基于BP神经网络的疾病症状预测模型

张雅+宋耀莲+章凡

摘要：疾病症状上报数量反映了当地居民健康状况，准确预测疾病上报的总条数对于预防传染病的发生至关重要。目前，疾病症状的上报、误报、重报问题突出，为了得到准确的患病人数，通过对某地区疾病症状上报数据的训练与预测，建立疾病症状上报总数的BP网络预测模型。研究结果表明，基于BP神经网络的疾病症状上报预测模型具有较高的精度和实用性。

关键词：BP神经网络；预测模型；疾病症状总数

DOIDOI：10.11907/rjdk.172053

中图分类号：TP306 文献标识码：A 文章编号：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

近年来，随着全球传染病的爆发流行，以疾病诊断为基础的常规监测已难以满足公共卫生监测预警需求。为了实现对疾病癥状的预警，蒋艳峰等[1]将外界天气因子作为疾病发生的研究对象，利用回归模型和决策树建立预测模型。本文主要从每月上报的疾病症状总数出发，建立基于BP神经网络的预测模型。唐阳山[2]，谢浩等[3]将BP神经网络预测模型用于交通预测，得到了很好效果。熊昌狮[4]将BP神经网络用于预测尾砂充填对地下水锌含量的影响，精度达到80%以上。张景阳[5]将多元线性回归方法与BP神经网络比较，体现BP网络预测的优越性。李佟[6]将马尔可夫链与BP神经网络预测模型比较，最后得出BP神经网络的预测模型更好。由此表明，BP神经网络作为预测模型是可行的，但将其用于疾病症状上报数量方面的预测并不多见。

本文创新点在于将BP神经网络预测模型用于对疾病症状数量的预测，通过准确预测疾病症状数量，不仅能及时反映当地居民的健康状况，让疾控中心提前做好预防预警工作。

1 数据预处理

本文研究对象是每月症状上报总条数预测，主要研究其它症状的上报数量对总数的影响。一条病人症状记录一般包括几个症状，比如发热、头痛、咳嗽等，对于总条数而言是一条记录。本文研究的所有数据都是通过边境症状监测预警系统提取的，数据源真实可靠。该预警系统主要收集了我国某地区所有医疗机构实时上报的症状数据。

由于输入数据的单位有差异，某些范围相当大，致使神经网络的收敛速度慢、训练时间久。因此用式（1）对数据进行归一化处理[7]，使样本数据落在[0，1]范围之内。

2 BP预测模型

2.1 BP神经网络学习算法原理

BP神经网络算法作为有监督的学习过程，由已知的输入、输出样本数据反复更换网络连接的权值及阈值，从而让网络的输出更加逼近期望输出。就整个神经网络而言，一次学习过程由输入数据的正向传播和误差的反向传播两个子过程完成。经典的BP网络结构如图1所示。

2.2 算法建立

本文利用BP网络算法三层结构构建每个症状条数到总症状条数的非线性预测模型。模型输入是5种症状月记录条数，输出为月总症状条数。中间层神经元的传递函数为S型正切函数，因网络输入向量取值范围为[0，1]，因而输出层神经元的传递函数可以设定为S型对数函数。本文选用网络内置训练函数traingdx，其学习速率是自适应的。

经多次测试，当隐层神经元个数为10时预测精度最高。同时取2016年1～11月数据为学习训练样本，2016年12月数据为预测样本。

3 实验结果及分析

4 结语

本文基于BP神经网络建立了一种根据每种症状的月上报总数预测当月患病总人数的预警模型，并通过实验证实了BP神经网络预测模型在预测疾病症状月上报总数上切实可行。建立该预测模型对于我国某省边境地区传染病的预防具有重要意义，可为当地发病情况预测提供重要依据。

参考文献：

[1] 蒋艳峰.上呼吸道感染的气象诱因及预测方法研究[D].兰州：兰州大学，2015.

[2] 唐阳山，葛丽娜，黄子龙，等.基于BP神经网络的交通事故预测方法研究[J].辽宁工业大学学报，2016，36（1）：27-30.

[3] 谢浩.基于BP神经网络及其优化算法的汽车车速预测[D].重庆：重庆大学，2014.

[4] 熊昌狮，陈云嫩，吴乐文，等.人工神经网络预测尾砂充填对地下水中锌含量的影响[J].安徽农业科学，2015，43（35）：115-117.

[5] 张景阳，潘光友.多元线性回归与BP神经网络预测模型对比与应用研究[J].昆明理工大学学报，2013，38（6）：61-65.

[6] 李佟，李军.基于BP神经网络与马尔可夫链的污水处理厂脱氮效果模拟预测[J].环境科学学报，2016，36（2）：576-581.

[7] 安爱民，祁丽春，丑永新，等.基于BP神经网络的溶解氧浓度软测量方法研究[J].计算机与应用化学，2016，33（1）：117-121.

（责任编辑：孙 娟）