Please wait a minute...
文章检索
预防医学  2019, Vol. 31 Issue (2): 113-118    DOI: 10.19485/j.cnki.issn2096-5087.2019.02.002
  论著 本期目录 | 过刊浏览 | 高级检索 |
应用Elman神经网络建立流感样病例预测模型
章涛1, 官海滨2, 李傅冬1, 何凡1
1.浙江省疾病预防控制中心公共卫生监测与业务指导所,浙江 杭州 310051;
2.温州医科大学
Modeling of influenza-like illness prediction based on Elman neural network
ZHANG Tao*, GUAN Hai-bin, LI Fu-dong, HE Fan
* Department of Public Health Monitoring,Zhejiang Provincial Center for Diseases Control and Prevention,Hangzhou,Zhejiang 310051,China
全文: PDF(894 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 目的 应用Elman神经网络构建流行性感冒(流感)样病例(ILI)预测模型,为浙江省流感疫情早期预警提供依据。方法 收集2013—2014年浙江省11家流感监测哨点医院的ILI报告、ILI病毒核酸检测结果、气象和空气污染物等资料,通过时滞相关性分析筛选纳入模型的变量,采用2013年第14周—2014年第44周的数据建立Elman神经网络预测模型,采用2014年第45—52周的数据检验模型的预测效能。结果 浙江省2013—2014年每周均有ILI报告,共报告506 391例次,周报告ILI%为(3.07 ± 0.73)%。筛选出提前13周的周平均气压、提前11周的周平均水汽压、提前9周的周平均气温、提前5周的周平均SO2浓度、提前5周的周平均NO2浓度、提前5周的周平均CO浓度、提前5周的周平均PM2.5浓度、提前5周的周平均PM10浓度、提前5周的周平均AQI和提前1周的病原阳性率10个因素纳入模型。当网络结构为10-15-1-1时,构建的Elman模型为最优预测模型,预测结果的平均误差绝对率为10.58%,非线性相关系数为0.876 7。结论 利用气象、空气污染指标和流感病原性监测资料建立的Elman神经网络ILI预测模型预测效果较好,适用于浙江省流感疫情短期预测。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
章涛
官海滨
李傅冬
何凡
关键词 Elman神经网络流感样病例预测气象PM2.5    
AbstractObjective To build a model for influenza-like illness(ILI)prediction based on Elman neural network and to provide evidence for early warning of influenza epidemic in Zhejiang Province. Methods The data of ILI from 11 sentinel hospitals,influenza pathogen detection,meteorological factors and air pollutants in Zhejiang Province from 2013 to 2014 were collected. Time-delay correlation analysis was conducted to select variables for modeling. Based on Elman neural network,data from the 14th week of 2013 to the 44th week of 2014 were used as a training set to establish the model and the data from 45th week to 52nd weeks of 2014 were used as a test set for the model performance. Results There were ILI reported every week during 2013 and 2014,with a total of 506 391. The percentage of ILI cases per week was(3.07 ± 0.73)%. Ten variables selected by time-delay correlation analysis were the weekly average values of atmospheric pressure(13 weeks in advance),vapor pressure(11 weeks in advance),temperature(9 weeks in advance),SO2(5 weeks in advance),NO2(5 weeks in advance),CO(5 weeks in advance),PM2.5(5 weeks in advance),PM10(5 weeks in advance),air quality index(5 weeks in advance)and positive rate of pathogen(1 weeks in advance). Elman neural network(10-15-1-1)was selected as the optimal model,and the prediction performed well,with 10.58% as the mean error rate and 0.876 7 as the nonlinear correlation coefficient. Conclusion This study demonstrated that Elman neural network including variables of meteorological factors,air pollutants and the positive rate of pathogen performed well on the short-term prediction of ILI incidence.
Key wordsElman neural network    Influenza-like illness    Prediction    Meteorological factors    PM2.5
收稿日期: 2018-08-24      修回日期: 2018-11-25      出版日期: 2019-01-18
中图分类号:  R511.7  
基金资助:2015年浙江省医药卫生平台计划(2015RCB011); 2016年浙江省疾病预防控制中心科技英才孵育项目
通信作者: 何凡,E-mail:fhe@cdc.zj.cn   
作者简介: 章涛,硕士,医师,主要从事公共卫生监测管理工作
引用本文:   
章涛, 官海滨, 李傅冬, 何凡. 应用Elman神经网络建立流感样病例预测模型[J]. 预防医学, 2019, 31(2): 113-118.
ZHANG Tao, GUAN Hai-bin, LI Fu-dong, HE Fan. Modeling of influenza-like illness prediction based on Elman neural network. Preventive Medicine, 2019, 31(2): 113-118.
链接本文:  
http://www.zjyfyxzz.com/CN/10.19485/j.cnki.issn2096-5087.2019.02.002      或      http://www.zjyfyxzz.com/CN/Y2019/V31/I2/113
[1] PAUL S,MGBERE O,ARAFAT R,et al.Modeling and forecasting influenza-like illness(ILI)in Houston,Texas using three surveillance data capture mechanisms[J]. Online journal of public health informatics,2017,9(2):e187.
[2] 谢亮,富小飞,亓云鹏,等. 嘉兴市流行性感冒监测分析[J]. 预防医学,2017,29(8):806-808.
[3] 陈健,张磊,陆帅,等. 采用广义可加模型分析预测上海市流感样病例发病情况[J]. 中华流行病学杂志,2013,34(4):404-408.
[4] 杨召,叶中辉,赵磊,等. ARIMA-BPNN组合预测模型在流感发病率预测中的应用[J]. 中国卫生统计,2014,31(1):16-18.
[5] 王斌,冯慧芬,黄平,等. 人工神经网络模型在预测重症手足口病中的应用研究[J]. 现代预防医学,2018,45(11):1921-1924,1947.
[6] NIU Z,JIA Y,ZHANG L,et al.Prediction for short-term traffic flow based on Elman neural network optimized by CPSO[J]. Metallurgical & Mining Industry,2015(9):991-995.
[7] CHU C,CHANG C,CHANG T,et al.Elman neural network identify elders fall signal base on second-order train method[C]//2017 6th International Symposium on Next Generation Electronics(ISNE),2017:1-4.
[8] 黄薇,刘建平,张锦周,等. 细菌性食源性疾病发病预测中Elman神经网络模型的应用[J]. 公共卫生与预防医学,2013, 24(6):10-13.
[9] 孙锦峰,耿云亮,郭奕瑞,等. Elman神经网络与ARIMA模型对流感发病率预测效果的比较[J]. 郑州大学学报(医学版),2013,48(5):584-587.
[10] 中华人民共和国卫生部.关于印发《全国流感监测方案(2010年版)》的通知[Z].(2010-09-10)[2018-08-24]. http://www.nhfpc.gov.cn/jkj/s3577/201009/3fa356d0f4834d408fde6c12891 a6482.shtml.
[11] 何树红,杨博,戴明爽,等. 基于动态递归神经网络的石油价格预测[J]. 云南民族大学学报(自然科学版),2013,22(1):33-35.
[12] 黎漓. 湖南省流行性腮腺炎的流行特征及Elman神经网络预测[D]. 衡阳:南华大学,2015.
[13] 王芳,涂春丽,勾永尧. 基于Elman神经网络的气温预测研究[J]. 安徽农业科学,2011,39(33):20859-20860.
[14] KOELLE K,RASMUSSEN D A.Influenza:prediction is worth a shot[J]. Nature,2014,507(7490):47-48.
[15] 邓斐,资海荣,余慧燕,等. 江苏省2010—2014年流感流行特征分析[J]. 中华疾病控制杂志,2016,20(9):901-904.
[16] 李明,冯录召,曹玉,等. 中国2005—2013年流感暴发疫情的流行病学特征分析[J]. 中华流行病学杂志,2015,36(7):705-708.
[17] 王伟. 2009—2014年山东省流感样病例流行特征及其与气象因素关系研究[D]. 济南:山东大学,2016.
[18] 杨旭辉,王婧,孙昼,等. 气象因子与流感样病例的相关性研究[J]. 浙江预防医学,2014,26(7):653-658.
[19] SOEBIYANTO R P,CLARA W A,JORGE J,et al.Associations between seasonal influenza and meteorological parameters in Costa Rica,Honduras and Nicaragua[J]. Geospatial Health,2015,10(2):372.
[1] 高梦阳, 娄鹏威, 马丽, 李惠, 黄玉婷, 王璐, 王凯. 甲状腺乳头状癌中央区淋巴结转移预测模型研究[J]. 预防医学, 2023, 35(3): 229-234.
[2] 石鑫, 许军, 舒畅, 冷焱. 黑龙江省老年人群流行性感冒流行特征[J]. 预防医学, 2023, 35(3): 250-252,261.
[3] 郁小红, 钱棪梅, 周晨洁, 马越, 唐艳超, 邹玲莉. 应用TreeNet算法建立原发性高血压早期预测模型[J]. 预防医学, 2022, 34(9): 923-927.
[4] 何亚盛, 张红霞, 倪银, 朱越燕, 彭敏, 杨丹红. 急诊重症监护病房住院患者医院感染的预测模型研究[J]. 预防医学, 2022, 34(9): 919-922.
[5] 谷少华, 陆蓓蓓, 王永, 金永高, 王爱红. 高温健康风险预警的气象指标研究[J]. 预防医学, 2022, 34(8): 803-808,815.
[6] 余鸽, 娄乐, 徐方忠. 记忆任务指标评估抑郁障碍风险研究[J]. 预防医学, 2022, 34(7): 687-691.
[7] 徐琪, 叶辉, 朱冰, 傅华萍. 大气PM2.5与呼吸系统、心脑血管疾病急救病例数的相关性研究[J]. 预防医学, 2022, 34(7): 710-714.
[8] 吴昊澄, 鲁琴宝, 丁哲渊, 王心怡, 傅天颖, 杨珂, 吴晨, 林君芬. 基于百度指数和手足口病的疱疹性咽峡炎预测模型研究[J]. 预防医学, 2022, 34(3): 217-221.
[9] 王迎丹, 高春洁, 王蕾. 5种时间序列模型预测肺结核发病比较[J]. 预防医学, 2022, 34(12): 1194-1200.
[10] 苏银霞, 卢耀勤, 田翔华, 李莉, 姚华. 基于常规体检指标的2型糖尿病风险预测研究进展[J]. 预防医学, 2022, 34(12): 1230-1234.
[11] 吕晓丽, 朱一, 竹军伟. 纳入气象因素的ARIMAX模型预测流行性感冒流行趋势[J]. 预防医学, 2021, 33(8): 780-783.
[12] 孙秀秀, 刘光涛, 刘艳, 沈建勇. ARIMA乘积季节模型预测湖州市手足口病流行趋势[J]. 预防医学, 2021, 33(8): 801-803,807.
[13] 胡美兰, 阮天音, 李澔, 潘教亦, 何富乐. 应用C5.0算法决策树模型预测高脂血症[J]. 预防医学, 2021, 33(8): 827-829.
[14] 赵剑刚, 郑佳琦. PM2.5暴露与肾脏损害的研究进展[J]. 预防医学, 2021, 33(5): 473-475.
[15] 刘艳, 金玫华, 沈建勇, 刘光涛, 付云, 杨中荣, 任飞林, 徐德顺. 新型冠状病毒肺炎疫情防控措施对湖州市流行性感冒流行特征的影响[J]. 预防医学, 2021, 33(4): 332-336.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed