目的 阐述建立Elman神经网络模型预测肾综合征出血热(HFRS)发病率的方法和步骤,探讨其应用前景。方法 使用全国2004－2013年HFRS的月发病率资料,建立Elman神经网络预测模型和SARIMA模型,对2014年1－9月HFRS的月发病率进行预测,比较2个模型的拟合和预测效果。结果 对于训练样本,Elman神经网络的平均绝对误差(MAE)、平均绝对误差百分比(MAPE)以及均方误差平方根(RMSE)分别为0.0088、0.1191和0.0127;SARIMA 模型的MAE、MAPE 和RMSE 分别为0.0111、0.1268 和0.0206。对于预测样本,Elman 神经网络的MAE、MAPE 和RMSE 分别为0.0079、0.1180 和0.0096;SARIMA 模型的MAE、MAPE 和RMSE 分别为0.0178、0.2778 和0.1861。结论 Elman神经网络较好地拟合和预测了全国HFRS的发病趋势,并且其拟合和预测效果优于SARIMA模型,具有较强的推广应用价值。

目的 分析辽宁省2005－2007年肾综合征出血热(HFRS)流行特征和影响HFRS发病的环境因素,为制定HFRS防制措施提供科学依据。方法 收集辽宁省HFRS疫情资料,对流行特征及其与平均气温、相对湿度、降雨量、日照、城市鼠密度、农村鼠密度和鼠带病毒率等因素进行相关性分析。结果 2005－2007年全省HFRS共发病7298例,死亡78例。年平均发病率为5.78/10万,死亡率为0.06/10万;男性发病率和死亡率均高于女性;发病和死亡主要分布于35～60岁年龄组,分别占总数的59.55%和69.23%;发病和死亡病例主要为农民,分别占总数的61.98%和56.41%;发病高峰主要在11月至次年1月和3－5月,7－10月呈现低谷期,具有混合型疫区的季节特点;年平均发病率较高的是本溪、葫芦岛、锦州、丹东和抚顺市,分别为13.70/10万、12.92/10万、11.30/10万、10.21/10万和9.84/10万。HFRS的发病与气温呈负相关,与降雨量、农村鼠密度及带病毒率呈正相关,Spearman秩相关系数分别为-0.351、0.400、0.449和0.377,P值分别为0.023、0.009、0.003和0.016。结论 辽宁省HFRS主要流行于冬春季,主要发病人群为男性青壮年农民。该病的流行与当年气温、降雨量、农村鼠密度及带病毒率密切相关。

【摘要】 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），弃一交叉验证准确率为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），弃一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疫情，Bayes逐步判别分析在预测HFRS疫情方面具有一定实际应用价值。

目的 探讨支持向量机(SVM)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 首先,利用辽宁省葫芦岛市1984-2006的气象资料(包括平均气压、平均气温、平均降雨量、相对湿度、日照时数、日照百分率)和动物疫情资料(包括鼠密度和鼠带病毒率)共8个指标作为解释变量,所有变量均进行归一化到[0,1]区间,将整个数据集分成训练集和检验集,从数据集中随机抽取1/3个体(舍入取整)组成检验集,其余样本作为训练集。其次,利用软件R2.60构造HFRS发病率预测的SVM模型,获得误差平方和。最后,与基于反馈(BP)和径向基函数(RBF)神经网络模型的预测结果进行比较。结果 对于训练集,SVM拟合的误差平方和的-x± s为(0.031±0.009),而BP和RBF神经网络拟合的误差平方和的x-± s分别为(0.074±0.030)和(0.082±0.018);对于检验集,SVM预测的误差平方和的x-± s为(0.067±0.021),而BP和RBF神经网络预测的误差平方和的x-± s分别为(0.073±0.022)和(0.089±0.036)。结论 SVM作为近年来在统计学理论的基础上发展起来的一种新的模式识别方法,在解决小样本、非线性及高维模式识别问题中具有较高的预测精度和较强的泛化能力。该模型对于发病率的预测是可靠的,可以作为HFRS疫情预测的参考方法。

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 ²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。

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 r ²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 r ²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。

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。

目的 探讨虫媒传染病斑疹伤寒和流行性乙型脑炎(乙脑)的发病率与气象因素的关系,建立反馈(BP)神经网络预测模型,并评价模型的效果。方法 利用SPSS10.0统计软件进行气象因素与斑疹伤寒和乙脑发病率的相关分析;利用Matlab6.5软件构建乙脑和斑疹伤寒发病率的BP人工神经网络预测模型。结果 相关分析结果显示乙脑的发病率与平均气压呈负相关( P<0.01),与平均蒸发量和最高温度呈正相关( P<0.05)。斑疹伤寒的发病率与平均气温和平均地面温度呈负相关( P<0.05)。斑疹伤寒的发病率还与最低温度呈负相关( P=0.062)。BP神经网络模型的回代结果显示,乙脑和斑疹伤寒发病率拟合模型平均误差率(MER)和决定系数(R ²)分别为27.44%和98.09%及29.00%和65.35%,模型拟合效果较好。应用BP神经网络模型对1994年乙脑和斑疹伤寒发病率进行预测,其相对误差分别为80.00%和120.86%,模型的预测效果一般。结论 平均气压、平均蒸发量、温度对虫媒传染病的发病率影响较大。应用BP神经网络模型对虫媒传染病的发病率具有一定的拟合和预测能力,值得进一步研究。