基于GA-BP神经网络的手足口病疫情预测.docx

基于GA-BP神经网络的手足口病疫情预测手足口病是一种由肠道病毒引起的儿童急性传染病，可引起婴幼儿身体发热和手、足、口腔等部位的皮疹、溃疡，严重时可引起心肌炎、肺水肿、无菌性脑膜脑炎等并发症[1]研究表明[2,3,4]，影响手足口病的除卫生习惯、接触史等社会因素外，还有温度、湿度等气象因素依据衡阳市气象局提供的各气象数据，初步选取相关气象因子共10个作为手足口病气象影响因子，如表所示[5]以衡阳市手足口病及气象因素为例，通过主成分分析将气象影响因子降维，提取特征参数作为训练样本，采用遗传算法（GeneticAlgorithm,GA）优化的BP神经网络，建立手足口病疫情预测模型，并利用实际数据进行分析发病情况气象影响因子统计表一、手足口病疫情预测设计采用结合主成分分析法的GA-BP神经网络建立手足口病疫情预测模型，总的建模思路如图1所示利用主成分分析法[6,7]降低气象影响因子的维度，减少了输入网络的数据量并同时缩小了BP神经网络的网络规模，一定程度上减小了神经网络本身的缺陷并加快了网络收敛速度，从而有效挖掘气象因子与手足口病关系通过主成分分析方法提取四个主要成分，作为BP神经网络的输入层，再通过隐含层到达输出层。

二、基于GA-BP神经网络的手足口病疫情预测（一）GA-BP预测模型的实现利用主成分分析方法对影响手足口病的气象因子进行处理，通过Matlab软件实现主成分分析，得到各个气象因子的特征值、贡献率以及累计贡献率，预先设置累计贡献率超过的阈值95%，提取四个气象因子用于GA-BP预测模型图1：预测模型的总体思路在遗传算法进化过程中，设置种群数目为50，进化代数为100，交叉概率为0.5，变异概率为0.08经遗传算法优化后可得到BP神经网络各层之间权值和阈值二）预测结果及分析网络训练完成后，根据衡阳市气象局公布的数据，输入2010、2011年气象因子通过模型进行仿真得到预测值，得到仿真发病人数值与实际发病人数进行对比如图2、图3所示，模型预测值与实际发病趋势基本吻合其中，通过2010年与2011年各月发病数实际值与模型预测值对比，可得知模型2010、2011年预测值中，一月份到三月份的相对误差均小于7%，精确度较高，而四月到九月手足口病高发期模型的预测值相对误差较大，最大相对误差高达25.4%图2:2010年发病率预测结果与实际对比图3:2011年发病率预测结果与实际值对比三、结论针对湖南省衡阳地区手足口病疫情预测问题，考虑气象因子对手足口病疫情的影响，利用主成分分析降低气象影响因子维度，将提取的主成分数据作为预测模型输入量，减小了网络规模。

将主成分分析与遗传BP神经网络相结合，建立疫情预测模型预测结果表明，预测发病趋势与实际发病趋势大致吻合，其中前三月的预测结果较为精确，表明衡阳市气象因子作为训练样本在预测衡阳市手足口病问题中具有一定泛化性参考文献：[1]赵成松,赵顺英.手足口病的流行概况和应对策略[J].中国实用儿科杂志,2009,24(6):419-421.[2]周伯平,李成荣.肠道病毒71型手足口病[M].北京:人民卫生出版社,2009.[3]地理信息系统在医学地理研究中的应用[J].国外医学(医学地理分册).2004,25(4):182-814.[4]李晓英,苏志伟,周华,等.基于主成分分析的GA-BP模型在城市需水预测中的应用[J].南水北调与水利科技,2017,15(6):39-44.[5]刘厚林,吴贤芳,王勇,等.基于BP神经网络的离心泵关死点功率预测[J].农业工程学报,2012,28(11):45-49.[6]周松林,茆美琴,苏建徽.基于主成分分析与人工神经网络的风电功率预测[J].电网技术,2011,35(9):128-132.[7]傅湘,纪昌明.区域水资源承载能力综合评价——主成分分析法的应用[J].长江流域资源与环境,1999,8(2):168-172.惠天宇,杜尚勉,陈乐至,曾文杰.基于GA-BP神经网络的手足口病疫情预测[J].教育教学论坛,2020(38):133-134.基金:2018年度湖南省教育厅优秀青年项目资助(2018B259);2018年度南华大学校级教改课题资助(2018XJG-YB55).。