基于大数据分析的手足口病地区发病疫情预测模型研究与实现

摘要

手足口病是由肠道病毒感染引起的传染病，自从2008年被纳入国家丙类法定报告传染病以来，已成为发病率最高的丙类传染病，其防治问题具有重要意义。但是传统的预测模型预测精度差、适宜性低，已经越来越不能满足预测预警的需求。近年来，随着大数据的兴起，基于机器学习和深度学习的人工智能算法得到了快速的发展。这类算法具有并行处理和调整自身的特征，这些特征使得这些算法适合拟合受多因素影响、不稳定的非线性问题。而手足口病的发病率预测正是这样一个问题。因此，理论上，机器学习技术应用于手足口病的精准预测将会得到较好的预测效果，本文即是在探讨这种应用的可行性以及应用效果。 本文重点在研究机器学习技术在手足口病预测方面的应用，为了提高手足口病疫情预测精度，在研究中将影响手足口病疫情的因素纳入考虑当中。确定手足口病影响因素并加以量化之后，获取手足口病和疫情影响因素数据，并将数据处理之后，分别使用ARIMA(Integrated Auto Regression MovingAverage Model)、随机森林、XGBOOST三种方法建立模型。其中针对XGBOOST算法消耗内存、迭代缓慢的问题，使用递归特征消除方法，降低数据维度，提升系统性能。之后以手足口病疫情的高精度预测为目标，完成系统功能和非功能需求设计、功能设计、数据库设计，实现并测试四川省疾预防控制中心手足口病大数据分析平台，以提高手足口病疫情预测精度，为手足口病的预防预警提供科学依据。 以MAE(Mean Absolute Error)、RMSE(Root Mean Square Error)用作评估指标，经过三种方法的对比分析，结果表明ARIMA搭建简单，在某些地区表现良好；随机森林表现稳健，适合于处理高维、特征遗失、不平衡数据，在数据不规则时，可以考虑使用此模型；而改进之后的XGBOOST算法虽然内存消耗大、资源要求高，但在精度上要优于另外两种算法，对不同地区拟合效果较好，最终确定系统使用该模型。相信通过手足口病大数据分析平台的使用，对手足口病的预测会有精度上的明显提升。

目录

声明

第一章 绪论

1.1 研究工作背景和意义

1.2 国内外相关研究进展

1.3 本文研究内容

1.4 本文结构安排

第二章 相关理论与技术

2.1 大数据分析技术

2.2 机器学习技术

2.2.1 机器学习流程

2.2.2 机器学习技术

2.3 手足口病预测分析

2.3.1 传统手足口病预测分析方法

2.3.2 手足口病预测常见问题

2.3.3 基于机器学习的手足口病预测

2.4 Hadoop大数据平台

2.5 本章小结

第三章 基于大数据分析的手足口病疫情预测关键技术研究

3.1 关键问题提出

3.2 关键技术分析

3.3 大数据处理研究

3.3.1疫情影响因素调查

3.3.2 数据获取

3.3.3 数据预处理

3.3.4 数据分析

3.4 手足口病疫情预测模型建立

3.4.1 ARIMA预测模型

3.4.2 随机森林预测模型

3.4.3 XGBOOST预测模型

3.5 对比分析结果

3.5.1 测评指标

3.5.2 分析结果

3.6 本章小结

第四章 基于大数据分析的手足口病疫情预测系统分析与设计

4.1 手足口病疫情预测系统流程

4.2 手足口病疫情预测系统需求分析

4.2.1 系统功能性需求

4.2.2 系统非功能性需求

4.3 手足口病疫情预测系统架构设计

4.4 手足口病疫情预测系统功能模块设计

4.5 手足口病疫情预测系统数据库设计

4.6 本章小结

第五章 基于大数据分析的手足口病疫情预测系统实现与测试

5.1 系统核心功能实现

5.1.1 数据采集功能实现

5.1.2 数据预处理功能实现

5.1.3 数据分析功能实现

5.1.4 疫情预测功能实现

5.1.5 预测结果展示功能实现

5.2 系统测试

5.2.1 数据采集功能测试

5.2.2 数据预处理功能测试

5.2.3 数据分析功能测试

5.2.4 疫情预测及展示功能测试

5.2.5 系统性能测试及分析

第六章 全文总结与展望

6.1 全文总结

6.2 后续工作展望

致谢

参考文献