支持向量机回归在传染病预测中的应用研究

发布时间：2017-06-03 18:23

  本文关键词：支持向量机回归在传染病预测中的应用研究，由笔耕文化传播整理发布。

【摘要】： 传染病对人类的威胁是长期而严峻的。预测可以及早发现疾病的流行趋势,为及时、准确地开展传染病的预警奠定了基础,对传染病的控制工作也意义重大。 受多种因素的影响,传染病发病率样本不仅采集困难,而且总是呈现出不规则、混沌等非线性特征。而传统的传染病预测模型大多以线性模型为主,难以进行理想的非线性拟和,故迫切需要建立新的预测模型来开展科学预测研究。考虑到支持向量机(SVM)具有小样本、稀疏性、以及非线性拟合能力强等方面的优势,本文将支持向量机回归(SVR)引入传染病预测,以期开发出一种性能更加优越的传染病预测模型,为疾病预测工作提供新的技术手段。 首先,本文综述了传染病预测和SVM的研究现状,以及一些有代表性的传染病数学模型。在对统计学习理论以及相关的优化理论进行回顾的基础上,从四个方面详细描述了SVR模型的基础知识,并指出了SVM的优缺点。 然后,本文针对SVM在实际应用中的三点困难,设计了NSVR预测模型,目的是获得更高的学习性能和预测精度。该模型的设计思路涉及三个主要方面:(1)数据预处理:C-C方法进行相空间重构;(2)核函数的选择:采用混合核函数的非线性组合方式;(3)参数的优化:改进了基本的PSO算法。在详细描述了NSVR预测模型建模流程的基础上,通过仿真实验证明了该模型的有效性。 最后,考虑到求和自回归移动平均(ARIMA)模型在处理线性问题上的优势以及SVR在处理非线性问题上的优势,本文借助组合预测的思想提出了一个新的组合预测模型ARIMA-NSVR,目的是在提高模型鲁棒性的同时,进一步提高模型的泛化能力。在ARIMA-NSVR组合预测模型建模流程的基础上,通过仿真实验证明了该组合模型的有效性。
【关键词】：传染病 预测 支持向量机 支持向量机回归 求和自回归移动平均模型
【学位授予单位】：苏州大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：R181.3
【目录】：

• 摘要4-5
• Abstract5-8
• 第1章 绪论8-15
• 1.1 研究背景8-9
• 1.2 传染病预测发展现状9-10
• 1.3 支持向量机的提出及研究现状10-13
• 1.4 研究意义13
• 1.5 主要内容及论文组织结构13-15
• 第2章 传染病预测模型概述15-23
• 2.1 时间序列模型15-18
• 2.1.1 微分方程模型15-17
• 2.1.2 余弦模型17-18
• 2.2 Markov 模型18-19
• 2.3 灰色预测模型19-20
• 2.4 人工神经网络模型20-21
• 2.5 传染病预测数学模型存在的问题及研究趋势21-22
• 2.6 本章小结22-23
• 第3章 支持向量机回归理论基础23-37
• 3.1 统计学习理论核心内容概述23-28
• 3.1.1 期望风险和经验风险24-25
• 3.1.2 VC 维25-26
• 3.1.3 结构风险最小化准则26-27
• 3.1.4 支持向量机原理27-28
• 3.2 优化理论28-29
• 3.3 支持向量机回归模型29-35
• 3.3.1 损失函数29-30
• 3.3.2 核函数30-31
• 3.3.3 支持向量机回归原理31-35
• 3.3.4 支持向量机回归算法步骤35
• 3.4 支持向量机的特点35-36
• 3.5 本章小结36-37
• 第4章 基于NSVR 预测模型的传染病预测37-62
• 4.1 NSVR 预测模型的设计思路37-50
• 4.1.1 相空间重构38-40
• 4.1.2 核函数的种类40-41
• 4.1.3 核函数的组合形式41-44
• 4.1.4 参数的分析及选择44-45
• 4.1.5 基于改进PSO 算法的参数选择45-50
• 4.2 NSVR 预测模型的构建50-53
• 4.2.1 NSVR 预测模型建模流程50-51
• 4.2.2 NSVR 预测模型架构图51-52
• 4.2.3 模型的性能评价标准52-53
• 4.3 预测仿真实例53-61
• 4.3.1 数据预处理53-55
• 4.3.2 实验过程55-61
• 4.3.3 结果分析61
• 4.4 本章小结61-62
• 第5章 基于ARIMA-NSVR 预测模型的传染病预测62-77
• 5.1 ARIMA 基本理论62-68
• 5.1.1 自回归移动平均(ARMA)模型62-65
• 5.1.2 求和自回归移动平均(ARIMA)模型65-66
• 5.1.3 季节性模型66-67
• 5.1.4 模型辨识的基本原则67-68
• 5.2 ARIMA-NSVR 预测模型68-70
• 5.2.1 ARIMA 时间序列预测的建模流程68-69
• 5.2.2 ARIMA-NSVR 预测模型的建模流程69
• 5.2.3 ARIMA-NSVR 预测模型架构图69-70
• 5.3 预测仿真实例70-76
• 5.3.1 ARIMA 模型预测70-73
• 5.3.2 NSVR 模型预测73-74
• 5.3.3 ARIMA-NSVR 模型组合预测74-76
• 5.3.4 结果分析76
• 5.4 本章小结76-77
• 第6章 总结与展望77-79
• 6.1 总结77-78
• 6.2 展望78-79
• 参考文献79-84
• 攻读硕士学位期间公开发表的论文与科研项目84-85
• 致谢85-86

【相似文献】

中国期刊全文数据库 前10条

1 张丽娟;张跃新;石光英;;肝纤维化指数的临床应用评价[J];中国肝脏病杂志(电子版);2008年02期

2 张喜红;刘雁灵;杜中强;崔永梅;;灰色预测模型GM(1,1)在猩红热发病率预测中的应用[J];数理医药学杂志;2011年03期

3 魏松宇;唐文伟;徐慧;梁琼鹤;顾海斌;柴雪娥;郭斌;;小儿社区获得性肺炎X线阳性预测模型的研究[J];东南大学学报(医学版);2011年04期

4 孙海龙;李申龙;贾红;邹文;李文集;张文义;徐元勇;李青华;李亚楠;;运用移动平均模型对某部麻疹发病进行统计预测[J];预防医学论坛;2011年06期

5 谢多双;来瑞平;符湘云;王慧芳;聂绍发;;ICU患者医院感染logistic回归模型预测[J];中华医院感染学杂志;2011年12期

6 吕鸿杰;;原发性高血压发病概率预测模型评价研究[J];职业与健康;2011年18期

7 郑盛;刘海;肖琼怡;朱为梅;尹静;王建刚;郭致平;王玉波;;肝硬化门静脉血栓无创性预测模型的研究[J];实用肝脏病杂志;2011年04期

8 吴先平;韦志军;江映;;术后疼痛高危因素的分析[J];临床麻醉学杂志;2011年04期

9 徐志云;;心血管手术风险预测研究与现状[J];中国胸心血管外科临床杂志;2011年03期

10 李媛;马辉;崔壮;马骏;;天津市流行性感冒与气象条件的关系研究[J];环境与健康杂志;2011年03期

中国重要会议论文全文数据库 前10条

1 梁启华;;一种基于Ito方程的广告效应预测模型[A];2005中国控制与决策学术年会论文集（上）[C];2005年

2 孙颖;张袅娜;王玉华;卢秀和;杨洪侠;;基于多输入层小波神经网络的选矿厂能源消耗预测模型[A];PCC2009—第20届中国过程控制会议论文集[C];2009年

3 华丽;鲍一笑;刘全华;;汉族儿童哮喘易感基因预测模型的初步建立[A];中华医学会2010年全国变态反应学术会议暨中欧变态反应高峰论坛参会指南/论文汇编[C];2010年

4 盛刚;孙彦广;梁青艳;;钢铁企业电力负荷分析与预测模型的探讨[A];全国冶金自动化信息网2011年年会论文集[C];2011年

5 马培蓓;纪军;;基于时间序列的航空备件消耗预测[A];中国系统工程学会决策科学专业委员会第六届学术年会论文集[C];2005年

6 陈亮;杜尚丰;;温室环境神经网络预测控制[A];农业工程科技创新与建设现代农业——2005年中国农业工程学会学术年会论文集第五分册[C];2005年

7 刘静;杨月欣;;膳食血糖生成指数预测模型的建立[A];中国营养学会第十次全国营养学术会议暨第七届会员代表大会论文摘要汇编[C];2008年

8 高尚;;GM(1，，1)模型分析及改进[A];数学及其应用文集——中南模糊数学和系统分会第三届年会论文集（上卷）[C];1995年

9 赖永标;乔春生;;基于SVM隧道与溶洞安全距离预测模型[A];第六届全国地面岩石工程学术会议暨第二届岩土力学与工程前沿论坛论文集[C];2007年

10 王梅娟;王慧芳;张青珍;莫爱勰;;最优子集回归模型在豫西汛期旱涝冷暖趋势预测中的应用[A];天气、气候与可持续发展——河南省气象学会2010年年会论文集[C];2010年

中国重要报纸全文数据库 前10条

1 本报记者 张超;预测模型：推算SARS起落潮[N];科技日报;2003年

2 刘庆;“预测模型”要缓行[N];网络世界;2006年

3 王雪飞;儿童多动症有了疗效预测模型[N];健康报;2006年

4 记者 耿挺;蛋白质功能算出来[N];上海科技报;2007年

5 海通期货研究所;沪深300行业指数β系数预测模型之比较[N];期货日报;2009年

6 本报记者　谢飞;行业预测模型试水　数量化投资武装基金业[N];21世纪经济报道;2004年

7 张琳 赵伟;巧用Excel构建利润预测模型[N];财会信报;2007年

8 四川农业大学 王立志 贾刚 王康宁;饲料有效磷的评定及预测模型的“雏形”[N];中国畜牧兽医报;2006年

9 五矿海勤 张浩;LLDPE日内价格波动区间预测模型初探[N];期货日报;2007年

10 知名财经专栏作家 周洛华;再精确的预测也靠不住[N];上海证券报;2010年

中国博士学位论文全文数据库 前10条

1 杨林楠;三化螟和斑潜蝇发生预测模型研究与应用[D];电子科技大学;2010年

2 陈玉海;我国CPI预测数量研究[D];中南大学;2009年

3 陈玲;风电场风速和风功率预测方法研究[D];武汉大学;2012年

4 张瑞;不常用备件需求预测模型与方法研究[D];华中科技大学;2011年

5 谢妮;深圳市HIV/AIDS疫情分布特征与预测模型比较[D];中南大学;2011年

6 陈为真;大型结构振动信号处理与模态参数识别研究[D];华中科技大学;2010年

7 章之旺;中国上市公司的财务困境成本理论与实证研究[D];厦门大学;2008年

8 罗士勋;人民币汇率预测和风险管理研究[D];吉林大学;2005年

9 王泽河;大城市停车诱导系统设计方法的研究[D];中国农业大学;2005年

10 李郁侠;电力市场边际电价预测与水电厂竞价上网模式研究[D];西安理工大学;2005年

中国硕士学位论文全文数据库 前10条

1 车金星;混合预测模型研究[D];兰州大学;2010年

2 王平;三种预测模型在主要传染病发病率预测中的应用[D];浙江大学;2010年

3 崔露阳;多种预测模型在卫生支出预测方面的应用[D];华东师范大学;2012年

4 力琼;支持向量机回归在传染病预测中的应用研究[D];苏州大学;2010年

5 赵晓丽;基于小波ARIMA模型的风电场风速短期预测方法研究[D];华北电力大学（北京）;2010年

6 白营闪;基于ARIMA模型对沪深300指数的预测分析[D];华南理工大学;2010年

7 方江晓;短期风速和风电功率预测模型的研究[D];北京交通大学;2011年

8 李菁菲;基于小波技术和ARIMA模型的网络流量预测研究[D];山东大学;2010年

9 曾杰;风电场短期风速预测模型和风力机动力分析[D];华北电力大学（北京）;2010年

10 连晔;基于ARIMA与神经网络的原油运价指数研究与预测[D];上海交通大学;2010年

  本文关键词：支持向量机回归在传染病预测中的应用研究，由笔耕文化传播整理发布。

本文编号：418915