基于BP神经网络的矽肺病预测组合模型研究

摘要

矽肺是我国最为严重的职业病之一,严重危害工人的健康.研究表明,矽肺与粉尘接触量、吸烟量、接尘时间等存在明显的剂量反应关系.基于各矽肺致病影响因子,分别利用指数平滑-神经网络ES-BP(Exponential smoot-hing-BP neural network)和模糊c均值聚类-神经网络FCM-BP(Fuzzy c-means clustering-BP neural network)组合模型对接尘工人未来是否患病以及患病年龄做预测分析.实验结果表明:ES-BP模型能结合原始工人接尘时间队列数据特点,从时间序列上对工人患病年龄进行预测;FCM-BP模型对数据预归类,能极大减小模型复杂度并降低网络训练时间.两种组合模型预测精度均高于BP单独建模预测精度,在工人患病年龄预测中取得了较好的测试效果.