人工神经网络方法在气象因素预测高血压发病中的应用

Application of Neural Network in Forecasting Hypertension Caused by Meteorological Factors

目的探讨以影响高血压发病率的气象因素建立高血压发病预测模型。方法选取银川地区1998—2000年日平均相对湿度、48h变温、日较差和日平均气压的标准化数据(以周为单位共100个样本)作为前馈型神经网络(BP神经网络)输入层的节点输入,以同期高血压发病率的标准化数据作为网络输出,经多层BP神经网络进行网络学习训练,建立高血压病发病率的人工神经网络预报模型。结果建立的高血压病神经网络模型结构为4-14-1(即有4个输入、14个隐含节点和1个输出),训练精度为0.005,训练了46步达到目的,最终误差为0.0048992。神经网络预报模型所得预报量的同一级平均拟合率为62.4%,差一级平均拟合率为99.2%,均高于统计预报方程(47.7%,98.3%);其同一级平均预报率为58.2%,差一级平均预报率为91.3%,均高于统计预报方程(50.5%,84.6%)。神经网络预报模型的平均绝对百分比误差、均方误差、绝对误差分别为25.2%,21.0%,16.2%,均低于统计预报方程(47.6%,26.2%,21.1%)。若以拟合值绝对误差小于20%为拟合正确,则统计预报方程拟合率为51.3%,而神经网络拟合率为71.2%。对56个未参加建立预报模型的独立样本进行预报和比较,神经网络预报模型预报效果优于统计预报方程。结论该方法计算简便,误差较小,有更高的历史样本拟合和独立样本预报能力,为高血压发病预测提供了一种新方法。

Objective To discuss the meteorological factors that affect the incidence of hypertension and set up the forecasting model.Methods Based on statistical analysis,the main meteorological factors remarkably affecting hypertension was selected in Yinchuan area.The factors,including average humidity,variational temperature of 48 hous,temperature difference of a day and air pressure,as input variables,were used for studying and training of multilevel feed-forward neural network BP algorithm and an ANN hypertensio...