全国布病发病人数预测模型
发布时间：2021-02-09 11:28
2018年,全国布病发病人数为37947,发病率2.73（1/10万）,在甲乙类法定传染病中发病率排第8位,是少数仍持上升趋势的传染病之一,随着发病人数增多,传播地区也在快速蔓延,已然成为了目前公众比较关心的社会问题之一,国家卫生健康委员会高度重视,做好布病发病人数预测监控工作对相关部门提前做好防护工作很有必要,不少学者建立了发病人数的预测模型,但这些模型的共同特征是只考虑了布病发病历史数据本身的影响,缺少对发病影响因素的综合考虑。在这一背景下,本文以提高布病发病人数预测准确性、合理性为目的,在不考虑布病发病人数外部影响因素,只从布病发病人数历史数据本身建立ARIMA模型预测未来发病人数的基础上,主要做了两方面工作:第一,考虑布病发病人数外部影响因素,结合环境、社会经济、牛羊产量等生态学数据,在已有文献研究过的影响因素基础上,新增加了四个变量,基于这些因素会影响发病人数的理论假设下,通过布病发病人数影响因素散点图分析统计关系,研究发现各影响因素与布病发病人数既存在线性关系,也存在非线性关系。由相关性分析发现各影响因素间线性关系显著,因此,对15个影响因素通过PCA降维得到主成分得分,把...
【文章来源】：兰州财经大学甘肃省
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
本文研究思路第三章构建PCA-NARX全国布病发病人数预测模型
兰州财经大学硕士学位论文全国布病发病人数预测模型7图1.2候选指标1.3.2可能的创新点针对文献评述提到现有文献中对布鲁式菌病发病人数预测模型多基于发病历史数据本身，对发病人数蔓延的潜在原因，缺乏定量证据的综合考虑不足，因此，本研究旨在进一步调查人类布鲁氏菌病的流行机制和相关因素，根据布病发病时间序列，结合环境、社会经济、牛羊产量等生态学数据，通过散点图、相关性分析、PCA降维后构建NARX模型，最后选取最优网络结构，构建了PCA-NARX全国布鲁式菌病年发病人数预测模型，在此基础上，通过MSE-MAPE组合权重构建了ARMA-NARX模型，在预测精度和预测原理上都更科学。
兰州财经大学硕士学位论文全国布病发病人数预测模型82描述性分析及时间序列预测模型本文中所用的1950-2017年全国布病相关数据来自公共卫生科学数据中心(http://www.phsciencedata.cn/Share/index.js)，2018、2019年布氏病发病数据来源于疾病预防控制局(http://www.nhc.gov.cn/jkj/new_index.shtml)法定传染病疫情概况(NIDRIS)，相对应的经济、交通、医疗卫生数据来自国家统计局官网(http://www.stats.gov.cn/)。2.1描述性分析2.1.1长期趋势特征1950-2018年全国布病月发病人数如图2.1,由于自适应噪声完备集合经验模态分解方法(CEEMDAN)能很好地保留原序列本身特性,此特征被广泛应用于轴承故障诊断[40][41]，为研究布病68年来长期发病趋势，用CEEMDAN对原始时间序列数据提取信号特征，舍掉前2个高频数据，去除随机效应，重构低频数据提取趋势特征，如图2.2，由重构趋势图可看出1950年—2018年大致分为四个阶段：第一阶段,1950—1970年全国布病发病人数缓慢递增，第二阶段，1970-1980年发病人数缓慢下降，第三阶段，1980-1995年发病人数基本平稳，第四阶段，1995-2018年发病人数快速增长。本文重点分析第四阶段。图2.11950-2018年全国布病月发病人数
【参考文献】：
期刊论文
[1]基于ARIMA模型、灰色模型和回归模型的预测比较[J]. 李志超,刘升. 统计与决策. 2019(23)
[2]云南楚雄州2014-2017年布鲁氏菌病流行特征分析[J]. 高丽芬,胡海梅,钱发宝,罗琼梅,吴学林,袁嘉忆. 医学动物防制. 2019(06)
[3]ARIMA乘积季节模型在河北省唐山市布鲁氏菌病发病预测中的应用[J]. 高雯,王建红,周君,张岭,张志坤,刘丹. 医学动物防制. 2019(05)
[4]2011-2017年广东省佛山市南海区人间布鲁氏菌病流行病学特征分析[J]. 钟曼华,李鹏宾,陈志桓,梁婉玲,黄宇迪. 医学动物防制. 2019(05)
[5]2008—2017年沈阳市苏家屯区布鲁菌病空间流行特征[J]. 赵迎春,刘素凤,陈会杰. 职业与健康. 2019(01)
[6]2011-2017年我国人间布鲁氏菌病发病的长期趋势和季节性研究[J]. 康育慧,崔咏梅,曹文君. 中国卫生统计. 2018(06)
[7]2012-2018年6月抚州市布鲁氏菌病流行特征分析[J]. 黄凡卿. 江西医药. 2018(12)
[8]广义回归神经网络在布鲁氏菌病预测中的应用[J]. 黄璐,孙娜,许小珊,田野,马洁,杜泽玉,孟维静,王素珍,石福艳. 郑州大学学报(医学版). 2018(06)
[9]关联规则算法在布鲁氏菌病危险因素分析中的应用[J]. 郝丽萍,李岩青,杨爱,安娟丽,张晓晴. 中国卫生信息管理杂志. 2018(05)
[10]山东省2014-2016年布鲁氏菌病空间分布特征和空间自相关分析[J]. 刘维量,寇增强,陈保立,毕振旺. 中华疾病控制杂志. 2018(09)
硕士论文
[1]基于GIS的两类人畜共患病空间分布研究[D]. 王青芳.山西大学 2018
[2]平凉市20132017年布鲁氏菌病流行状况分析[D]. 杨亮.兰州大学 2018
[3]基于CEEMDAN和GWO-SVM的电机滚动轴承故障诊断[D]. 卓仁雄.南华大学 2018
[4]因子分析与NARX融合的个人所得税预测模型[D]. 王利平.重庆大学 2018
[5]2006-2016年期间辽宁省人间布鲁氏菌病流行病学特征分析及流行预测研究[D]. 王子江.中国医科大学 2018
[6]吉林省2006～2015年人布鲁杆菌病流行特征及趋势分析[D]. 孙宁.吉林大学 2017
[7]第八师石河子市2005～2016年人间布鲁氏菌病流行特征及发病率预测研究[D]. 贾怀妙.新疆医科大学 2017
[8]山西省人布鲁氏菌病时空聚集特征及可视化研究[D]. 王祥.山西医科大学 2017
[9]基于PCA-NARX神经网络模型的股指研究[D]. 陈能美.重庆师范大学 2017
[10]2006-2015年德州市法定传染病疫情变化趋势及预测研究[D]. 崔永彪.山东大学 2017
本文编号：3025564
【文章来源】：兰州财经大学甘肃省
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
本文研究思路第三章构建PCA-NARX全国布病发病人数预测模型
兰州财经大学硕士学位论文全国布病发病人数预测模型7图1.2候选指标1.3.2可能的创新点针对文献评述提到现有文献中对布鲁式菌病发病人数预测模型多基于发病历史数据本身，对发病人数蔓延的潜在原因，缺乏定量证据的综合考虑不足，因此，本研究旨在进一步调查人类布鲁氏菌病的流行机制和相关因素，根据布病发病时间序列，结合环境、社会经济、牛羊产量等生态学数据，通过散点图、相关性分析、PCA降维后构建NARX模型，最后选取最优网络结构，构建了PCA-NARX全国布鲁式菌病年发病人数预测模型，在此基础上，通过MSE-MAPE组合权重构建了ARMA-NARX模型，在预测精度和预测原理上都更科学。
兰州财经大学硕士学位论文全国布病发病人数预测模型82描述性分析及时间序列预测模型本文中所用的1950-2017年全国布病相关数据来自公共卫生科学数据中心(http://www.phsciencedata.cn/Share/index.js)，2018、2019年布氏病发病数据来源于疾病预防控制局(http://www.nhc.gov.cn/jkj/new_index.shtml)法定传染病疫情概况(NIDRIS)，相对应的经济、交通、医疗卫生数据来自国家统计局官网(http://www.stats.gov.cn/)。2.1描述性分析2.1.1长期趋势特征1950-2018年全国布病月发病人数如图2.1,由于自适应噪声完备集合经验模态分解方法(CEEMDAN)能很好地保留原序列本身特性,此特征被广泛应用于轴承故障诊断[40][41]，为研究布病68年来长期发病趋势，用CEEMDAN对原始时间序列数据提取信号特征，舍掉前2个高频数据，去除随机效应，重构低频数据提取趋势特征，如图2.2，由重构趋势图可看出1950年—2018年大致分为四个阶段：第一阶段,1950—1970年全国布病发病人数缓慢递增，第二阶段，1970-1980年发病人数缓慢下降，第三阶段，1980-1995年发病人数基本平稳，第四阶段，1995-2018年发病人数快速增长。本文重点分析第四阶段。图2.11950-2018年全国布病月发病人数
【参考文献】：
期刊论文
[1]基于ARIMA模型、灰色模型和回归模型的预测比较[J]. 李志超,刘升. 统计与决策. 2019(23)
[2]云南楚雄州2014-2017年布鲁氏菌病流行特征分析[J]. 高丽芬,胡海梅,钱发宝,罗琼梅,吴学林,袁嘉忆. 医学动物防制. 2019(06)
[3]ARIMA乘积季节模型在河北省唐山市布鲁氏菌病发病预测中的应用[J]. 高雯,王建红,周君,张岭,张志坤,刘丹. 医学动物防制. 2019(05)
[4]2011-2017年广东省佛山市南海区人间布鲁氏菌病流行病学特征分析[J]. 钟曼华,李鹏宾,陈志桓,梁婉玲,黄宇迪. 医学动物防制. 2019(05)
[5]2008—2017年沈阳市苏家屯区布鲁菌病空间流行特征[J]. 赵迎春,刘素凤,陈会杰. 职业与健康. 2019(01)
[6]2011-2017年我国人间布鲁氏菌病发病的长期趋势和季节性研究[J]. 康育慧,崔咏梅,曹文君. 中国卫生统计. 2018(06)
[7]2012-2018年6月抚州市布鲁氏菌病流行特征分析[J]. 黄凡卿. 江西医药. 2018(12)
[8]广义回归神经网络在布鲁氏菌病预测中的应用[J]. 黄璐,孙娜,许小珊,田野,马洁,杜泽玉,孟维静,王素珍,石福艳. 郑州大学学报(医学版). 2018(06)
[9]关联规则算法在布鲁氏菌病危险因素分析中的应用[J]. 郝丽萍,李岩青,杨爱,安娟丽,张晓晴. 中国卫生信息管理杂志. 2018(05)
[10]山东省2014-2016年布鲁氏菌病空间分布特征和空间自相关分析[J]. 刘维量,寇增强,陈保立,毕振旺. 中华疾病控制杂志. 2018(09)
硕士论文
[1]基于GIS的两类人畜共患病空间分布研究[D]. 王青芳.山西大学 2018
[2]平凉市20132017年布鲁氏菌病流行状况分析[D]. 杨亮.兰州大学 2018
[3]基于CEEMDAN和GWO-SVM的电机滚动轴承故障诊断[D]. 卓仁雄.南华大学 2018
[4]因子分析与NARX融合的个人所得税预测模型[D]. 王利平.重庆大学 2018
[5]2006-2016年期间辽宁省人间布鲁氏菌病流行病学特征分析及流行预测研究[D]. 王子江.中国医科大学 2018
[6]吉林省2006～2015年人布鲁杆菌病流行特征及趋势分析[D]. 孙宁.吉林大学 2017
[7]第八师石河子市2005～2016年人间布鲁氏菌病流行特征及发病率预测研究[D]. 贾怀妙.新疆医科大学 2017
[8]山西省人布鲁氏菌病时空聚集特征及可视化研究[D]. 王祥.山西医科大学 2017
[9]基于PCA-NARX神经网络模型的股指研究[D]. 陈能美.重庆师范大学 2017
[10]2006-2015年德州市法定传染病疫情变化趋势及预测研究[D]. 崔永彪.山东大学 2017
本文编号：3025564
本文链接：https://www.wllwen.com/yixuelunwen/liuxingb/3025564.html
