论文部分内容阅读
脑血管疾病的发病具有很大的随机性和不确定性,受到众多因素的影响,其中气象因素是很重要的影响因素,通过相关研究建立了基于气象数据的脑血管疾病发病人数预测模型能够为脑血管疾病的防治提供参考。基于以上的情况,本文主要进行了以下研究:1.首先对脑血管疾病发病的现状进行了解,对脑血管疾病发病人数预测的方法以及影响因子进行了探究和总结。在目前脑血管疾病发病现状和预测方法技术不足的基础上,确定本课题的研究内容。2.根据问题的特点,本文提出利用极限学习机进行脑血管发病人数的预测。极限学习机算法相对于传统机器学习的算法具有优越性,但是也存在一些局限性,为提高核函数逼近能力,本文提出一种高斯核与小波核组合的核函数,构造组合核极限学习机,提高核极限学习机在处理多维的数据时的精度。3.为提高组合核极限学习机性能,提出利用粒子群算法优化组合核极限学习机参数,引入反向学习初始化方法和高斯变异操作,提高粒子群算法的优化能力。最后利用MATLAB进行仿真实验,通过实验证明,改进后的粒子群算法(MPSO)具有更好的寻优能力。4.利用MPSO全局搜索的能力,优化组合核极限学习机的核参数。同时,根据气象数据和脑血管发病人数的相关性,建立基于气象数据的MPSO优化组合核极限学习机的脑血管发病人数预测模型,利用过去七天和未来七天的气象数据,对脑血管疾病发病人数进行每七天的预报。以郑州市2015-2016年的数据为例,进行仿真实验,通过与PSO-ELM算法,SVM算法,BP神经网络等算法对比,结果表明,MPSO优化组合核极限学习机算法具有更显著的性能,该算法能够更好地解决发病人数预测的问题。脑血管发病人数的预报能够实现对脑血管发病人数监测和防治,为有关卫生管理部门进行科学的决策提供强有力的信息支持,随着慢性病数据的逐渐积累,该模型可为省内其他地区的预警预报作参考。