支持向量機(jī)回歸在傳染病預(yù)測中的應(yīng)用研究.pdf

1、傳染病對人類的威脅是長期而嚴(yán)峻的。預(yù)測可以及早發(fā)現(xiàn)疾病的流行趨勢,為及時(shí)、準(zhǔn)確地開展傳染病的預(yù)警奠定了基礎(chǔ),對傳染病的控制工作也意義重大。
　　 受多種因素的影響,傳染病發(fā)病率樣本不僅采集困難,而且總是呈現(xiàn)出不規(guī)則、混沌等非線性特征。而傳統(tǒng)的傳染病預(yù)測模型大多以線性模型為主,難以進(jìn)行理想的非線性擬和,故迫切需要建立新的預(yù)測模型來開展科學(xué)預(yù)測研究。考慮到支持向量機(jī)(sVM)具有小樣本、稀疏性、以及非線性擬合能力強(qiáng)等方面的優(yōu)勢,本文

2、將支持向量機(jī)回歸(SVR)引入傳染病預(yù)測,以期開發(fā)出一種性能更加優(yōu)越的傳染病預(yù)測模型,為疾病預(yù)測工作提供新的技術(shù)手段。
　　 首先,本文綜述了傳染病預(yù)測和SVM的研究現(xiàn)狀,以及一些有代表性的傳染病數(shù)學(xué)模型。在對統(tǒng)計(jì)學(xué)習(xí)理論以及相關(guān)的優(yōu)化理論進(jìn)行回顧的基礎(chǔ)上,從四個(gè)方面詳細(xì)描述了SVR模型的基礎(chǔ)知識,并指出了SVM的優(yōu)缺點(diǎn)。
　　 然后,本文針對SVM在實(shí)際應(yīng)用中的三點(diǎn)困難,設(shè)計(jì)了NSVR預(yù)測模型,目的是獲得更高的學(xué)習(xí)性能

3、和預(yù)測精度。該模型的設(shè)計(jì)思路涉及三個(gè)主要方面:(1)數(shù)據(jù)預(yù)處理:C-C方法進(jìn)行相空間重構(gòu)；(2)核函數(shù)的選擇:采用混合核函數(shù)的非線性組合方式；(3)參數(shù)的優(yōu)化:改進(jìn)了基本的PSO算法。在詳細(xì)描述了NSVR預(yù)測模型建模流程的基礎(chǔ)上,通過仿真實(shí)驗(yàn)證明了該模型的有效性。
　　 最后,考慮到求和自回歸移動(dòng)平均(ARIMA)模型在處理線性問題上的優(yōu)勢以及SVR在處理非線性問題上的優(yōu)勢,本文借助組合預(yù)測的思想提出了一個(gè)新的組合預(yù)測模型ARI