基于支持向量機(jī)回歸的傳染病預(yù)測系統(tǒng)建模.pdf

1、傳染病一旦爆發(fā)會(huì)給人類帶來巨大的損失，是人類面臨的一項(xiàng)重大挑戰(zhàn)和威脅，對傳染病爆發(fā)的趨勢進(jìn)行預(yù)測，可以提早的做好預(yù)警工作，減少損失，具有重大的意義。隨著機(jī)器學(xué)習(xí)研究的不斷深入，尤其是支持向量機(jī)(SVM)理論的提出，使得很多難以預(yù)測的問題得到更好的解決。由于傳染病數(shù)據(jù)大都具有小樣本、不規(guī)則等非線性特征，考慮到支持向量機(jī)針對此類數(shù)據(jù)的處理具有特有優(yōu)勢，本文將支持向量機(jī)回歸(SVR)引入到預(yù)測模型中，同時(shí)考慮到傳染病獨(dú)具的周期時(shí)序性，本文還使

2、用了差分自回歸移動(dòng)平均模型(ARIMA)，并將其與SVR相結(jié)合，取得了很好的預(yù)測效果。主要研究內(nèi)容包括：
　　⑴支持向量機(jī)理論中最為關(guān)鍵的技術(shù)就是核函數(shù)，核函數(shù)巧妙實(shí)現(xiàn)了低維非線性模型到高維線性模型的轉(zhuǎn)化，并且避免了維數(shù)災(zāi)難。為了取得更好的預(yù)測效果，本文使用混合核函數(shù)，它是全局核函數(shù)與局部核函數(shù)的線性組合，具有更強(qiáng)的學(xué)習(xí)能力和泛化能力。在綜合分析支持向量機(jī)理論的幾何意義后，提出一種基于特征距離的組合系數(shù)求解方法，該方法利用支持向量

3、回歸與支持向量機(jī)分類的相互轉(zhuǎn)化關(guān)系，把回歸問題轉(zhuǎn)化為分類，根據(jù)分類中不同類別樣本之間的距離越大越好的原則，將組合系數(shù)的求解問題轉(zhuǎn)化為對目標(biāo)函數(shù)的優(yōu)化問題，并通過化簡計(jì)算，得到一個(gè)二次函數(shù)，實(shí)現(xiàn)對系數(shù)的求解。實(shí)驗(yàn)證明該方法可以直接通過公式計(jì)算組合系數(shù)，與傳統(tǒng)的交叉驗(yàn)證法和PSO優(yōu)化算法相比，在時(shí)間效率上得到了很大的提高。
　?、瓶紤]到傳染病具有時(shí)序性和周期性，而差分自回歸移動(dòng)平均模型在處理這方面問題具有一定的優(yōu)勢，本文借助組合模型的

4、思想，將二者相結(jié)合，提出ARIMA-SVR預(yù)測模型，在預(yù)測時(shí)不僅考慮到氣象因素對傳染病的影響，也考慮到其自身的周期性，進(jìn)一步提高了預(yù)測的準(zhǔn)確性和魯棒性。
　?、沁x擇肺結(jié)核的發(fā)病率作為預(yù)測目標(biāo)，在研究了中醫(yī)五運(yùn)六氣理論相關(guān)知識后，提出一種方法將運(yùn)氣因子量化并加入到輸入特征中，同時(shí)采用主成分分析法對氣象數(shù)據(jù)進(jìn)行降維處理，分別使用SVR模型、ARIMA模型和二者的組合ARIMA-SVR模型對傳染病的發(fā)病率進(jìn)行預(yù)測，實(shí)驗(yàn)結(jié)果表明，在使用S