论文部分内容阅读
细菌性和阿米巴性痢疾（以下简称痢疾）是《中华人民共和国传染病防治法》中规定的乙类传染病，根据浙江省疾病预防控制中心历年传染病监测资料，以及浙江省卫生厅每月公布的全省法定传染病疫情资料，浙江省痢疾的报告发病数在甲乙类法定传染病报告总发病数中一直居于前几位。传染病预测是指根据传染病的发生、发展规律及有关因素，用分析判断、数学模型等方法对传染病的发生、发展和流行趋势做出预测的一种方法。本文在研究浙江省痢疾的发病特征和流行趋势的基础上，尝试构建基于ARIMA模型和BP神经网络模型的组合模型，并利用建立的模型对浙江省痢疾的发病率进行外推预测，为浙江省痢疾发病的预测提供理论支持和方法参考。 本文首先对浙江省痢疾发病的三间分布进行了描述，分析浙江省痢疾的发病特征和流行趋势。其次，利用灰色关联分析，探讨浙江省痢疾发病率与气象因素间的关系。再次，利用聚类分析，研究浙江省各地区间的气象因素差异。最后，利用ARIMA模型、BP神经网络模型及其二者的组合模型，构建浙江省各类地区痢疾发病率的预测模型;并验证模型的预测效果，最终对浙江省痢疾发病率进行外推预测。 主要结果与结论;(1)1994-2011年，浙江省全省的痢疾年发病数、年发病率呈逐年降低趋势，其中，全省痢疾发病数从1994年的73210人下降到2011年的5783人，发病率从1994年的下降169.18/10万到2011年的10.63/10万。季节方面，浙江省全省及各个地级市的痢疾发病主要发生在夏秋季节，冬春季节发病较少。(2)第一类地区（湖州、嘉兴）建立的ARIMA模型为ARIMA(0，1，1)(0，1，1)，BP神经网络模型的网络结构为一个输入层、一个输出层、一个隐含层，隐含层的节点数为10，隐含层的传递函数为Tan-Sigmoid函数，输出层的传递函数为Purelin函数。ARIMA_BP神经网络组合模型对2011年痢疾月发病率的预测效果最好(MSE=0.0002，MAE=0.0113，MAPE=2.8952)。利用ARIMA_BP神经网络组合模型对2012年的痢疾月发病率进行外推预测，预测数值符合第一类地区的痢疾发病趋势。(3)第二类地区（杭州、绍兴、宁波、舟山）建立的ARIMA模型为ARIMA(0，1，1)(0，1，1)，BP神经网络模型的网络结构为一个输入层、一个输出层、一个隐含层，隐含层的节点数为10，隐含层的传递函数为Tan-Sigmoid函数，输出层的传递函数为Purelin函数。ARIMA_BP神经网络组合模型对2011年痢疾月发病率的预测效果最好(MSE=0.0037，MAE=0.0270，MAPE=1.9820)。利用ARIMA_BP神经网络组合模型对2012年的痢疾月发病率进行外推预测，预测数值符合第二类地区的痢疾发病趋势。(4)第三类地区（金华、衢州、丽水）建立的ARIMA模型为ARIMA(1，0，0)(0，1，1)，BP神经网络模型的网络结构为一个输入层、一个输出层、两个隐含层，两个隐含层的节点数均为10，两个隐含层的传递函数均为Tan-Sigmoid函数，输出层的传递函数为Purelin函数。ARIMA_BP神经网络组合模型对2011年痢疾月发病率的预测效果最好(MSE=0.0005，MAE=0.0175，MAPE=2.2184)。利用ARIMA_BP神经网络组合模型对2012年的痢疾月发病率进行外推预测，预测数值符合第三类地区的痢疾发病趋势。(5)第四类地区（台州、温州）建立的ARIMA模型为ARIMA(1，0，0)(0，1，1)，BP神经网络模型的网络结构为一个输入层、一个输出层、一个隐含层，隐含层的节点数为10，隐含层的传递函数为Tan-Sigmoid函数，输出层的传递函数为Purelin函数。ARIMA_BP神经网络组合模型对2011年痢疾月发病率的预测效果最好(MSE=0.0039，MAE=0.0359，MAPE=6.8154)。利用ARIMA_ BP神经网络组合模型对2012年的痢疾月发病率进行外推预测，预测数值符合第四类地区的痢疾发病趋势。