-
题名基于支持向量机递归特征约减算法的痢疾疫情预测研究
- 1
-
-
作者
何苗
曹爽
王双
沈铁峰
黄德生
关鹏
-
机构
中国医科大学附属第一医院信息中心
中国医科大学公共卫生学院流行病学教研室
辽宁省沈阳市沈河区卫生局
辽宁省葫芦岛市疾病预防控制中心
中国医科大学基础医学院数学教研室
-
出处
《中国卫生统计》
CSCD
北大核心
2014年第1期6-9,共4页
-
基金
国家自然科学基金项目(71073175)
-
文摘
目的探讨应用支持向量机递归特征约减算法(support vector machine with recursive feature elimination algorithm,SVM-RFE)进行痢疾疫情预测的可行性。方法收集辽宁省葫芦岛市2004-2011年的逐月痢疾疫情资料和相应时段的气象资料,首先利用描述统计分析痢疾季节性发病规律,使用Spearman等级相关分析疫情同气象因素的关系;使用标准化气象指标作为自变量,随机将2/3数据用于训练,1/3数据用于检验,设置交叉验证次数为100次,根据径向基核函数的SVM-RFE确定最优候选变量子集并据此进行预测,利用R2.90完成上述统计过程。结果 SVM-RFE在17项气象指标中按重要程度由高至低排序,居前5位分别为平均气温、平均最高气温、降水距平百分率、平均风速、平均最低气温。随着自变量的增加,训练集的决定系数R2由0.702增加到0.945,检验集在取前两个自变量时决定系数最大,R2为0.653,均高于传统对数线性模型。结论 SVM可较好地模拟痢疾疫情在时间序列上的变动趋势,RFE算法在筛选变量方面有较好的应用前景。
-
关键词
支持向量机
递归特征约减算法
预测
痢疾
发病率
-
Keywords
Support vector machine
Recursive feature elimination algorithm
Forecasting
Dysentery
Incidence
-
分类号
R516.4
[医药卫生—内科学]
-
