基于LSTM神經網絡的烏魯木齊市流感樣病例的預測研究

龔風云　王凱

【摘 要】目的：分析烏魯木齊市流感樣病例月發病數的變化趨勢，建立長短期記憶（LSTM）模型，對流感樣病例例數數進行預測，為烏魯木齊市流感的預防與控制提供科學依據。方法：利用2015年1月-2018年3月烏魯木齊市的每月氣象數據、流感樣病例監測數據，采用單變量LSTM模型和多變量LSTM模型對烏魯木齊市流感樣病例例數的時間序列進行預測，使用RMSE和MAE值評價不同方法的預測精度。結果：單變量LSTM模型和多變量LSTM模型的RMSE值分別是66.17和56.91;MAE值分別是60.42和39.07。與單變量LSTM模型相比，多變量的LSTM模型預測效果較好。結論：本研究所建立的多變量LSTM模型能較好地預測ILI病例數的發病趨勢，為流感監測和預防控制提供依據。

【關鍵詞】LSTM;流感樣病例;氣象因素;預測

中圖分類號： TP393.0;TP183 文獻標識碼： A 文章編號： 2095-2457（2019）31-0020-003

DOI：10.19694/j.cnki.issn2095-2457.2019.31.009

Prediction of influenza-like cases in urumqi based on LSTM neural network

GONG Feng-yun1 WANG Kai2*

（1.College of Applied Mathematics，Xinjiang University of Finance and Economis， Urumqi Xinjiang 830012， China;

2.College of Medical Engineering and Technology，Xinjiang Medical University， Urumqi Xinjiang 830011， China）

【Abstract】[Objective]To analyze the change trend of the monthly incidence of influenza-like cases in Urumqi， establish long-short term memory（LSTM） model，and predict the number of influenza-like cases， so as to provide scientific basis for the prevention and control of influenza in Urumqi.[Methods]Monthly meteorological data and influenza-like case monitoring data from January 2015 to March 2018 in Urumqi were used to predict the time series of influenza-like cases in Urumqi using univariate LSTM model and multivariate LSTMmodel， RMSE and MAE values were used to evaluate the prediction accuracy of different methods.[Results]RMSE values of univariate LSTM model and multivariate LSTM model are 66.17 and 56.91 respectively.The MAE values are 60.42 and 39.07 respectively.Compared with the single-variable LSTM model， the multivariable LSTM model has a better predictive effect. [Conclusion] The multivariate LSTM model established in this study can better predict the incidence trend of ILI cases， providing a basis for influenza surveillance， preventionand control.

【Key words】LSTM; Influenza-like cases; Meteorological factors; Prediction

流行性感冒簡稱流感，是由流感病毒引起的一種傳染性呼吸道疾病[1]。流感病毒主要通過空氣傳播，如咳嗽、噴嚏等[2]。據統計，全球每年約有10%～20%的人群因流感的季節性流行而感染流感，其中300萬～500萬人為重癥病例，25萬～50萬人為死亡病例[3]。流感的流行不僅對人群健康造成嚴重威脅，也對社會產生了巨大的經濟損失[4]。在美國，流感每年的總成本超過100億美元，而未來的流感大流行估計直接和間接成本高達數千億美元[5]。Yang J等[6]一項覆蓋全國范圍的研究顯示，個人流感門診病例的平均費用為$155，流感住院病例的平均費用為$1511。在疾病高峰期，診所和醫院不堪重負。接種流感疫苗和阻礙傳播途徑是預防流感有效的方法[7]。新疆烏魯木齊市是流感多發地之一，該市作為國家級流感監測點，對流感樣病例（influenza-like illness，ILI）進行了長期持續的監測[8]。為了幫助政府、醫院、診所、制藥公司和其他公司有效地控制流感爆發，并及時限制傳播途徑，本研究使用LSTM模型對烏魯木齊市ILI例數數據進行訓練擬合、分析及預測，并比較預測精度。

1 資料與方法

1.1? ILI定義

發熱（體溫≥38℃）、伴咳嗽或咽痛之一者[9]。

1.2 資料來源

2015年1月—2018年3月烏魯木齊市的每月ILI例數來源于“中國疾病預防控制信息系統流感監測信息子系統”。氣象數據資料來自烏魯木齊市氣象局，主要包括月平均氣溫（℃）、月降水量（mm）、月平均氣壓（hpa）、月平均最大氣壓（hpa）、月平均最小氣壓（hpa）、月平均相對濕度（%）、月平均風速（m/s）、月日照時數（h）。

1.3 長短期記憶人工神經網絡（long-short term memory，LSTM）

LSTM是一種改進的時間循環神經網絡（recurrent neural network，RNN）[10]，它的提出解決了傳統循環神經網絡在學習過程中由于輸入序列過長帶來的梯度消失問題[11]。一個LSTM單元包括細胞狀態（cell state）、輸入門（input gate）、遺忘門（forget gate）、輸出門（forget gate），且LSTM神經元的三個門的激活函數均為 Sigmoid[12]。

1.4 模型預測效果的比較

本文通過計算測試集的均方根誤差（Root Mean Square Error，RMSE）和平均絕對誤差（Mean Absolute Error，MAE）來定量地評價模型擬合及預測效果。該計算公式如下：

RMSE=■

MAE=■■|Y■-Y■|

式中，Y1t和Y2t均分別為t時刻的觀測值和模型輸出值，n為數據點個數。

1.5 統計分析

使用Python3.0和R3.6.1軟件建立LSTM模型，其中各變量之間的相關性分析均采用了統計學中的Spearman相關。檢驗水準α=0.05。

2 結果

2.1 描述性分析

2015年1月-2018年3月烏魯木齊市的ILI病例總數為5572例，月平均發病數約為143例。其中，月ILI例數、月平均氣溫（℃）、月降水量（mm）、月平均氣壓（hpa）、月平均最大氣壓（hpa）、月平均最小氣壓（hpa）、月平均相對濕度（%）、月平均風速（m/s）、月日照時數（h）分別用fre、temp、rain、press、press_max、press_min、humidity、wind_speed、sunshine_hours表示。該時間序列圖顯示，流感樣病例數呈現明顯的季節性，冬春季發病數明顯多于夏秋季。月平均氣溫、月降水量、月平均風速和月日照時數在冬春季偏低，夏秋季偏高，而月平均氣壓、月平均最大氣壓、月平均最小氣壓和月平均相對濕度在冬春季偏高，夏秋季偏低。見圖1。2015年1月—2018年3月烏魯木齊市的月平均氣溫、月降水量、月平均氣壓、月平均最大氣壓、月平均最小氣壓、月平均相對濕度、月平均風速、月日照時數的均值分別為6.9℃、29.3mm、912.5hPa、917.6hpa、906.7hpa、59.7%、2.0m/s、222.4h。見表1。

2.2 LSTM模型分析

2.2.1 單變量LSTM模型

由于LSTM不需要對時間序列進行平穩性和白噪聲檢驗，可以直接建立模型。所以，本文首先對數據進行預處理，將時間序列數據轉化為學習數據，并且對數據進行歸一化處理。然后將數據集分為訓練集和測試集，將2015年1月-2016年1月的數據作為訓練集，2016年2月-2018年3月的數據作為測試集。最后建立LSTM模型，本文設置模型的隱藏層數為4，輸入層和輸出層分別為1和1;時間步長（time_step）設置為1。

圖1 2015年1月-2018年3月烏魯木齊市的每月ILI例數和氣象因素分布

2.2.2 多變量LSTM模型

由于單變量LSTM的預測結果并不太好，所以本文對單變量LSTM的輸入層與隱藏層進行了改變，進而構建了一個可以輸入多個序列的多變量LSTM模型。本文設置的多變量LSTM模型的隱藏層數為50;輸入層和輸出層分別為8和1;每批次訓練樣本數（batch_size）設置為72;時間步長（time_step）設置為1;在 輸入特征時需要將tensor轉成三維作為LSTM cell的輸入。結果見圖2。

圖2 多變量LSTM預測結果

2.2.3 模型評價

從表2可以看出，與單變量LSTM模型相比，納入多個變量的LSTM模型預測的RMSE和MAE略小。其中，多變量的LSTM模型預測的RMSE降低了9.26，預測的MAE降低了21.35。表明多變量LSTM模型可以提高模型的預測精度。

表2 單變量LSTM模型和多變量LSTM模型的預測精度比較

3 討論

本研究采用時間序列分析方法，分析了2015年 1月～2018年3月新疆烏魯木齊市ILI例數的發病趨勢。時間序列模型通過使用不同的特性可以分為3種類型[5]。第一類模型是自回歸模型，它使用過去的患者數量作為特征（“xs”），并預測未來的患者數量作為響應（y）。典型的例子包括自回歸綜合移動平均（ARIMA）模型和向量自回歸模型（VAR）。第二類模型使用其他參數（如溫度、濕度等）代替過去的流感數據作為回歸模型（如線性回歸、隨機森林等）的特征。著名的例子是“谷歌流感趨勢”，它使用搜索引擎查詢數據作為特征和線性回歸模型。第三類模型是第一類和第二類的組合。它使用過去流感患者的數量作為特征（如第一種類型）和回歸模型（如第二種類型）。本研究采用了第三種模型類型，長短期記憶（LSTM）模型來預測流感的爆發。

從描述性分析結果來看，2015年1月—2018年3月烏魯木齊市的ILI發病數呈現冬春季高發的特點，該特點不同于南方地區流感流行趨勢，南方春季或初夏流感活動較為活躍，這與南北方氣候差異相關。已有研究表明，地理位置、氣候條件的差異是造成北方地區與南方地區流感流行時間不同的主要因素[13]。由于烏魯木齊市位于中國西北地區，是溫帶大陸性氣候[14]。溫帶大陸性氣候特點主要包括冬夏2季時間較長，春秋2季時間較短，且冬季寒冷，夏季炎熱，年降水量少，比較干旱[15]。所以其發病呈冬春季高發的特點。

從LSTM模型結果分析來看，本文將氣象因素中的多變量LSTM模型概念引入到ILI發病數的預測中，為一般基于單變量 LSTM流感樣病例預測模型加入了更多氣象因素特征，不再僅僅將ILI例數看作為一個簡單的數學概念上的時間序列。適當使用多變量LSTM模型可能有助于預測目前和近期的流感傳播。由于本文現有的流感數據有限，所以，流感預測模型的準確性還有待提高。但是，與單變量LSTM模型相比，納入多個變量的LSTM模型預測的RMSE和MAE略小，說明多變量LSTM模型可以用于ILI發病數的預測，同時為公共衛生人員提供一個相對準確的參考點，進而對預防和控制流感的流行提出相關性建議。

然而，本文的研究也有一些不足。預測模型的準確性還有待提高，造成這個結果的可能原因是數據量較少，研究下一步將擴大樣本量，再次對比單變量LSTM模型與多變量LSTM在預測疾病發病數上的精度。盡管多變量LSTM模型在預測精度上沒有明顯的優勢，但是多變量LSTM模型也為預測ILI例數提供了新的方法。

【參考文獻】

[1]譚婭文，萬海同，何昱，杜海霞，楊潔紅，彭學謙，周惠芬.中藥抗流感病毒的作用及機制研究進展[J].中國現代應用藥學，2019（16）：2095-2099.

[2]WHO，“Influenza（Seasonal），”http：//www.who.int/mediacentre/factsheets/fs211/en/index.html.

[3]崔永梅，杜中強，侯瑩.孕婦感染甲型H3N2流感死亡病例的病因學分析[J].中國藥物與臨床，2019，19（5）：834-835.

[4]李文娟，王大燕.我國流感疾病負擔相關研究進展[J/OL].中國人獸共患病學報：1-6[2019-08-31].http：//kns.cnki.net/kcms/detail/35.1284.R.20190723.1447.004.html.

[5]Jie Z ， Kazumitsu N . A comparative study on predicting influenza outbreaks[J]. BioScience Trends， 2017， 11（5）：533-541.

[6]Yang J，Jit M，Leung KS， et al.The economic burden of influenza-associated outpatient visits and hospitalizations in China： a retrospective survey [J]. Infect Dis Poverty，2015，4：44.

[7]張慕麗，彭質斌，鄭建東， 等.中國兒童流感疾病負擔和疫苗應用現狀[J].中華實用兒科臨床雜志，2019，34（2）：91-97.

[8]高楓，阿不都熱依木，樊旭成，等.2016-2017年烏魯木齊市流感監測結果分析[J].醫學信息，2018，31（19）：134-136.

[9]中華人民共和國衛生部.全國流感監測方案（2010年版）[J].國際呼吸雜志，2011，31（2）：85-88.

[10]張春露.基于Tensorflow的LSTM在太原空氣質量AQI指數中的分析與預測[D].中北大學，2019.

[11]裴大衛，朱明.基于多因子與多變量長短期記憶網絡的股票價格預測[J].計算機系統應用，2019，28（8）：30-38.

[12]楊意豪，王梅，左銘.基于深度LSTM的甲亢疾病發展預測及應用系統[J].智能計算機與應用，2019，9（4）：128-131.

[13]蒲玉嬌. 2012一2017年烏魯木齊市流感流行特征與病原學監測分析[D].新疆：新疆醫科大學，2018：36-37.

[14]LI J ， LI XM . Response of stomatal conductance of two tree species to vapor pressure deficit in three climate zones[J]. J Arid Land， 2014， 6（6）：771-781.

[15]陶燕，顧天毅，王硯，等.蘭州市城關區流行性感冒與氣象因素的時間序列[J].蘭州大學學報（自然科學版），2018，54（1）：137-142.