辽宁省肾综合征出血热流行的预测和地理信息系统研究

摘要

目的：构建辽宁省肾综合征出血热及各影响因素的地理信息系统数据库；分析其空间分布模式，并探讨影响因素；分析辽宁省肾综合征出血热流行与宿主动物密度和气象因子的关系；利用线性回归、BP神经网络和遗传规划建立预测模型；建立风险评估模型。
　　 方法：收集辽宁省各县市2000～2005年的肾综合征出血热的疫情数据、鼠密度数据和相关气象因素资料，在ArcGIS中建立地理信息系统数据库；利用空间聚类分析、叠加分析等方法分析其空间分布模式，并探讨影响因素；选取24个县市分析疫情与鼠密度及各气象因子的关系，并构建线性回归模型、BP神经网络和遗传规划预测模型，并验证其预测精度；利用环境-健康风险评估分析方法构建风险评估模型。
　　 结果：构建了辽宁省肾综合征出血热及其影响因素的地理信息系统数据库，可以任意查询、分析、显示某地区某时间的发病其相关宿主和气象因素的情况；空间聚类分析发现，辽宁省肾综合征出血热疫情在空间上呈聚集分布，主要高发聚集区位于东部和西部的山区；分析结果显示发病率与同期、1个月和2个月前的鼠密度有显著正相关关系，而与同期、1个月和2个月前的月最高气温、最低气温、平均气温、气压、风速和1个月前的相对湿度呈现显著副相关关系；利用鼠密度和各气象因子作为自变量，发病率作为应变量构建了线性回归模型，拟合效果较好；利用BP神经网络构建了发病率的预测模型，对检验样本的预测的确定系数达到0.78，模型预测精度高；构建了发病率的遗传规划预测模型，y=x1-(x1)2/(x4-x7)(其中y为发病率，x1为鼠密度，x4为相对湿度，x7为气压)，模型的确定系数为0.83：对辽宁省肾综合征出血热进行了环境-健康风险评估，评估结果与实际发病情况符合率达到75.86％。
　　 结论：辽宁省肾综合征出血热在空间上非随机分布，具有空间聚集性，高发聚集区主要位于东部和西部山区；发病率与鼠密度和气象因素有关系，可以用这些因子来预测发病率；BP神经网络和遗传规划是预测肾综合征出血热流行较好的智能模型：可以利用环境因子进行HFRS流行的风险评估。

目录

文摘

英文文摘

声明

第一章 引言

一、 研究背景

1.肾综合征出血热概况

2.HFRS在辽宁省的流行情况

二、 研究方法

1.地理信息系统

2.人工神经网络

3.遗传规划

三、 研究目的、内容、数据来源和研究路线

1.目的和内容

2.数据来源

3.本文的结构安排和研究路线见图1-9

四、研究结果

五、 结论

六、本文的创新性

第二章HFRS流行规律及其与相关环境因素的统计分析

一、辽宁省HFRS流行特点

二、时间规律

三、发病率与相关因子的关系分析

1.研究现场

2.分析方法

3.分析结果

4.小结

第三章HFRS的空间分析

一、辽宁省概况

二、辽宁省HFRS的空间分析

1.数据库的建立

2.发病率的经验贝叶斯平滑(Empirical Bayes Smoothing)

3.叠加分析

4.空间插值分析

4.空间聚类分析

第四章 人工神经网络分析

一、神经网络介绍

二、HFRS的人工神经网络分析

1.资料来源

2.数据处理

3.结果分析

4.小结

第五章 遗传规划分析

一、基本原理

二、遗传规划的应用实例

1.初始群体的形成

2.个体适应性测度

3.复制和交换操作

二、HFRS的遗传规划分析

1.初始群体

2.适应度

3.遗传操作

4.分析结果

四、线性回归、BP、GP预测效果比较

五、小结

第六章 基于环境-健康相互作用机理的风险评估模式

一、研究材料

二、研究方法

三、研究结果

四、讨论

第七章 主要结论与展望

一、主要结论

二、 讨论

三、存在的问题与不足

四、研究展望

参考文献

综述 地理信息系统在媒介生物性传染病研究中的应用

致谢