改进BP神经网络在API预测中的应用

空气污染指数(AIR POLLUTION INDEX,简称API)是一种反映和评价空气质量的方法,本文以厦门市环境监测部门公布的API数据为依据,通过对BP神经网络模型的研究并对比几种API预测模型,结果表明BP神经网络模型预测值与实际值非常接近,完全可以满足对预测的要求。

基于BP神经网络的空气质量预测与分析

使用神经网络构造的算法,对秦皇岛市的空气质量进行预测。将秦皇岛市的气象监测数据与环境监测数据,按照季节关系分组,并进行相关性分析,从而确定出与空气质量呈强相关性的气象因子。并对其进行主成分分析,得出影响空气质量变化的主因子,以减少多种气象因子带来的数据处理难度。构建季节预测模型,并根据气象因子筛选结果,确定出神经网络模型需要输入的数据矩阵,从而通过气象参数变化对秦皇岛市的空气质量进行预测。并通过四个预测模型对季节空气质量的数值预测,得出了平均预测准确率,分别为81.18%,83.10%,81.72%,80.56%。结果表明,使用BP神经网络构建的秦皇岛市空气质量预测模型,可以成功预测该市四季的空气质量。

呼出气一氧化氮测定在儿童支气管哮喘预测及诊断中的应用价值

目的研究测定呼出气一氧化氮(FeNO)在儿童支气管哮喘预测及诊断中的应用价值。方法选取2014年11月至2017年3月我院的喘息患儿179例和同期非喘息儿童(正常组)40例,将喘息儿童根据哮喘预测指数(API)分为API阳性组(107例)和API阴性组(72例),比较三组的FeNO浓度、EOS%、TIgE及喘息儿童FeNO浓度与EOS%和TIgE的相关性。结果 API阳性组FeNO浓度、EOS%、TIg E均明显高于API阴性组和正常组(P<0.05);喘息儿童FeNO浓度和EOS%成正相关(r=0.223,P=0.018),与TIgE亦成正相关(r=0.586,P=0.012)。结论 FeNO浓度与IgE、嗜酸性粒细胞有着密切关系,在预测和诊断3岁以下儿童支气管哮喘应用中有一定指导意义和价值。

0～3岁反复喘息婴幼儿呼出气一氧化氮水平与哮喘预测指数的相关性

目的研究0～3岁反复喘息婴幼儿呼出气一氧化氮(FeNO)水平与哮喘预测指数(API)的相关性。方法选取我院儿科门诊2014年11月至2017年3月收治的一年超过3次喘息的婴幼儿患者96例为研究对象,根据API将其分为API阴性组(40例)和API阳性组(56例)。两组患儿均进行皮肤点刺过敏原测试,同时测定FeNO水平、外周血嗜酸性粒细胞百分比(EOS%)水平。比较两组患儿的相关指标。结果 API阳性组患儿的吸入变应原阳性率(57.14%)与食入变应原阳性率(26.79%)均明显高于API阴性组(0.00%、7.50%)(P<0.05);API阳性组患儿的FeNO、EOS%水平明显高于API阴性组(P<0.01);FeNO水平与EOS%为正相关关系(r=0.344,P=0.015)。结论 FeNO水平与API有密切的联系,为临床上检测哮喘提供了具体有效的依据。