廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）在腎綜合征出血熱發(fā)病率預(yù)測(cè)中的應(yīng)用.pdf

1、前言: 腎綜合征出血熱在亞洲又稱為流行性出血熱，主要是由某些鼠類攜帶傳播布尼亞病毒科漢坦病毒屬中不同病毒引起的一類自然疫源性疾病，其流行廣、病死率高，嚴(yán)重危害人民的生命和健康，屬我國(guó)重點(diǎn)防治的傳染病之一。在疾病監(jiān)測(cè)的基礎(chǔ)上，對(duì)HFRS疫情進(jìn)行科學(xué)可靠的預(yù)測(cè)預(yù)報(bào)，并且有針對(duì)性地采取滅鼠和疫苗接種措施的實(shí)現(xiàn)，對(duì)HFRS的科學(xué)防控具有重要的指導(dǎo)意義。 多年來(lái)，很多學(xué)者嘗試了多種傳統(tǒng)的方法進(jìn)行HFRS疫情預(yù)測(cè)。用于腎綜合征出血熱

2、的預(yù)測(cè)模型主要有時(shí)間序列模型、回歸模型，另外有幾種特殊的模型，如高維時(shí)空動(dòng)態(tài)趨勢(shì)模型、灰色預(yù)測(cè)模型、MarKov模型等?，F(xiàn)行的預(yù)測(cè)方法雖各有優(yōu)點(diǎn)，但大都集中在對(duì)其因果關(guān)系回歸模型和時(shí)間序列模型的分析上，所建立的模型不能全面和本質(zhì)地反映所預(yù)測(cè)動(dòng)態(tài)數(shù)據(jù)的內(nèi)在結(jié)構(gòu)和復(fù)雜特性，從而丟失了某些信息量。 人工神經(jīng)網(wǎng)絡(luò)以其獨(dú)特的并行結(jié)構(gòu)、自適應(yīng)、自組織、聯(lián)想記憶、較強(qiáng)的容錯(cuò)性和魯棒性等特點(diǎn)和獨(dú)特的信息處理方法，適應(yīng)了腎綜合征出血熱發(fā)病的高度復(fù)

3、雜性、非線性和不確定性，并在實(shí)際應(yīng)用中取得了顯著成效。目前為止，在預(yù)測(cè)時(shí)用的最多的是BP神經(jīng)網(wǎng)絡(luò)模型，但這種網(wǎng)絡(luò)在用于預(yù)測(cè)時(shí)，存在收斂速度慢和容易陷入局部極小的缺點(diǎn)；在解決樣本量少且噪聲較多的問(wèn)題時(shí)，效果并不理想；有時(shí)預(yù)測(cè)的結(jié)果受主觀因素的影響較大。 廣義回歸神經(jīng)網(wǎng)絡(luò)在逼近能力、分類能力和學(xué)習(xí)速度上較BP神經(jīng)網(wǎng)絡(luò)有著較強(qiáng)的優(yōu)勢(shì)，其網(wǎng)絡(luò)最后收斂于樣本量聚集較多的優(yōu)化回歸面，具有較好的外推性：并且在樣本數(shù)據(jù)缺乏時(shí)，預(yù)測(cè)效果也比較好；

4、此外，它還可以處理不穩(wěn)定的數(shù)據(jù)。因此，本研究利用傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)和廣義回歸神經(jīng)網(wǎng)絡(luò)分別建立預(yù)測(cè)模型，并對(duì)兩者的擬合和預(yù)測(cè)性能進(jìn)行比較。 材料與方法: 發(fā)病率資料來(lái)自于遼寧省疾病控制中心，選取遼寧省沈陽(yáng)市1985～2003年的HFRS年發(fā)病率(1/10萬(wàn))，其間共收集病例5304例，獲得了準(zhǔn)確可靠的病例資料；鼠情選擇1984～2002年每年春、秋兩季在監(jiān)測(cè)點(diǎn)收集的監(jiān)測(cè)數(shù)據(jù)，包括鼠密度和鼠帶毒率；氣象資料來(lái)自沈陽(yáng)市氣象局，

5、選取該地區(qū)1984～2002年的平均氣溫(℃)、氣濕(％)、降水量(mm)和日照(hr)。 把1984年該地的氣象資料(包括平均氣溫、相對(duì)濕度、降水量和日照)和動(dòng)物疫情資料(包括鼠密度和鼠帶毒率)的6個(gè)指標(biāo)作為樣本的第一組輸入，將1985年該地HFRS發(fā)病率作為樣本的第一組輸出。依此類推，直至最后取2002年該地的氣象資料和動(dòng)物疫情資料的6個(gè)指標(biāo)作為樣本的最后一組輸入，將2003年該地HFRS發(fā)病率作為樣本的最后一組輸出。將最后

6、3組樣本作為測(cè)試樣本，在前16組樣本中隨機(jī)選取1個(gè)樣本(待估點(diǎn))用來(lái)尋找最優(yōu)光滑因子，剩下的作為訓(xùn)練樣本。將輸入和輸出的數(shù)據(jù)進(jìn)行歸一化后，利用軟件Matlab7.0中的神經(jīng)網(wǎng)絡(luò)工具箱編程構(gòu)建HFRS發(fā)病率的廣義回歸神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型和BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。采用誤差絕對(duì)值、平均誤差率(MER)及決定系數(shù)R2檢驗(yàn)其擬合和預(yù)測(cè)效果。 結(jié)果: GRNN的最優(yōu)光滑因子為0.35：BP神經(jīng)網(wǎng)絡(luò)的隱含層數(shù)定為6。從擬合效果來(lái)看，GRNN

7、和BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的MER分別為25.42％和25.55％；兩者的R2分別為0.9438和0.9729，總的來(lái)說(shuō)，擬合效果比較滿意，兩者擬合差異不是很明顯。從預(yù)測(cè)效果來(lái)看，兩者的MER分別為4.90％和15.16％，GRNN的MER遠(yuǎn)遠(yuǎn)小于BP神經(jīng)網(wǎng)絡(luò)；兩者的R2分別為0.9897和0.9516。 結(jié)論: 通過(guò)GRNN神經(jīng)網(wǎng)絡(luò)建立的HFRS發(fā)病率預(yù)測(cè)模型和BP神經(jīng)網(wǎng)絡(luò)比較具有較快的學(xué)習(xí)速度、較好的處理不穩(wěn)定數(shù)據(jù)的能力