基于遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的傳染病發(fā)病率預(yù)測(cè)模型研究.pdf

1、部分已知傳染病可對(duì)人類造成重度傷害或是可能引發(fā)大流行，因此許多國(guó)家借用政府的公權(quán)力，協(xié)助醫(yī)療體系嚴(yán)密監(jiān)控這類疾病的發(fā)生及后續(xù)發(fā)展，避免疫情擴(kuò)大，這些傳染病特稱為法定傳染病?！秱魅静》乐畏ā穼⑷珖?guó)發(fā)病率較高、流行面較大、危害嚴(yán)重的39種急性和慢性傳染病列為法定管理的傳染病，并根據(jù)其傳播方式、速度及其危害程度，分為甲、乙、丙三類。我國(guó)傳染病疫情監(jiān)測(cè)數(shù)據(jù)的收集實(shí)行屬地化管理制度，2004年1月1日起全國(guó)實(shí)行傳染病網(wǎng)絡(luò)直報(bào)。各級(jí)各類責(zé)任報(bào)告單位

2、網(wǎng)上直報(bào)，實(shí)行以縣級(jí)審核為主，各級(jí)按權(quán)限分享數(shù)據(jù)的方式，實(shí)現(xiàn)了傳染病報(bào)告卡的網(wǎng)絡(luò)實(shí)時(shí)錄入直報(bào)、實(shí)時(shí)查詢與分析。目前我國(guó)主要的傳染病監(jiān)測(cè)數(shù)據(jù)為法定傳染病報(bào)告數(shù)據(jù)，基于歷史發(fā)病數(shù)據(jù)的時(shí)間序列預(yù)測(cè)分析，準(zhǔn)確預(yù)測(cè)傳染病發(fā)病率是衛(wèi)生資源科學(xué)規(guī)劃、決策的重要前提。
　　本研究利用小波分析和遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，建立基于遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的傳染病發(fā)病率預(yù)測(cè)模型，并通過實(shí)例驗(yàn)證，比較不同預(yù)測(cè)模型的預(yù)測(cè)效果，探討預(yù)測(cè)模型進(jìn)行傳染病發(fā)

3、病率預(yù)測(cè)的可行性，從而使傳染病防控工作具有科學(xué)的指導(dǎo)依據(jù)。
　　本研究以國(guó)家衛(wèi)計(jì)委疾病預(yù)防控制局官方網(wǎng)站發(fā)布的2005年1月至2014年12月全國(guó)法定傳染病疫情報(bào)告數(shù)據(jù)和《中國(guó)統(tǒng)計(jì)年鑒》年初人口數(shù)和年末人口數(shù)為基礎(chǔ)，獲取乙類傳染病中報(bào)告發(fā)病數(shù)居前三位的病種——肺結(jié)核、乙型肝炎和梅毒的全國(guó)月報(bào)告發(fā)病率作為預(yù)測(cè)模型的實(shí)例驗(yàn)證對(duì)象，在MATLAB平臺(tái)上采用BP神經(jīng)網(wǎng)絡(luò)（BPNN）、松散型小波神經(jīng)網(wǎng)絡(luò)（ WBPNN）、遺傳算法優(yōu)化 BP神

4、經(jīng)網(wǎng)絡(luò)（GABPNN）和遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)（GAWBPNN）共四種預(yù)測(cè)模型分別對(duì)三種傳染病的全國(guó)月報(bào)告發(fā)病率進(jìn)行預(yù)測(cè)，并通過比較不同預(yù)測(cè)模型的預(yù)測(cè)效果對(duì)各預(yù)測(cè)模型進(jìn)行評(píng)估。
　　對(duì)肺結(jié)核、乙型肝炎和梅毒三種傳染病，均以各自2005年1月至2013年12月的全國(guó)月報(bào)告發(fā)病率建立模型，并對(duì)2014年1-12月的全國(guó)月報(bào)告發(fā)病率開展預(yù)測(cè)，以2014年1-12月的實(shí)際全國(guó)月報(bào)告發(fā)病率為參照值來驗(yàn)證預(yù)測(cè)模型的可靠性，評(píng)價(jià)指標(biāo)為均方誤差

5、(MSE)、平均絕對(duì)誤差(MAE)和平均絕對(duì)百分比誤差(MAPE)，其中無量綱的指標(biāo)MAPE≤10％時(shí)表示預(yù)測(cè)模型具有高精度預(yù)測(cè)能力。采用秩和比法對(duì)各指標(biāo)在各預(yù)測(cè)模型中的平均秩次（R）來進(jìn)行綜合評(píng)價(jià)，比較四種模型預(yù)測(cè)效果的優(yōu)劣。
　　對(duì)于2014年肺結(jié)核全國(guó)月報(bào)告發(fā)病率，其中BPNN預(yù)測(cè)模型的預(yù)測(cè)誤差為MSE=0.2225，MAE=0.4275，MAPE=5.95%；WBPNN預(yù)測(cè)模型的預(yù)測(cè)誤差為 MSE=0.1000， MAE=

6、0.2562， MAPE=3.58%；GABPNN預(yù)測(cè)模型的預(yù)測(cè)誤差為 MSE=0.1527， MAE=0.2793， MAPE=3.95%；GAWBPNN預(yù)測(cè)模型的預(yù)測(cè)誤差為 MSE=0.0981，MAE=0.2420，MAPE=3.56%?？梢?，由各預(yù)測(cè)模型的MAPE均小于10%可知其均為高精度預(yù)測(cè)模型。秩和比法綜合評(píng)價(jià)結(jié)果，按照α=0.05的檢驗(yàn)水準(zhǔn)，GAWBPNN與WBPNN的95%可信區(qū)間交叉重疊長(zhǎng)度少于1/2可信區(qū)間長(zhǎng)度，與

7、GABPNN、BPNN的95%可信區(qū)間均無交叉，差異有統(tǒng)計(jì)學(xué)意義，可以認(rèn)為GAWBPNN的2014年肺結(jié)核全國(guó)月報(bào)告發(fā)病率預(yù)測(cè)效果優(yōu)于WBPNN、GABPNN和BPNN。
　　對(duì)于2014年乙型肝炎全國(guó)月報(bào)告發(fā)病率，其中BPNN預(yù)測(cè)模型的預(yù)測(cè)誤差為MSE=0.0516，MAE=0.1785，MAPE=2.64%；WBPNN預(yù)測(cè)模型的預(yù)測(cè)誤差為MSE=0.0229， MAE=0.1241， MAPE=1.92%；GABPNN預(yù)測(cè)模型

8、的預(yù)測(cè)誤差為 MSE=0.0435， MAE=0.1642， MAPE=2.41%；GAWBPNN預(yù)測(cè)模型的預(yù)測(cè)誤差為 MSE=0.0196， MAE=0.1179，MAPE=1.79%?？梢?，由各預(yù)測(cè)模型的MAPE均小于10%可知其均為高精度預(yù)測(cè)模型。秩和比法綜合評(píng)價(jià)結(jié)果，按照α=0.05的檢驗(yàn)水準(zhǔn)，GAWBPNN與WBPNN的95%可信區(qū)間交叉重疊長(zhǎng)度少于1/2可信區(qū)間長(zhǎng)度，與GABPNN、BPNN的95%可信區(qū)間均無交叉，差異有統(tǒng)

9、計(jì)學(xué)意義，可以認(rèn)為GAWBPNN的2014年乙型肝炎全國(guó)月報(bào)告發(fā)病率預(yù)測(cè)效果優(yōu)于WBPNN、GABPNN和BPNN。
　　對(duì)于2014年梅毒全國(guó)月報(bào)告發(fā)病率，其中BPNN預(yù)測(cè)模型的預(yù)測(cè)誤差為MSE=0.0242，MAE=0.1246，MAPE=4.88%；WBPNN預(yù)測(cè)模型的預(yù)測(cè)誤差為MSE=0.0105，MAE=0.0823，MAPE=3.16%；GABPNN預(yù)測(cè)模型的預(yù)測(cè)誤差為MSE=0.0093，MAE=0.0746，MAP

10、E=2.70%；GAWBPNN預(yù)測(cè)模型的預(yù)測(cè)誤差為 MSE=0.0054， MAE=0.0594，MAPE=2.32%?？梢?，由各預(yù)測(cè)模型的MAPE均小于10%可知其均為高精度預(yù)測(cè)模型。秩和比法綜合評(píng)價(jià)結(jié)果，按照α=0.05的檢驗(yàn)水準(zhǔn)， GAWBPNN與WBPNN、GABPNN、BPNN的95%可信區(qū)間均無交叉，差異有統(tǒng)計(jì)學(xué)意義，可以認(rèn)為GAWBPNN的2014年梅毒全國(guó)月報(bào)告發(fā)病率預(yù)測(cè)效果優(yōu)于WBPNN、GABPNN和BPNN。

11、>　　在本研究中，從對(duì)肺結(jié)核、乙型肝炎和梅毒三種全國(guó)法定傳染病的2014年全國(guó)月報(bào)告發(fā)病率的預(yù)測(cè)分析可知，基于BP神經(jīng)網(wǎng)絡(luò)及對(duì)其優(yōu)化后的非線性預(yù)測(cè)模型均有較好的預(yù)測(cè)效果，但相比BPNN預(yù)測(cè)模型，WBPNN、GABPNN和GAWBPNN等優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型有較明顯的優(yōu)勢(shì)，而由遺傳算法對(duì)小波神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化后的GAWBPNN預(yù)測(cè)模型具有最高的預(yù)測(cè)精度。因此，基于BP神經(jīng)網(wǎng)絡(luò)及對(duì)其優(yōu)化后的非線性預(yù)測(cè)模型具有預(yù)測(cè)傳染病發(fā)病率的可行性，并且