智能神经网络模型用于气象因素对疟疾发病影响的初步研究
疟疾|气象因素|神经网络模型|流行病学,关键词：
参见附件(45kb)。
高春玉；熊鸿燕；易东；柴光军；杨小为；刘莉 空军后勤部卫生防疫队疾病监控室 100076北京 中华流行病学杂志 2003 9
关键词：疟疾；气象因素；神经网络模型；流行病学
目的 建立气象因素与疟疾的智能神经网络预测模型。方法 利用Matkab6.1软件中的神经网络工具箱,根据预实验结果,利用云南省红河地区1994～1999年月平均气压、月平均气温、月最高气温、月最低气温、月降水量、月降水日数、月平均相对湿度、月蒸发量、月日照时数等气象数据与疟疾发病率等级数据建立反向传播网络(BP网络)预测模型,并对模型进行验证。结果 神经网络经100次学习和训练,训练误差从3.23608下降至0.035862,通过建立的智能神经网络模型对未来疟疾发病率进行预测,其预测符合率为84.85%。结论 智能神经网络在气象因素与疟疾之间建模是可行的,其预测符合率达80%以上。智能神经网络具有综合能力强,对数据的要求不高,适时学习等突出优点,且操作简便,节省时间,易于掌握和应用。研究中数据的应用、纳入、排出等问题有待于进一步研究。智能神经网络模型可以作为疟疾预测的一种新方法。
关键词：疟疾；气象因素；神经网络模型；流行病学
目的 建立气象因素与疟疾的智能神经网络预测模型。方法 利用Matkab6.1软件中的神经网络工具箱,根据预实验结果,利用云南省红河地区1994～1999年月平均气压、月平均气温、月最高气温、月最低气温、月降水量、月降水日数、月平均相对湿度、月蒸发量、月日照时数等气象数据与疟疾发病率等级数据建立反向传播网络(BP网络)预测模型,并对模型进行验证。结果 神经网络经100次学习和训练,训练误差从3.23608下降至0.035862,通过建立的智能神经网络模型对未来疟疾发病率进行预测,其预测符合率为84.85%。结论 智能神经网络在气象因素与疟疾之间建模是可行的,其预测符合率达80%以上。智能神经网络具有综合能力强,对数据的要求不高,适时学习等突出优点,且操作简便,节省时间,易于掌握和应用。研究中数据的应用、纳入、排出等问题有待于进一步研究。智能神经网络模型可以作为疟疾预测的一种新方法。
您现在查看是摘要介绍页，详见CAJ附件(45kb)。