小波神經(jīng)網(wǎng)絡(luò)在呼吸系統(tǒng)疾病死亡人數(shù)中的預(yù)測與評價.pdf

1、目的:
　　呼吸系統(tǒng)疾病是危害人民健康和生命的常見病和多發(fā)病，也是國內(nèi)外發(fā)病率和死亡率較高的疾病之一。由于人體的肺臟是開放性的，與外界環(huán)境有著密切的聯(lián)系，所以在引發(fā)呼吸系統(tǒng)疾病的眾多原因中，氣象因素占有很大的比重，主要的氣象因素包括:AQI(Air Quality Index)、氣溫、相對濕度。天氣的變化能夠誘發(fā)甚至加重呼吸系統(tǒng)疾病的病癥，嚴(yán)重的會導(dǎo)致患者死亡。因此，研究呼吸系統(tǒng)疾病死亡與氣象因素之間的關(guān)系有著非常重要的意義。

2、r>　　通過建立呼吸系統(tǒng)死亡人數(shù)的預(yù)測模型，分析氣象因素對呼吸系統(tǒng)疾病的影響，與死亡人數(shù)的關(guān)系。建立模型有多種方法，研究人員采用過傳統(tǒng)的統(tǒng)計方法，近些年來采用BP神經(jīng)網(wǎng)絡(luò)的方法，數(shù)據(jù)的處理的速度越來越快，精度也越來越高，逼近能力也有了很大的改善。
　　本研究擬利用小波神經(jīng)網(wǎng)絡(luò)的方法建立呼吸系統(tǒng)疾病死亡人數(shù)的預(yù)測模型，對比原有的傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)，比較其可實用性。并對各天氣因素的重要性進(jìn)行比較，從而對醫(yī)療氣象預(yù)報作進(jìn)一步的探索。

3、>　　方法:
　　首先應(yīng)用MATLAB編制morlet小波基激勵函數(shù)，然后應(yīng)用MATLAB編寫小波神經(jīng)網(wǎng)絡(luò)的程序，隨后選取2006年和2010年沈陽市日呼吸死亡和氣象數(shù)據(jù)作為實驗數(shù)據(jù)，將365天每一天的七種氣象因素(AQI、最高氣溫、氣壓、最低氣溫、平均相對濕度和最低相對濕度)的數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入，采用隨機(jī)抽樣20次將數(shù)據(jù)按照4∶2∶3的比例分為訓(xùn)練、校驗和預(yù)測三個集合。每天因呼吸系統(tǒng)疾病而死亡的人數(shù)作為網(wǎng)絡(luò)的實際輸出。根據(jù)隱

4、含層和輸出層設(shè)計不同的激勵函數(shù)組合，網(wǎng)絡(luò)訓(xùn)練根據(jù)停止準(zhǔn)則采用提前停止的方法，即利用訓(xùn)練集逐步訓(xùn)練網(wǎng)絡(luò)并計算校驗集的誤差平方和SSE2，如果SSE2上升則立即對訓(xùn)練集停止訓(xùn)練，最后將訓(xùn)練好的小波神經(jīng)網(wǎng)絡(luò)應(yīng)用到沈陽市日呼吸系統(tǒng)疾病死亡人數(shù)的預(yù)測中，計算預(yù)測集誤差平方和SSE3，并與以其它函數(shù)作為激勵函數(shù)的神經(jīng)網(wǎng)絡(luò)相對比，分析各神經(jīng)網(wǎng)絡(luò)的預(yù)測效果。
　　選擇2006年-2010年五年的沈陽市日呼吸死亡和氣象數(shù)據(jù)作為驗證數(shù)據(jù)，對數(shù)據(jù)做周處

5、理，將每一周的死亡人數(shù)相加，各氣象因素的值取平均值。網(wǎng)絡(luò)中改變隨機(jī)種子seed，訓(xùn)練20次，最后得到不同傳遞函數(shù)組合下的預(yù)測集的平均的誤差平方和和網(wǎng)絡(luò)訓(xùn)練的迭代次數(shù)，利用SPSS20.0對實驗結(jié)果做非參數(shù)檢驗的K個相關(guān)樣本檢驗，目的是分析不同傳遞函數(shù)組合是否具有統(tǒng)計學(xué)差異。
　　利用Pearson相關(guān)性分析對2006、2007、2008、2010年沈陽市日呼吸死亡人數(shù)與氣象數(shù)據(jù)之間做七天的滯后處理，此過程也由SPSS20.0完成。

6、分析各氣象因素的滯后天數(shù)，以及各氣象因素對呼吸系統(tǒng)疾病的影響。
　　結(jié)果：
　　1、小波神經(jīng)網(wǎng)絡(luò)運(yùn)行結(jié)果
　　在2006年的實驗數(shù)據(jù)中，以morlet為隱含層傳遞函數(shù)，logsig、tansig、purelin、morlet分別為輸出層傳遞函數(shù)，預(yù)測集數(shù)據(jù)的誤差平方和SSE3平均值依次為4.208，4.383，3.593，7.170，訓(xùn)練步數(shù)的平均值依次為7，6，5，7;以logsig為隱含層傳遞函數(shù)，logsig、t

7、ansig、purelin、morlet分別為輸出層傳遞函數(shù)，預(yù)測集數(shù)據(jù)的誤差平方和SSE3平均值依次為4.216，7.334，3.658，4.912，訓(xùn)練步數(shù)的平均值依次為6，7，5，5;以tansig為隱含層傳遞函數(shù)，logsig、tansig、purelin、morlet分別為輸出層傳遞函數(shù)，預(yù)測集數(shù)據(jù)的誤差平方和SSE3平均值依次為5.416，4.867，4.798，4.257，訓(xùn)練步數(shù)的平均值依次為8，7，6，6;選擇morl

8、et和tansig傳遞函數(shù)組合，分析七個天氣因素的作用，重要性排序為:最高氣溫＞平均氣溫＞平均相對濕度＞AQI＞平均氣壓＞最小相對濕度＞最低氣溫;在2010年的實驗數(shù)據(jù)中，以morlet為隱含層傳遞函數(shù)，logsig、tansig、purelin、morlet分別為輸出層傳遞函數(shù)，預(yù)測集數(shù)據(jù)的誤差平方和SSE3平均值依次為4.519，4.466，3.874，7.281，訓(xùn)練步數(shù)的平均值依次為14，6，5，7;以logsig為隱含層傳遞函

9、數(shù)，logsig、tansig、purelin、morlet分別為輸出層傳遞函數(shù)，預(yù)測集數(shù)據(jù)的誤差平方和SSE3平均值依次為4.528，7.663，3.949，4.935，訓(xùn)練步數(shù)的平均值依次為7，6，5，5;以tansig為隱含層傳遞函數(shù)，logsig、tansig、purelin、morlet分別為輸出層的傳遞函數(shù)，預(yù)測集數(shù)據(jù)的誤差平方和SSE3平均值依次為4.667，6.841，6.688，5.24，訓(xùn)練步數(shù)的平均值依次為12，6

10、，6，5;選擇morlet和logsig傳遞函數(shù)組合，分析七個天氣因素的作用，重要性排序為:平均氣溫＞最高氣溫＞平均氣壓＞最小相對濕度＞AQI＞最低氣溫＞平均氣溫;在2006-2010年的實驗數(shù)據(jù)中，以morlet為隱含層傳遞函數(shù)，logsig、tansig、purelin、morlet分別為輸出層傳遞函數(shù)，預(yù)測集數(shù)據(jù)的誤差平方和SSE3平均值依次為14.823，9.906，9.868，18.850，訓(xùn)練步數(shù)的平均值依次為16，7，6，

11、12;以logsig為隱含層傳遞函數(shù)，logsig、tansig、purelin、morlet分別為輸出層傳遞函數(shù)，預(yù)測集數(shù)據(jù)的誤差平方和SSE3平均值依次為17.833，10.959，9.757，12.067，訓(xùn)練步數(shù)的平均值依次為13，5，7，8;以tansig為隱含層傳遞函數(shù)，logsig、tansig、purelin、morlet分別為輸出層傳遞函數(shù)，預(yù)測集數(shù)據(jù)的誤差平方和SSE3平均值依次為17.950，16.594，11.3

12、01，13.262，訓(xùn)練步數(shù)的平均值依次為6，7，7，8;選擇morlet和tansig傳遞函數(shù)組合，分析七個天氣因素的作用，重要性排序為:平均氣壓＞最高氣溫＞平均氣溫＞AQI＞最小相對濕度＞最低氣溫＞平均相對濕度。
　　2.Pearson相關(guān)分析的滯后結(jié)果
　　2006、2007、2008年AQI滯后3d、0d、3d，平均氣壓滯后0d、6d、2d，平均氣溫滯后0d、0d、2d，最高氣溫滯后0d、0d、4d，平均相對濕度滯后