气象与环境因子影响心脑血管疾病急诊数预测模型研究
目的 比较逐步回归模型与人工神经网络模型在建立基于气象、环境因子的心脑血管疾病急诊数预测模型的建模效果.方法 使用北京市2008-2011年12项气象逐日常规观测数据并据此生成5个二次气象因子,以及同期的3种污染物浓度数据,并构造3个年份哑变量,共23个变量形成模型的输入.统计同期北京市某医院4年逐日急诊就诊记录资料,并提取其中属于心脑血管疾病的条目构成模型输出训练数据.将所有数据进行周平均处理并以80%,15%和5%的比例分成学习集、测试集与验证集.分别构建逐步回归模型与人工神经网络模型,并使用独立样本(验证集)比较模型预报效果.结果 逐步回归模型经过筛选最终有11个输入变量,而人工神经网络模型结构为23-22-1.在验证集的预报效果指标中,神经网络预报模型的平均绝对误差、误差均值、最小误差以及预测结果与原数据的Pearson相关系数分别为0.9149,-0.003 3,0.01,0.873,均比逐步回归模型(分别为1.355 3,0.4924,0.03,0.836)更为理想.结论 与传统的统计学方法相比,人工神经网络建模方法在建立基于气象、环境因子的心脑血管疾病量预报系统方面更有优势.
BP神经网络、逐步回归、心脑血管疾病、气象因子、环境因子
30
R181.3(流行病学与防疫)
国家自然科学基金青年基金81101130;国家科技基础平台课题2005DKA32403
2013-03-21(万方平台首次上网日期,不代表论文的发表时间)
共5页
48-52