基于遗传算法优化小波神经网络的传染病发病率预测模型研究

摘要

部分已知传染病可对人类造成重度伤害或是可能引发大流行，因此许多国家借用政府的公权力，协助医疗体系严密监控这类疾病的发生及后续发展，避免疫情扩大，这些传染病特称为法定传染病。《传染病防治法》将全国发病率较高、流行面较大、危害严重的39种急性和慢性传染病列为法定管理的传染病，并根据其传播方式、速度及其危害程度，分为甲、乙、丙三类。我国传染病疫情监测数据的收集实行属地化管理制度，2004年1月1日起全国实行传染病网络直报。各级各类责任报告单位网上直报，实行以县级审核为主，各级按权限分享数据的方式，实现了传染病报告卡的网络实时录入直报、实时查询与分析。目前我国主要的传染病监测数据为法定传染病报告数据，基于历史发病数据的时间序列预测分析，准确预测传染病发病率是卫生资源科学规划、决策的重要前提。
　　本研究利用小波分析和遗传算法对BP神经网络进行优化，建立基于遗传算法优化小波神经网络的传染病发病率预测模型，并通过实例验证，比较不同预测模型的预测效果，探讨预测模型进行传染病发病率预测的可行性，从而使传染病防控工作具有科学的指导依据。
　　本研究以国家卫计委疾病预防控制局官方网站发布的2005年1月至2014年12月全国法定传染病疫情报告数据和《中国统计年鉴》年初人口数和年末人口数为基础，获取乙类传染病中报告发病数居前三位的病种——肺结核、乙型肝炎和梅毒的全国月报告发病率作为预测模型的实例验证对象，在MATLAB平台上采用BP神经网络（BPNN）、松散型小波神经网络（ WBPNN）、遗传算法优化 BP神经网络（GABPNN）和遗传算法优化小波神经网络（GAWBPNN）共四种预测模型分别对三种传染病的全国月报告发病率进行预测，并通过比较不同预测模型的预测效果对各预测模型进行评估。
　　对肺结核、乙型肝炎和梅毒三种传染病，均以各自2005年1月至2013年12月的全国月报告发病率建立模型，并对2014年1-12月的全国月报告发病率开展预测，以2014年1-12月的实际全国月报告发病率为参照值来验证预测模型的可靠性，评价指标为均方误差(MSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)，其中无量纲的指标MAPE≤10％时表示预测模型具有高精度预测能力。采用秩和比法对各指标在各预测模型中的平均秩次（R）来进行综合评价，比较四种模型预测效果的优劣。
　　对于2014年肺结核全国月报告发病率，其中BPNN预测模型的预测误差为MSE=0.2225，MAE=0.4275，MAPE=5.95%；WBPNN预测模型的预测误差为 MSE=0.1000， MAE=0.2562， MAPE=3.58%；GABPNN预测模型的预测误差为 MSE=0.1527， MAE=0.2793， MAPE=3.95%；GAWBPNN预测模型的预测误差为 MSE=0.0981，MAE=0.2420，MAPE=3.56%。可见，由各预测模型的MAPE均小于10%可知其均为高精度预测模型。秩和比法综合评价结果，按照α=0.05的检验水准，GAWBPNN与WBPNN的95%可信区间交叉重叠长度少于1/2可信区间长度，与GABPNN、BPNN的95%可信区间均无交叉，差异有统计学意义，可以认为GAWBPNN的2014年肺结核全国月报告发病率预测效果优于WBPNN、GABPNN和BPNN。
　　对于2014年乙型肝炎全国月报告发病率，其中BPNN预测模型的预测误差为MSE=0.0516，MAE=0.1785，MAPE=2.64%；WBPNN预测模型的预测误差为MSE=0.0229， MAE=0.1241， MAPE=1.92%；GABPNN预测模型的预测误差为 MSE=0.0435， MAE=0.1642， MAPE=2.41%；GAWBPNN预测模型的预测误差为 MSE=0.0196， MAE=0.1179，MAPE=1.79%。可见，由各预测模型的MAPE均小于10%可知其均为高精度预测模型。秩和比法综合评价结果，按照α=0.05的检验水准，GAWBPNN与WBPNN的95%可信区间交叉重叠长度少于1/2可信区间长度，与GABPNN、BPNN的95%可信区间均无交叉，差异有统计学意义，可以认为GAWBPNN的2014年乙型肝炎全国月报告发病率预测效果优于WBPNN、GABPNN和BPNN。
　　对于2014年梅毒全国月报告发病率，其中BPNN预测模型的预测误差为MSE=0.0242，MAE=0.1246，MAPE=4.88%；WBPNN预测模型的预测误差为MSE=0.0105，MAE=0.0823，MAPE=3.16%；GABPNN预测模型的预测误差为MSE=0.0093，MAE=0.0746，MAPE=2.70%；GAWBPNN预测模型的预测误差为 MSE=0.0054， MAE=0.0594，MAPE=2.32%。可见，由各预测模型的MAPE均小于10%可知其均为高精度预测模型。秩和比法综合评价结果，按照α=0.05的检验水准， GAWBPNN与WBPNN、GABPNN、BPNN的95%可信区间均无交叉，差异有统计学意义，可以认为GAWBPNN的2014年梅毒全国月报告发病率预测效果优于WBPNN、GABPNN和BPNN。
　　在本研究中，从对肺结核、乙型肝炎和梅毒三种全国法定传染病的2014年全国月报告发病率的预测分析可知，基于BP神经网络及对其优化后的非线性预测模型均有较好的预测效果，但相比BPNN预测模型，WBPNN、GABPNN和GAWBPNN等优化BP神经网络预测模型有较明显的优势，而由遗传算法对小波神经网络进行优化后的GAWBPNN预测模型具有最高的预测精度。因此，基于BP神经网络及对其优化后的非线性预测模型具有预测传染病发病率的可行性，并且从目前的实例验证效果来看，基于遗传算法优化小波神经网络的预测模型更适合于对传染病发病率进行预测。正是因为BP神经网络及其优化改进的预测模型具有如此良好的非线性映射、自学习及全局寻优的能力，它们才能在三种传染病发病率预测中均取得良好的预测效果，同时也验证了它们具备良好的推广应用价值，适合在传染病发病率预测中建立普适性的预测模型，值得继续深入研究。

目录

封面

目录

英汉缩略语名词对照

中文摘要

英文摘要

前言

1 基本理论与模型

1.1 BP神经网络

1.2 小波神经网络

1.3 遗传算法优化BP及小波神经网络

2 资料与方法

2.1 资料来源与预处理

2.2 研究方法

2.3 模型的评估

3 结果与分析

3.1 肺结核全国月报告发病率预测

3.2 乙型肝炎全国月报告发病率预测

3.3 梅毒全国月报告发病率预测

4 讨 论

4.1 历史发病数据用于传染病发病率预测的可行性

4.2 BP神经网络及其改进模型的特点与传染病发病率预测的普适性

4.3 基于遗传算法优化小波神经网络预测模型需要关注的问题

4.4 本研究的创新及有待完善之处

结论

参考文献

文献综述: 时间序列分析在传染病发病率预测中的应用

致谢

攻读硕士学位期间参与科研项目及发表与撰写学术论文情况