流感发病率预测的研究

摘要

流感发病问题一直是人们关注的焦点，因其是一种传染性强、传播速度快、波及范围广、社会危害大的疾病，这不仅给国家和人民造成了极大的疾病负担也造成了经济负担。因而，掌握其变异情况和流行形势是非常必要和迫切的，尤其是近几年出现的人感染禽流感病毒事件均造成了严重的后果。 由于目前各国的流感监测机构对流感数据的收集处于严重滞后于疾病的发展的情况，并且流感病毒的亚型多，变异快，因而还没有得到能够较准确预测流感发病率的预测方法。 本文通过采用三种模型对预测流感发病率进行建模，分别是ARIMA模型、无偏GM(1，1)模型以及BP神经网络。并在此基础上，对预测较为准确的BP神经网络算法进行改进，将检验样本得到的相对误差进行拟合，最终应用改进后的BP神经网络算法进行预测。得到改进后的BP神经网络算法能够较好的预测短期流感发病率数据。

目录

声明

摘要

1．1研究背景及意义

1．2研究现状

1．3资料与方法

1．4结果

第2章ARIMA模型

2．1时间序列的一般模型

2．2趋势项、季节项和随机项的分解

2．2．1趋势项的分解

2．2．2季节项的分解

2．2．3随机项

2．3 ARIMA模型

2．3．1平稳序列的定义和统计特性

2．3．2白噪声

2．3．3 ARMA模型

2．3．4 ARIMA模型

2．4应用ARIMA模型预测流感发病率

2．4．1数据的采集

2．4．2趋势项的分解

2．4．3季节项的分解

2．4．4随机项ARMA模型的模拟

2．5模型的预测

第3章无偏灰色模型

3．1传统GM(1，1)模型

3．2无偏GM(1，1)模型

3．3无偏GM(1，1)预测模型的检验

3．4模型的拟合度检验

第4章人工神经网络

4．1人工神经元模型

4．2前馈神经网络

4．3人工神经网络预测的主要模型

4．4应用BP算法建立全国流感发病率模型及MATLAB实现

4．4．1数据样本的选择

4．4．2数据样本的预处理

4．4．3构造神经网络

4．4．4设定训练模式参数

4．4．5用归一化之后的数据进行训练

4．4．6构造验证数据及预测

4．5 BP神经网络预测全国流感发病率趋势的实例分析

4．6改进的BP神经网络

4．6．1模型的建立

4．6．2模型的检验

4．7应用改进的BP神经网络预测流感发病率

第5章总结

5．1三种模型各自的优缺点

5．1．3 BP神经网络的优缺点

5．2三种模型对流感发病率预测的比较

参考文献

致谢