胡红萍,孙 强,白艳萍
(中北大学 理学院,太原 030051)
流行性感冒是一种由流感病毒引起的高传染性的急性呼吸道疾病。类流感疾病(Influenza-like illness,ILI)定义为除了流感外没有任何已知原因的发烧(体温为100 ℉[37.8 ℃]或更高)、咳嗽和喉咙痛。每年许多美国家庭遭受流感并承受因医疗费用增长而带来的经济负担。有效预测流感爆发的初期将使政府机构和卫生组织能够采取适当的行动来控制和治疗流感。
在美国,作为国家的健康保护机构的疾病控制和预防中心(CDC)提供流感监测系统以保护人们免受健康和安全威胁[1-2]。CDC的ILI数据提供了国家和地区ILI患者的数量、流感活动的加权值和非加权值。ILI的有效预测对于制定预防措施,帮助临床和医院管理者做出最佳的人员配置和储备决策是至关重要的。
已提出方法实现美国ILI活动的实时估计。过去几年最广泛使用的非传统方法是数字疾病监测系统:谷歌流感趋向(GFT)[3]。但GFT在2015年8月已关闭了,因此,需要新颖可靠的方法去预测流感,谷歌和其他研究者已提出了GFT的很多更新模型[2,4-9]。例如文献[2]采用自回归电子健康记录支持向量机(ARES)实现实时fILI(非加权类流感患者人数占某一区总患者数的百分比)的估计,与GFT和动态自回归模型相比较,ARES的性能有了很大的提高。
近年来,已经在股票市场和医药领域等时间序列预测方面采用了很多技术。人工神经网络是的广泛应用于很多领域的方法之一,例如BP神经网络[10-11],Elman神经网络[12-13],径向基神经网络[14-15],小波神经网络[16-17]。……