葫芦岛市2011-2017年流感样病例流行病学特征分析及基于神经网络的预警模型构建

发布时间：2020-03-26 04:22

【摘要】：目的:1.基于辽宁省葫芦岛市哨点医院流感样病例监测数据,分析葫芦岛市流感样病例流行病学分布特征;2.分析葫芦岛市流感监测网络实验室流感样病例病毒标本病原学特征;3.利用流感样病例数据建立数学模型进行预警,构建的模型包括ARIMA模型、ARIMA-BPNN组合模型、ARIMA-GRNN组合模型。方法:1.收集葫芦岛市2011-2017年流感样病例监测资料,由葫芦岛市哨点医院即葫芦岛市中心医院流感监测诊室(包括发热门诊,内科门、急诊,儿内科门、急诊)医务人员根据流感样病例定义对流感样病例进行诊断登记,并由专业人员每周进行汇总录入中国流感监测信息系统,分析葫芦岛市流感样病例时间分布及年龄分布;2.流感样病例病毒标本每年10月-次年3月流行季每周采集不少于20份,4月-9月非流行季每月采集不少于20份,于葫芦岛市疾病预防控制中心流感监测网络实验室进行病毒分离鉴定,利用生长状态良好的犬肾细胞进行病毒分离,然后采用红细胞凝集试验(HA)判定标本是否存在流感病毒,若凝集呈阳性滴度≥1:8可进一步利用红细胞凝集抑制试验(HI)进行病毒型别鉴定,当血凝抑制效价≥20判定为阳性,对流感病毒分离鉴定阳性率和型别分布情况进行统计描述分析;3.葫芦岛市流感预警模型构建包括三种模型,首先利用2011-2016年周流感样病例数和周流感样病例百分比数据建立ARIMA模型,经比较二者预警效果后选择基于流感样病例数的ARIMA模型拟合值加入时间信息分别作为ARIMA-BPNN组合模型和ARIMA-GRNN组合模型的网络输入,将实际值作为目标输出构建两种组合模型,通过建立的三种模型对2017年周流感样病例数进行预测,采用平均绝对误差(MAE)、平均绝对值百分比误差(MAPE)、决定系数(R~2)对三种模型预警效果进行评价。结果:1.2011-2017年葫芦岛市流感监测哨点医院共报告流感样病例总人数为49625例,流感样病例百分比平均为2.91%,各年间流感样病例百分比差异有统计学意义(?~2=759.439,P0.05),其中儿内科门诊、儿内科急诊ILI人数上报较多,在时间分布上,七个监测年度中周流感样病例百分比波动范围在1.32%-6.83%,葫芦岛市流感样病例百分比峰值主要集中在每年12月末-次年2月左右,其次为每年8月-10月左右,其它月份相对平缓或偶尔出现流行小高峰,在年龄分布上,流感样病例主要集中在0~4岁年龄组,其次为5~14岁年龄组;2.2011-2017年葫芦岛市疾病预防控制中心流感监测网络实验室共采集并分离鉴定流感病毒标本3979份,其中检出流感病毒阳性标本644份,阳性率为16.18%,各年度流感病毒阳性分离率差异有统计学意义(?~2=263.489,P0.05),流感病毒阳性分离率高峰在每年的12月-次年3月份,各年度流感毒株亚型呈混合交替流行,其中H3N2型毒株每年均有流行;3.基于周流感样病例数的ARIMA模型预警效果优于基于周流感样病例百分比的ARIMA模型预警效果,选择基于周流感样病例数构建三种预警模型ARIMA模型、ARIMA-BPNN组合模型、ARIMA-GRNN组合模型对2017年周流感样病例数进行预测,效果评价指标MAE依次为13.3077、10.8654、10.2885,MAPE依次为9.73%、7.86%、7.45%,R~2依次为0.5007、0.6128、0.6223,两种组合模型预警效果均优于单一ARIMA模型,本文ARIMA-BPNN组合模型与ARIMA-GRNN组合模型预警效果接近。结论:1.辽宁省葫芦岛市2011-2017年流感样病例百分比峰值主要集中在每年12月末-次年2月左右,其次在8-10月左右也有流行高峰,具有一定季节性,流感样病例中14岁以下年龄组人群占85.80%,该年龄组是流感重点保护人群;2.进行流感病毒分离鉴定对及时掌握葫芦岛市流感流行毒株具有重要意义;3.利用预警效果较优的ARIMA与神经网络串联组合模型对葫芦岛市流感进行预警,其对流感的防控工作具有积极意义。
【图文】：

示意图,BP神经网络,三层,结构示意图

图 1 三层 BP 神经网络结构示意图输入层对输入信号起存储与传导作用，该层神经元数目为输入向量的维数隐含层可以含有一层或多层，隐含层神经元数对网络的性能及预测精确度响，但目前尚无统一的确定方法，若神经元数目过少则其学习能力较差，识别能力降低，而神经元数目过多会导致学习时间过长，泛化能力降低，经元数目可根据经验公式确定 = √ ，其中 n 为输入层神经元数输出层神经元数目，a 为区间[1,10]的常数。隐含层传递函数通常采用 S 型函 tansig 函数和 logsig 函数，隐含层输出表达式为Hj=f（∑wijxi-bj）j=1,2,…,l………………………………其中 f 为隐含层传递函数，wij为网络输入层与隐含层神经元之间连接的权隐含层的阈值，l 为隐含层神经元数。输出层神经元数目为输出向量的维数，该层传输函数通常为线性函数（pure层网络输出表达式为

广义回归神经网络

BP 神经网络模型构建基本步骤如下：(1) BP 神经网络结构设计，包括确定神经网络层数、各层神经元数、传递函数练函数等；(2) 网络训练，网络训练之前要先确定训练的参数包括学习速率、最大迭代、期望误差等，并对网络权值、阈值进行初始化，网络训练可分为两个过程，，号正向传播和误差反向传播，训练开始时输入已知的训练集中的网络输入，从后依次计算各层输出直至最后一层，将网络输出与目标输出进行比较，若均方未达到期望误差，则由后向前逐层修改权值、阈值后重复训练，直至网络输出标输出的均方误差达到规定的精度停止训练；(3) 仿真预测，将验证集样本代入训练好的网络进行预测。.3.3 GR 神经网络广义回归神经网络(GRNN)属于径向基神经网络，其基本结构包括三层，见图别为输入层、径向基层、线性输出层。
【学位授予单位】：中国医科大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R511.7;R181.3

【参考文献】