基于BP神經網絡的疾病癥狀預測模型

張雅+宋耀蓮+章凡

摘要：疾病癥狀上報數量反映了當地居民健康狀況，準確預測疾病上報的總條數對于預防傳染病的發生至關重要。目前，疾病癥狀的上報、誤報、重報問題突出，為了得到準確的患病人數，通過對某地區疾病癥狀上報數據的訓練與預測，建立疾病癥狀上報總數的BP網絡預測模型。研究結果表明，基于BP神經網絡的疾病癥狀上報預測模型具有較高的精度和實用性。

關鍵詞：BP神經網絡；預測模型；疾病癥狀總數

DOIDOI：10.11907/rjdk.172053

中圖分類號：TP306 文獻標識碼：A 文章編號：1672-7800（2017）012-0001-03

Abstract：Disease symptoms reported Numbers reflect the health of local residents， accurately predict the numbers is very important to prevent the happening of the infectious diseases.However，the real number of cases is not accurate for the extensive error reporting and re-reporting phenomenon.To get the exact number of cases， in this paper， the BP network prediction model of disease symptom reporting was established by the training and prediction of disease reporting data in one area. Finally，theory analyses and simulation results illustrate that the prediction model of disease symptoms based on BP neural network has higher precision and practicability.

Key Words：The BP neural network；prediction model；report symptoms of illness

0 引言

近年來，隨著全球傳染病的爆發流行，以疾病診斷為基礎的常規監測已難以滿足公共衛生監測預警需求。為了實現對疾病癥狀的預警，蔣艷峰等[1]將外界天氣因子作為疾病發生的研究對象，利用回歸模型和決策樹建立預測模型。本文主要從每月上報的疾病癥狀總數出發，建立基于BP神經網絡的預測模型。唐陽山[2]，謝浩等[3]將BP神經網絡預測模型用于交通預測，得到了很好效果。熊昌獅[4]將BP神經網絡用于預測尾砂充填對地下水鋅含量的影響，精度達到80%以上。張景陽[5]將多元線性回歸方法與BP神經網絡比較，體現BP網絡預測的優越性。李佟[6]將馬爾可夫鏈與BP神經網絡預測模型比較，最后得出BP神經網絡的預測模型更好。由此表明，BP神經網絡作為預測模型是可行的，但將其用于疾病癥狀上報數量方面的預測并不多見。

本文創新點在于將BP神經網絡預測模型用于對疾病癥狀數量的預測，通過準確預測疾病癥狀數量，不僅能及時反映當地居民的健康狀況，讓疾控中心提前做好預防預警工作。

1 數據預處理

本文研究對象是每月癥狀上報總條數預測，主要研究其它癥狀的上報數量對總數的影響。一條病人癥狀記錄一般包括幾個癥狀，比如發熱、頭痛、咳嗽等，對于總條數而言是一條記錄。本文研究的所有數據都是通過邊境癥狀監測預警系統提取的，數據源真實可靠。該預警系統主要收集了我國某地區所有醫療機構實時上報的癥狀數據。

由于輸入數據的單位有差異，某些范圍相當大，致使神經網絡的收斂速度慢、訓練時間久。因此用式（1）對數據進行歸一化處理[7]，使樣本數據落在[0，1]范圍之內。

2 BP預測模型

2.1 BP神經網絡學習算法原理

BP神經網絡算法作為有監督的學習過程，由已知的輸入、輸出樣本數據反復更換網絡連接的權值及閾值，從而讓網絡的輸出更加逼近期望輸出。就整個神經網絡而言，一次學習過程由輸入數據的正向傳播和誤差的反向傳播兩個子過程完成。經典的BP網絡結構如圖1所示。

2.2 算法建立

本文利用BP網絡算法三層結構構建每個癥狀條數到總癥狀條數的非線性預測模型。模型輸入是5種癥狀月記錄條數，輸出為月總癥狀條數。中間層神經元的傳遞函數為S型正切函數，因網絡輸入向量取值范圍為[0，1]，因而輸出層神經元的傳遞函數可以設定為S型對數函數。本文選用網絡內置訓練函數traingdx，其學習速率是自適應的。

經多次測試，當隱層神經元個數為10時預測精度最高。同時取2016年1～11月數據為學習訓練樣本，2016年12月數據為預測樣本。

3 實驗結果及分析

4 結語

本文基于BP神經網絡建立了一種根據每種癥狀的月上報總數預測當月患病總人數的預警模型，并通過實驗證實了BP神經網絡預測模型在預測疾病癥狀月上報總數上切實可行。建立該預測模型對于我國某省邊境地區傳染病的預防具有重要意義，可為當地發病情況預測提供重要依據。

參考文獻：

[1] 蔣艷峰.上呼吸道感染的氣象誘因及預測方法研究[D].蘭州：蘭州大學，2015.

[2] 唐陽山，葛麗娜，黃子龍，等.基于BP神經網絡的交通事故預測方法研究[J].遼寧工業大學學報，2016，36（1）：27-30.

[3] 謝浩.基于BP神經網絡及其優化算法的汽車車速預測[D].重慶：重慶大學，2014.

[4] 熊昌獅，陳云嫩，吳樂文，等.人工神經網絡預測尾砂充填對地下水中鋅含量的影響[J].安徽農業科學，2015，43（35）：115-117.

[5] 張景陽，潘光友.多元線性回歸與BP神經網絡預測模型對比與應用研究[J].昆明理工大學學報，2013，38（6）：61-65.

[6] 李佟，李軍.基于BP神經網絡與馬爾可夫鏈的污水處理廠脫氮效果模擬預測[J].環境科學學報，2016，36（2）：576-581.

[7] 安愛民，祁麗春，丑永新，等.基于BP神經網絡的溶解氧濃度軟測量方法研究[J].計算機與應用化學，2016，33（1）：117-121.

（責任編輯：孫 娟）