未来疟疾发病率进行预测，其预测符合率为84．85％。结论 智能神经网络在气象因素与疟疾之间建模是可行的，其预测符合率达80％以上。智能神经网络具有综合能力强，对数据的要求不高，适时学习等突出优点，且操作简便，节省时间，易于掌握和应用。研究中数据的应用、纳入、排出等问题有待于进一步研究。智能神经网络模型可以作为疟疾预测的一种新方法。     

使用最小二乘支持向量机技术预测传染病发病率的研究

目的将最小二乘支持向量机(LS-SVM)技术应用到传染病预测中,寻找更加理想的预测结果。方法以某市1991—2002年乙型肝炎(乙肝)月发病率数据建立最小二乘支持向量机预测模型,对2003年1—6月的月发病率进行预测。结果 IS-SVM预测值分别为0.709 9,0.668 1,0.502 5,0.685 1、0.578 5,0.773 7,通过与径向基函数(RBF)神经网络模型和累积式自回归动平均模型(ARIMA)预测结果进行比较,预测精度明显高于RBF网络模型和ARIMA模型,相对误差明显减少,仅为ARIMA模型的23.62%,RBF网络模型的54.69%。结论 LS-SVM模型对乙肝发病率的预测精度更高,效果更好,也验证了支持向量机方法预测能力出色的理论优点,证明了支持向量机技术在传染病预测领域同样有着良好的表现。     

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。     

基于SARIMA - SVR模型的喀什地区流行性腮腺炎的流行趋势预测

目的 利用季节性自回归滑动平均模型（seasonal autoregressive integrated moving average，SARIMA）、支持向量回归模型（support vector regression， SVR）对喀什地区流行性腮腺炎( mumps)的月发病数进行预测，在上述两模型的基础上建立SARIMA - SVR组合模型，提高预测的精准度，为控制新疆喀什地区2021年流腮传播趋势提供科学预测。方法 以喀什地区2005年1月—2017年12月的流腮月发病数据为训练集，进行数据的拟合以及预测模型的训练，分别建立SARIMA、SVR、SARIMA - SVR组合模型。对2018年1月—2020年12月的流腮月发病数进行预测，并与实际值相比较，采用均方根误差(root mean square error，RMSE)衡量模型预测性能。结果 ARIMA(2，1，1)(0，0，1)12为最优的SARIMA模型，建立的SARIMA、SVR、SARIMA - SVR组合模型预测2018年1月—2020年12月的喀什地区流腮月发病数的RMSE分别为:9.611、9.545、3.427。结论 SARIMA - SVR组合模型对喀什地区流腮的预测精度高于单一预测模型，故选取该模型建立方式，利用2005年1月—2020年12月的喀什地区流腮月发病数据预测该地区2021年的月发病数。     

基于BP神经网络的河南省甲乙类法定报告传染病预测研究

目的 建立用于河南省法定报告传染病(甲乙类)预测的神经网络模型,为制定传染病预防和控制措施提供理论依据.方法 首先确定预测模型的基本结构,以归一化后的2003-2009年河南省甲乙类法定报告传染病发病率数据为训练样本,以2010年的数据为检验样本,采用改进的BP神经网络算法训练预测模型.利用该模型对2011-2013年河南省甲乙类法定报告传染病发病率数据进行预测.结果 所建立的模型在仿真预测样本点的平均相对误差为0.076％,在检验样本处的预测误差为0.434％.并获得了2011-2013年河南省甲乙类法定报告传染病发病率预测数据.结论 所建立的BP神经网络模型具有良好的预测精度,适合用来进行河南省甲乙类法定报告传染病发病率的预测.     

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。     

基于PSO的BP神经网络在腮腺炎发病率预测中的应用

目的为提供更加准确的预测结果合理调配卫生资源,将基于PSO的BP神经网络应用到铜陵市腮腺炎发病率预测中。方法根据铜陵市2006-2011年的腮腺炎发病率及其相关因素,利用基于PSO的BP神经网络建立腮腺炎发病率预测模型,并对模型的有效性进行验证。结果预测结果显示,PSO-BP神经网络对2012年1-6月铜陵市腮腺炎发病率的预测平均误差为2.57%,预测精度明显高于传统的BP神经网络。结论 PSO-BP神经网络模型能够较好地克服传统BP神经网络易陷入局部极值、收敛速度慢等缺点,为腮腺炎发病率的预测提供了一种有效的方法。     

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.     

自回归移动平均模型在细菌性痢疾流行趋势预测中的应用

目的探讨时间序列分析中自回归移动平均模型在六安市细菌性痢疾发病预测的可行性和适用性,为早期做好防控工作提供科学依据。方法使用SPSS 17.0软件对六安市2003年1月～2012年12月的细菌性痢疾月发病率建立ARIMA模型,以2013年的1～7月实际发病率作为预测模型的考核样本,验证模型的预测效果。结果六安市细菌性痢疾月发病率模型为ARIMA（0,0,1）×（0,1,1）12,模型移动平均参数MA1=-0.473（t=-5.153,P〈0.05）,季节移动平均参数SMA1=0.937（t=2.494,P=0.014）;残差分析Ljung-BoxQ统计量经检验,差异无统计学意义（Ljung-BoxQ=10.208,P=0.856）,提示残差为白噪声。模型预测的平均相对误差为27.82%,但预测的动态趋势与实际值基本吻合,且实际值均在预测值的95%可信区间内。结论 ARIMA（0,0,1）×（0,1,1）12模型可为六安市细菌性痢疾的防控提供参考。     

ARIMA乘积季节模型在流行性腮腺炎发病率预测中的应用

目的构建时间序列分析ARIMA乘积季节性模型,预测武汉市2013年流行性腮腺炎发病趋势,探讨该模型在流行性腮腺炎发病率预测中的应用。方法利用中国疾病监测信息报告系统2005年1月至2012年12月武汉市流行性腮腺炎月发病资料,运用PASWStatistics18．0专家建模器,考虑季节性因素建立ARIMA预测模型,并将所建模型对2013年流行性腮腺炎月发病率进行预测。结果模型残差序列为白噪声,ARIMA（0,1,0）（0,1,1）。：模型构建理想,能较好地拟合时间序列,2013年流行性腮腺炎月发病高峰在5～7月,至11、12月出现次要高峰。结论专家建模器构建乘积季节性模型拟合效果较好,但在实际工作中要充分考虑流行性腮腺炎各项防控措施推行等影响因素,综合分析,为防控工作提出理论与实证建议。     

时间序列分析在阜阳市细菌性痢疾发病预测中的应用

目的探讨时间序列分析在细菌性痢疾发病预测中的应用,验证分析模型的可行性与适用性。方法利用阜阳市2009年1月～2013年6月细菌性痢疾发病资料,拟合自回归移动平均（ARIMA）模型,对阜阳市2013年7～11月各月发病情况进行预测评价。结果建立ARIMA（1,2,0）（0,1,0）12模型,预测结果基本符合实际发病变动趋势,验证了该模型的可行性。结论 ARIMA模型可用于模拟细菌性痢疾发病在时间序列上的变化趋势分析,并进行短期预测。     

猩红热的发病率与气象因素的负二项回归分析

目的通过负二项回归模型探讨气象因素与猩红热发病的关系。方法对1985—2005年安徽省某市猩红热月平均发病率和月平均降水量、月平均气压、月平均气温、月平均相对湿度、月平均最低气温5项气象资料的数据进行描述性分析,然后拟合负二项回归模型,并且对2006年每个月份的发病率做一个预测。结果模型的超离散度K=0．41（95％CI：0．32-0．53）,进行似然比）x2检验x2=306．42,P〈0．001,认为发现负二项回归是适合的模型。猩红热的发生与月平均气压、月平均相对湿度和月平均最低气温有统计学意义（均有P〈0．05）。对2006年各个月份的月发病率预测的结果表明（Wilcoxon符号秩和检验,Z=0．24,P=0．814）,预测值与实际值之间差异无统计学意义,提示预测效果比较理想。结论通过拟合负二项回归模型发现,对猩红热的发生和预测,月平均气压、月平均相对湿度和月平均最低气温是不可忽略的气象因素。     

Elman神经网络在手足口病发病率预测中的应用初探

目的探索Elman神经网络在传染病预测中的应用价值。方法利用2005年1月～2010年6月我国内地法定报告的手足口病月发病率资料分别构建Elman神经网络、BP神经网络以及季节性自回归移动平均模型(SARIMA),并对3种模型进行预测效果评价。结果 Elman神经网络的预测结果的平均绝对误差(MAE)及均方误差平方根(RMSE)均小于BP神经网络、SARIMA模型。结论 Elman神经网络的预测效果较好,对于手足口病发病率预测具有较好的应用价值。     

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。     

应用ARIMA模型对甲型病毒性肝炎疫情预测的研究

目的探讨时间序列ARIMA模型在浙江省甲型病毒性肝炎疫情预警应用中的可行性。方法利用EViews5.0、SPSS13.0等统计软件对历年疫情资料汇编,《国家疾病报告管理信息系统》报告的浙江省甲肝按月发病数建立ARIMA模型。结果对甲肝发病数序列建立季节模型为ARIMA(1,0,0)(0,1,1)12,对2009年甲肝按月发病疫情拟合较好,能够及时、准确对疫情进行跟踪。结论 ARIMA模型能够较好应用于短期甲肝预测、预警,为疫情防控提供科学依据。     

SARIMA-RBF组合模型在流行性腮腺炎流行趋势预测中的应用

目的 探讨SARIMA-RBF组合模型拟合及预测我国流行性腮腺炎（流腮）流行趋势的应用。方法 利用全国2004—2015年流腮逐月发病率建立SARIMA模型。将基于SARIMA模型的拟合值作为输入向量,实际值作为输出向量,根据时间因素作为输入向量与否建立2个SARIMA-RBF组合模型（加入时间因素记为组合模型A,不加入时间因素记为组合模型B）。运用SARIMA模型和2个SARIMA-RBF组合模型预测2016年7—12月流腮发病率并与实际值比较,采用平均绝对百分比误差（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（0,1,1）（0,1,1） ₁₂为最优SARIMA模型。SARIMA模型、组合模型A和组合模型B拟合的MAPE 分别为15.724%、12.217%、13.941%,MER分别为15.168%、10.179%、14.042%,MSE分别为0.336、0.167、0.713,MAE分别为0.296、0.199、0.274。预测的MAPE 分别为12.069%、7.904%、9.598%,MER分别为12.331%、7.872%、10.636%,MSE分别为0.022、0.013、0.025,MAE分别为0.138、0.088、0.119。结论 考虑时间因素的SARIMA-RBF组合模型为最优拟合及预测模型,具有良好推广应用价值。     

应用ARIMA模型预测厦门市2017年乙肝月发病率

目的 分析厦门市乙型肝炎发病的流行病学特征,建立ARIMA模型并预测2017年厦门市乙肝月发病率,为厦门市乙肝防治提供理论依据。方法 对2005 - 2016年厦门市乙肝报告发病数据进行统计描述,通过ARIMA模型预测2017年的乙肝月发病情况。结果 厦门市2005 - 2016年乙肝报告年均发病率为45.70/10万,乙肝年发病率呈逐渐下降趋势;男性乙肝发病高于女性;各年龄组乙肝发病水平存在差异;15岁以下儿童乙肝发病率显著低于其他高年龄组的发病水平。建立模型ARIMA（1,1,1）×（0,1,0）12 ,模型的拟合效果较好,2017年厦门市乙肝月发病率预测值区间为[0.92/10万,4.76/10万]。结论 厦门市2005 - 2016年乙肝发病总体呈现下降趋势,经预测2017年厦门市乙肝发病率与前几年相比波动不大,有轻微下降趋势,可用ARIMA模型对乙肝的短期发病情况进行预测。