论文部分内容阅读
目的探讨基于神经网络的组合模型在煤工尘肺患者发病工龄预测中的预测性能优劣。利用BP神经网络、径向基函数神经网络和多重线性回归模型，以及单个模型间的两两组合模型对煤工尘肺患者的发病工龄进行预测，并比较各模型的预测性能。方法各模型模型对研究数据进行预测分析时采用SPSS19.0对其实现，通过对BP神经网络模型、径向基函数神经网络模型反复训练，确定各模型的运行参数。各模型真实值和预测值之间采用配对t检验进行统计分析，通过真实值与预测值之间的散点分布图对模型的预测性能做初步分析。运用标准差法求解组合模型的权重系数，采用标准误差、平均相对误差和平均绝对误差对模型的预测结果进行分析，得出各模型的预测效果，进而比较各模型预测性能的优劣。结果各模型的预测分布图除了少数离群值外大致符合理想状态下的分布，其中三种单一模型的组合模型预测分布图最为理想，BP神经网络模型与多重线性回归模型的组合模型次之，最差的为RBF神经网络模型。各模型真实值与预测值之间的差异均无统计学意义，BP神经网络模型、RBF神经网络模型、多重线性回归模型、BP神经网络与多重线性回归组合模型、BP与RBF神经网络组合模型、RBF网络与多重线性回归组合模型和三种模型的组合模型的均方根误差分别为5.31、7.48、4.89、2.06、5.92、6.15和3.21；平均绝对误差分别为3.16、5.57、4.93、1.19、3.51、3.01和4.40；平均相对误差分别为-0.51%、2.80%、-0.57%、0.45%、0.68%、0.87%和0.50%。为了进一步验证各模型的预测性能，利用随机抽取10例的仿真集样本进行预测检验，BP神经网络模型、RBF神经网络模型、多重线性回归模型、BP神经网络与多重线性回归组合模型、BP与RBF神经网络组合模型、RBF网络与多重线性回归组合模型和三种模型的组合模型的仿真集的均方根误差分别为3.13、6.48、4.57、1.57、4.92、5.15和1.69；平均绝对误差分别为2.83、5.31、4.15、0.73、3.79、4.23和3.63；平均相对误差分别为-0.43%、1.97%、-0.59%、0.07%、0.53%、0.85%和0.19%。结论实证表明，在煤工尘肺发病工龄的预测中，组合模型的预测性能优于各单一模型，其中BP神经网络与多重线性回归模型的组合模型的预测性能最优，有较高的拟合和预测精度。