基于气候因素的神经网络对白纹伊蚊密度的影响

基于气候因素的神经网络对白纹伊蚊密度的影响

白脸前端是登陆热的主要手段，在中国大多数省份和城市都有分布。通过对白纹伊蚊密度的预测可以在一定程度上早期预警登革热的流行。由于影响蚊虫密度的因素较多,目前还没有合适的建模方法可以准确预测蚊虫密度。本文应用误差反向传播神经网络(backpropagationneuralnetwork,BPNN)方法,以广州市1996-2000年的气侯资料和蚊虫监测资料为依据,建立了基于神经网络技术的白纹伊蚊密度预测模型,初步探讨了气候因素与蚊虫密度的关系和神经网络技术用于蚊虫密度预测的可行性,现将结果报告如下。1对象和方法1.1捕蚊判据和气候资料研究资料为广州市1996年到2001年之间的6月到10月的白纹伊蚊监测数据和同步气象数据,其中蚊媒资料为人工小时捕蚊数据,由广东省疾病预防控制中心提供,气候资料包括各月的平均气压、平均气温、平均相对湿度、平均绝对湿度、平均蒸发量、平均降雨量、日照时间和平均风速7个因素,由广州市疾病预防控制中心提供。建模时利用1996至2000年之间的数据作为网络的学习训练样本,利用2001年的数据作为预测样本。1.2白纹伊蚊的密度及学习方法(1)选用模型:BPNN模型。(2)模型成立条件:网络模拟输出值与实际值符合率达到80%以上为模型成立条件。(3)神经元个数:BP网络的输入和输出层的神经元数目,是由输入和输出向量的维数决定的。输入向量的维数也就是影响因素的个数,这里综合考虑了影响白纹伊蚊数量的各种因素,选取了气压、蒸发量、绝对湿度、日照、平均气温、风速以及降雨量7个因素,所以输入层神经元个数为7。为了细化白纹伊蚊的虫害的等级,这里将白纹伊蚊的密度分为4个等级,目标输出模式为(0001)、(0010)、(0100)和(1000),分别对应1级、2级、3级和4级,其中白纹伊蚊监测数据标化后≤10-4定为1级,10-3定为2级,10-2定为3级,≥10-1定为4级。因此,输出层神经元的个数为4。输出层神经元的传递函数选用S型对数函数logsig。(4)隐含层的数目:采用单隐含层的BP网络。隐含层的神经元个数直接影响着网络的非线性预测能力。根据Kolmogorov定理,设计网络的隐含层神经元个数为15。(5)学习速率:较小的学习速率可以保证学习的稳定性。设定学习速率为0.05。1.3模型设计参数在获得输入变量后必须对输入变量作归一化处理,将数据处理为区间之间的数据。归一化方法有很多种形式,这里采用如下公式:应用Matlab7.0软件神经网络模块进行模型设计。设定迭代次数为1000次,目标训练误差为1×10-13。1.4模型试验以2001年数据作为模型检验数据,计算网络模拟输出值a与实际值M符合率,根据模型成立条件,若符合率≧80%,则预测模型成立。2结果2.1网络误差下降在命令窗口执行运行命令,网络开始学习和训练,由图1可见此网络经25次学习和训练,误差从0.305539下降至2.93751×10-14,达到了预设目标。图2显示预报误差最高为0.03,考虑到样本的容量比较小的原因,可以接受其结果。2.2模型预测结果及验证应用2001年的数据作为预测样本检验模型的预测效果。2001年6~10月白纹伊蚊监测数据经标化处理后所处的等级分别为1级,2级,2级,1级,2级,而模型预测的结果为1级,2级,2级,3级,2级,符合率为80%,达到预期要求,模型成立。3在进行复杂疾病预测的同时,对社会变迁信息模型进行了调整人工神经网络(artificialneuralnetwork,ANN)模型是基于生理学的智能仿生模型,具有自组织、自适应、自学习的能力和非线性、非定常性和非局域性等特点,目前在流行病研究中的应用还处于起步阶段。曲波等应用BPNN模型研究干旱地区伤寒、副伤寒以及流行性脑脊髓膜炎与气象因素的关系,认为该模型模拟效果较好;马玉霞等应用神经网络研究气象因素与高血压的关系,结果显示模型的预报能力高于一般的统计模型;高春玉等应用神经网络模型研究气象因素对疟疾发病的影响,神经网络经100次训练,误差从3.23608下降至0.035862,用其对疟疾发病率进行预测,其预测符合率为84.85%;高磊等收集急诊病例和同期天气资料建立医疗气象预报模型,对各类急症的预测准确率为76%~89%;周水红等应用人工神经网络预测个体患原发性高血压病的危险度,其准确性和灵敏度均优于logistic回归模型。另外,陈涛基于BPNN建立了艾滋病预测模型,吴家兵等应用神经网络对流感进行分级。气候的变化可以对环境中的蚊虫密度产生影响,但它们之间的关系并不是简单的线性关系,因此传统的线性结构模型并不能很好的描述这种非线性关系,而人工神经网络模型是研究非线性关系较为理想的方法。目前国内还没有将人工神经网络模型应用于登革热相关研究的文献报道,本次研究应用BP神经网络方法建立登革热媒介白纹伊蚊密度与7个气候因素关系的预测模型,为进一步建立登革热预测预警模型提供理论依据。结果显示模型训练误差从0.305539下降至2.93751×10-14,预测符合率为80%,达到预期要求。由于本次研究训练样本和预测样本均较少,模型的预测效果还需大样本的训练来提高。进一步的工作将在大样本的前提下对网络结构进行调整,让其继续学习,充分训练,达到优化网络,提高预测效果的目的。传染病的预测预警是流行病学研究的主要内容之一,通过建立有效的早期预警模型,可以及时采取干预措施,预防传染病的暴发流行,降低其对人民健康的危害。但由于影响疾病发生的因