基于支持向量機回歸的傳染病預測系統(tǒng)建模.pdf

1、傳染病一旦爆發(fā)會給人類帶來巨大的損失，是人類面臨的一項重大挑戰(zhàn)和威脅，對傳染病爆發(fā)的趨勢進行預測，可以提早的做好預警工作，減少損失，具有重大的意義。隨著機器學習研究的不斷深入，尤其是支持向量機(SVM)理論的提出，使得很多難以預測的問題得到更好的解決。由于傳染病數(shù)據(jù)大都具有小樣本、不規(guī)則等非線性特征，考慮到支持向量機針對此類數(shù)據(jù)的處理具有特有優(yōu)勢，本文將支持向量機回歸(SVR)引入到預測模型中，同時考慮到傳染病獨具的周期時序性，本文還使

2、用了差分自回歸移動平均模型(ARIMA)，并將其與SVR相結合，取得了很好的預測效果。主要研究內(nèi)容包括：
　　⑴支持向量機理論中最為關鍵的技術就是核函數(shù)，核函數(shù)巧妙實現(xiàn)了低維非線性模型到高維線性模型的轉(zhuǎn)化，并且避免了維數(shù)災難。為了取得更好的預測效果，本文使用混合核函數(shù)，它是全局核函數(shù)與局部核函數(shù)的線性組合，具有更強的學習能力和泛化能力。在綜合分析支持向量機理論的幾何意義后，提出一種基于特征距離的組合系數(shù)求解方法，該方法利用支持向量

3、回歸與支持向量機分類的相互轉(zhuǎn)化關系，把回歸問題轉(zhuǎn)化為分類，根據(jù)分類中不同類別樣本之間的距離越大越好的原則，將組合系數(shù)的求解問題轉(zhuǎn)化為對目標函數(shù)的優(yōu)化問題，并通過化簡計算，得到一個二次函數(shù)，實現(xiàn)對系數(shù)的求解。實驗證明該方法可以直接通過公式計算組合系數(shù)，與傳統(tǒng)的交叉驗證法和PSO優(yōu)化算法相比，在時間效率上得到了很大的提高。
　?、瓶紤]到傳染病具有時序性和周期性，而差分自回歸移動平均模型在處理這方面問題具有一定的優(yōu)勢，本文借助組合模型的

4、思想，將二者相結合，提出ARIMA-SVR預測模型，在預測時不僅考慮到氣象因素對傳染病的影響，也考慮到其自身的周期性，進一步提高了預測的準確性和魯棒性。
　?、沁x擇肺結核的發(fā)病率作為預測目標，在研究了中醫(yī)五運六氣理論相關知識后，提出一種方法將運氣因子量化并加入到輸入特征中，同時采用主成分分析法對氣象數(shù)據(jù)進行降維處理，分別使用SVR模型、ARIMA模型和二者的組合ARIMA-SVR模型對傳染病的發(fā)病率進行預測，實驗結果表明，在使用S