基于GA-BP神经网络的衡阳市手足口病疫情预测
引言
手足口病(Hand-Foot-Mouth Disease,HFMD)是一种由肠道病毒引起的儿童急性传染病,可引起婴幼儿身体发热和手、足、口腔等部位的皮疹、溃疡,严重时可引起心肌炎、肺水肿、无菌性脑膜脑炎等并发症[1]。研究表明[2-4],影响手足口病的除卫生习惯、接触史等社会因素外,还有温度、湿度等气象因素。依据衡阳市气象局提供的各气象数据,初步选取相关气象因子共10个作为手足口病气象影响因子,如表1所示[5]。以衡阳市手足口病及气象因素为例,通过主成分分析将气象影响因子降维,提取特征参数作为训练样本,采用遗传算法(Genetic Algorithm,GA)优化的BP神经网络,建立手足口病疫情预测模型,并利用实际数据进行分析。
表1 发病情况气象影响因子统计[5]
气象影响因子 |
单位 |
气象影响因子 |
单位 |
月晴天天数(X1) |
天 |
月最低气温(X6) |
摄氏度℃ |
月多云天数(X2) |
天 |
月平均体感温度(X7) |
摄氏度℃ |
月阴天天数(X3) |
天 |
月总降水量(X8) |
毫米mm |
月雨天天数(X4) |
天 |
月内日最低湿度(X9) |
% |
月最高气温(X5) |
摄氏度℃ |
月平均湿度(X10) |
% |
一、手足口病疫情预测设计
采用结合主成分分析法的GA-BP神经网络建立手足口病疫情预测模型,总的建模思路如图1所示。利用主成分分析法[6-7]降低气象影响因子的维度,减少了输入网络的数据量并同时缩小了BP神经网络的网络规模,一定程度上减小了神经网络本身的缺陷并加快了网络收敛速度,从而有效挖掘气象因子与手足口病关系。通过主成分分析方法提取四个主要成分,作为BP神经网络的输入层,再通过隐含层到达输出层。
图1 预测模型的总体思路
二、基于GA-BP神经网络的手足口病疫情预测
(一)GA-BP预测模型的实现。利用主成分分析方法对影响手足口病的气象因子进行处理,通过Matlab软件实现主成分分析,得到各个气象因子的特征值、贡献率以及累计贡献率,预先设置累计贡献率超过的阈值95%,提取四个气象因子用于GA-BP预测模型。
在遗传算法进化过程中,设置种群数目为50,进化代数为100,交叉概率为0.5,变异概率为0.08。经遗传算法优化后可得到 BP 神经网络各层之间权值和阈值。
(二)预测结果及分析。网络训练完成后,根据衡阳市气象局公布的数据,输入2010、2011年气象因子通过模型进行仿真得到预测值,得到仿真发病人数值与实际发病人数进行对比如图2、图3所示。如图2、图3所示,模型预测值与实际发病趋势基本吻合。其中,通过2010年与2011年各月发病数实际值与模型预测值对比,可得知模型2010、2011年预测值中,一月份到三月份的相对误差均小于7%,精确度较高,而四月到九月手足口病高发期模型的预测值相对误差较大,最大相对误差高达25.4%。
图2 2010年发病率预测结果与实际对比
图3 2011年发病率预测结果与实际值对比
三、结论
针对湖南省衡阳地区手足口病疫情预测问题,考虑气象因子对手足口病疫情的影响,利用主成分分析降低气象影响因子维度,将提取的主成分数据作为预测模型输入量,减小了网络规模。将主成分分析与遗传BP神经网络相结合,建立疫情预测模型。预测结果表明,预测发病趋势与实际发病趋势大致吻合,其中前三月的预测结果较为精确,表明衡阳市气象因子作为训练样本在预测衡阳市手足口病问题中具有一定泛化性。
- 上一篇: 有关大学生学术英语写作论证能力发展实证研究 2024-05-08
- 下一篇: 几种菊科植物花粉粒形态的比较研究 2021-08-20