[1]黄 璐,孙 娜,许小珊,等.广义回归神经网络在布鲁氏菌病预测中的应用[J].郑州大学学报(医学版),2018,(06):751-754.[doi:10.13705/j.issn.1671-6825.2018.01.119]
 HUANG Lu,SUN Na,XU Xiaoshan,et al.Application of generalized regression neural network in brucellosis prediction[J].JOURNAL OF ZHENGZHOU UNIVERSITY(MEDICAL SCIENCES),2018,(06):751-754.[doi:10.13705/j.issn.1671-6825.2018.01.119]
点击复制

广义回归神经网络在布鲁氏菌病预测中的应用()
分享到:

《郑州大学学报(医学版)》[ISSN:1671-6825/CN:41-1340/R]

卷:
期数:
2018年06期
页码:
751-754
栏目:
应用研究
出版日期:
2018-11-20

文章信息/Info

Title:
Application of generalized regression neural network in brucellosis prediction
作者:
黄 璐孙 娜许小珊田 野马 洁杜泽玉孟维静王素珍石福艳
潍坊医学院公共卫生与管理学院 山东潍坊 261053
Author(s):
HUANG LuSUN NaXU XiaoshanTIAN YeMA JieDU ZeyuMENG WeijingWANG SuzhenSHI Fuyan
School of Public Health and Management,Weifang Medical University,Weifang,Shandong 261053
关键词:
广义回归神经网络 布鲁氏菌病 传染病 预测
Keywords:
generalized regression neural network brucellosis infectious disease prediction
分类号:
R183.1
DOI:
10.13705/j.issn.1671-6825.2018.01.119
摘要:
目的:应用广义回归神经网络预测布鲁氏菌病月发病数,为布鲁氏菌病的防控提供科学依据。方法:通过Matlab 9.1软件创建广义回归神经网络,以2010年8月到2016年8月布鲁氏菌病的月发病人数为输入,2011年8月到2017年8月的月发病人数为输出,并预测2017年9至12月布鲁氏菌病的月发病人数。结果:广义回归神经网络的最优光滑因子取0.02。2017年9至12月布鲁氏菌病月发病人数真实值与预测值平均相对误差和决定系数分别为10.75%和0.64,模型拟合较好。结论:广义回归神经网络应用于布鲁氏菌病月发病人数的预测效果较好,可为该病的防控提供科学依据。
Abstract:
Aim:To forecast the monthly number of brucellosis applying the generalized regression neural network model,so as to provide scientific basis for the prevention and control of brucellosis.Methods:The generalized regression neural network was established by Matlab 9.1,the data of the monthly number of brucellosis in August 2010 to August 2016 was input, the monthly number from August 2011 to August 2017 was output, and data in September to December of 2017 were predicted.Results:The optimal spread of generalized regression neural network model was 0.02.The average relative error was 10.75% between the real and the predicted value from September to December of 2017, with R2 of 0.64,the trend was consistent,and the model was fitted well.Conclusion:Generalized regression neural network is effective in the prediction of brucellosis,which can provide scientific basis in prevention and control.

参考文献/References:

[1] 徐学琴,孙宁,徐玉芳.基于BP神经网络的河南省甲乙类法定报告传染病预测研究[J].中华疾病控制杂志,2014,18(6):561
[2] EL-SOLH AA,HSIAO CB,GOODNOUGH S,et al.Predicting active pulmonary tuberculosis using an artificial neural network[J].Chest,1999,116(4):968
[3] 张文茜,苏海霞,尚磊,等.基于BP神经网络和RBF神经网络预测老年痴呆症疾病进展的对比研究[J].现代生物医学进展,2017,17(4):738
[4] 赵俊琴,李建国,赵春香.三种时间序列模型在尘肺发病预测中的适用性研究[J].中国工业医学杂志,2017,30(3):168
[5] 魏仁惠子,沈双全,欧春泉.SARIMA模型与SARIMA-GRNN组合模型在预测广东省登革热疫情中的应用[J].中国卫生统计,2016,33(5):746
[6] SPECHT DF.A general regression neural network[J].IEEE Trans Neural Netw,1991,2(6):568
[7] 吴伟,郭军巧,王萍,等.广义回归神经网络在肾综合征出血热发病率预测中的应用[J].中国媒介生物学及控制杂志,2007,18(6):483
[8] 樊兆峰,马小平,邵晓根.非线性系统RBF神经网络多步预测控制[J/OL].控制与决策,2014,29(7):1274
[9] 白雪峰,王平瑜,吴拥军.基于两种判别模式的肿瘤标志物联合检测对肝癌辅助诊断的价值[J].解放军医学杂志,2012,37(11):1019
[10]刘文东,吴莹,艾静,等.BP神经网络在痢疾发病趋势预测中的应用研究[J].中国卫生统计,2012,29(6):801
[11]韩琴,苏虹,王忱诚,等.ARIMA模型与GRNN模型对性病发病率的预测研究[J].现代预防医学,2012,39(6):1337
[12]郭奕瑞,李玉倩,王高帅,等.人工神经网络模型在2型糖尿病患病风险预测中的应用[J].郑州大学学报(医学版),2014,49(2):180

备注/Memo

备注/Memo:
【基金项目】国家自然科学基金资助项目(81473071)
【作者简介】王素珍,通信作者,女,1967年1月生,博士,教授,研究方向:临床试验与统计分析方法,E-mail:wsz6132@sina.com; 石福艳,通信作者,女,1979年3月生,博士,副教授,研究方向:医学统计学,E-mail:shifuyan@126.com
更新日期/Last Update: 2018-11-20