人工神经网络方法在气象因素预测高血压发病中的应用

• 作者: 尚可政 王式功 谢月玉 马玉霞
• 来源期刊: 环境与健康杂志
• 学科: 医学
• 关键词: 气象因素 高血压 BP神经网络
• 年，卷（期）: 2007,（3）
• 所属期刊栏目: 论著
• 页码范围: 139-142
• 页数: 4页
• 分类号: R181-3
• 字数: 3719字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-5914.2007.03.005

摘要

目的 探讨以影响高血压发病率的气象因素建立高血压发病预测模型.方法 选取银川地区1998-2000年日平均相对湿度、48 h变温、日较差和日平均气压的标准化数据(以周为单位共100个样本)作为前馈型神经网络(BP神经网络)输入层的节点输入,以同期高血压发病率的标准化数据作为网络输出,经多层:BP神经网络进行网络学习训练,建立高血压病发病率的人工神经网络预报模型.结果 建立的高血压病神经网络模型结构为4.14-1(即有4个输入、14个隐含节点和1个输出),训练精度为0.005,训练了46步达到目的,最终误差为0.004.899 2.神经网络预报模型所得预报量的同一级平均拟合率为62.4%,差一级平均拟合率为99.2%,均高于统计预报方程(47.7%,98.3%);其同一级平均预报率为58.2%,差一级平均预报率为91.3%,均高于统计预报方程(50.5%,84.6%).神经网络预报模型的平均绝对百分比误差、均方误差、绝对误差分别为25.2%,21.0%,16.2%,均低于统计预报方程(47.6%,26.2%,21.1%).若以拟合值绝对误差小于20%为拟合正确,则统计预报方程拟合率为51.3%,而神经网络拟合率为71.2%.对56个未参加建立预报模型的独立样本进行预报和比较,神经网络预报模型预报效果优于统计预报方程.结论 该方法计算简便,误差较小,有更高的历史样本拟合和独立样本预报能力,为高血压发病预测提供了一种新方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尚可政	兰州大学大气科学学院甘肃干旱气候变化与减灾重点实验室	134	2714	27.0	46.0
2	王式功	兰州大学大气科学学院甘肃干旱气候变化与减灾重点实验室	254	5026	36.0	58.0
3	谢月玉	兰州大学大气科学学院甘肃干旱气候变化与减灾重点实验室	2	17	2.0	2.0