BP神經(jīng)網(wǎng)絡(luò)在痢疾發(fā)病趨勢(shì)預(yù)測(cè)中的應(yīng)用研究*

江蘇省疾病預(yù)防控制中心(210009) 劉文東 吳 瑩 艾 靜 梁 祁 胡建利 戴啟剛 李 媛 湯奮揚(yáng)

痢疾是全球面臨的重要公共衛(wèi)生問(wèn)題，每年的痢疾病例主要發(fā)生在發(fā)展中國(guó)家〔1〕。在我國(guó)痢疾也屬于常見病和多發(fā)病，其報(bào)告發(fā)病數(shù)一直高居我國(guó)甲乙類傳染病的前五位〔2〕，給社會(huì)和家庭帶來(lái)了嚴(yán)重的經(jīng)濟(jì)負(fù)擔(dān)〔3－4〕，是需要重點(diǎn)防治的傳染病病種之一。傳染病的預(yù)測(cè)可以及早發(fā)現(xiàn)傳染病發(fā)展趨勢(shì)，準(zhǔn)確的預(yù)測(cè)是制定預(yù)防和控制傳染病的近期或長(zhǎng)遠(yuǎn)應(yīng)對(duì)策略的前提，建立合適的預(yù)測(cè)模型，提高預(yù)測(cè)的準(zhǔn)確性，對(duì)于傳染病控制工作意義重大。本文以江蘇省1995～2010年痢疾月發(fā)病數(shù)據(jù)為基礎(chǔ)，探討誤差反向傳播(back-propagation，BP)神經(jīng)網(wǎng)絡(luò)在痢疾發(fā)病趨勢(shì)預(yù)測(cè)中的應(yīng)用。

資料與方法

1．資料來(lái)源

江蘇省1995～2003年痢疾月發(fā)病數(shù)據(jù)來(lái)自歷年全省疫情統(tǒng)計(jì)報(bào)表，2004～2010年發(fā)病數(shù)據(jù)來(lái)自“中國(guó)疾病預(yù)防控制信息系統(tǒng)”的子系統(tǒng)“疾病監(jiān)測(cè)信息報(bào)告管理系統(tǒng)”。痢疾診斷標(biāo)準(zhǔn)參照衛(wèi)生部頒發(fā)的“細(xì)菌性、阿米巴痢疾診斷與處理原則(GB16002-1995)”、“細(xì)菌性和阿米巴性痢疾診斷標(biāo)準(zhǔn)(WS 287-2008)”，疫情報(bào)告遵循“傳染病信息報(bào)告管理規(guī)范”。

2．BP神經(jīng)網(wǎng)絡(luò)原理簡(jiǎn)介

BP神經(jīng)網(wǎng)絡(luò)由Rumelhart等于1985年正式提出，是人工神經(jīng)網(wǎng)絡(luò)中應(yīng)用最廣泛的一種，實(shí)際應(yīng)用中80～90%的人工神經(jīng)網(wǎng)絡(luò)模型都采用BP網(wǎng)絡(luò)或其變化形式〔5－6〕。BP網(wǎng)絡(luò)是一種典型的多層前饋網(wǎng)絡(luò)，具有輸入層、隱含層和輸出層，層與層之間采用全連接的方式，同層神經(jīng)元之間無(wú)相互連接;隱含層采用S型的sigmoid函數(shù)作為傳遞函數(shù)(如logsig()等)，輸出層多采用線性傳遞函數(shù)purelin()，見圖1。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則又稱為δ學(xué)習(xí)規(guī)則，是一種典型的有監(jiān)督學(xué)習(xí)。當(dāng)給定網(wǎng)絡(luò)一個(gè)輸入樣本時(shí)，樣本信息由輸入層傳遞到隱含層，經(jīng)過(guò)隱含層神經(jīng)元處理后傳到輸出層，由輸出層神經(jīng)元進(jìn)一步處理后產(chǎn)生一個(gè)網(wǎng)絡(luò)輸出;如果網(wǎng)絡(luò)輸出與期望輸出之間有不滿足要求的誤差，則將誤差值沿連接通路逐層反傳并修正各層連接權(quán)值和閾值。用一組樣本反復(fù)訓(xùn)練網(wǎng)絡(luò)，即重復(fù)信息前向傳播和誤差反向傳播的過(guò)程對(duì)網(wǎng)絡(luò)權(quán)值和閾值不斷進(jìn)行修正，直到網(wǎng)絡(luò)性能滿足要求。

建立BP神經(jīng)網(wǎng)絡(luò)的步驟:

(1)整理原始數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行歸一化處理;

(2)根據(jù)實(shí)際問(wèn)題確定輸入輸出維數(shù)，構(gòu)造訓(xùn)練樣本、測(cè)試樣本;

(3)確定網(wǎng)絡(luò)結(jié)構(gòu):設(shè)定網(wǎng)絡(luò)層數(shù)及各層節(jié)點(diǎn)數(shù)N-M-Q，其中N為輸入層節(jié)點(diǎn)數(shù)，Q為輸出層神經(jīng)元數(shù)，M為隱含層神經(jīng)元數(shù);指定隱含層、輸出層神經(jīng)元的傳遞函數(shù);指定學(xué)習(xí)函數(shù);

(4)用訓(xùn)練樣本訓(xùn)練網(wǎng)絡(luò);

(5)用測(cè)試樣本測(cè)試網(wǎng)絡(luò);

(6)反復(fù)執(zhí)行第3-5步，找出最佳網(wǎng)絡(luò)。

3．應(yīng)用軟件

本文采用MATLAB7．12完成BP神經(jīng)網(wǎng)絡(luò)模型擬合和預(yù)測(cè)分析。

結(jié) 果

1．江蘇省痢疾流行特征概述

1995～2010年江蘇省累計(jì)報(bào)告痢疾316887例，年均發(fā)病率為26.82/10萬(wàn)。1995～2003年期間發(fā)病數(shù)逐年下降;2004年發(fā)病數(shù)出現(xiàn)大幅度反彈，較2003年增加62.50%，之后又出現(xiàn)逐年下降的長(zhǎng)期趨勢(shì)。發(fā)病有明顯的季節(jié)性，夏秋季高發(fā)，6～10月份發(fā)病數(shù)占全年發(fā)病數(shù)的60%以上。見圖2。

圖2 1995～2010年江蘇省痢疾月發(fā)病數(shù)時(shí)間序列圖

2．BP 模型構(gòu)建

本文擬用1995～2010年的月發(fā)病數(shù)據(jù)建立6個(gè)不同的BP網(wǎng)絡(luò)。net1:用前3個(gè)月發(fā)病數(shù)預(yù)測(cè)下一個(gè)月發(fā)病數(shù);net2:用前6個(gè)月發(fā)病數(shù)預(yù)測(cè)下一個(gè)月發(fā)病數(shù);net3:用前12個(gè)月的發(fā)病數(shù)預(yù)測(cè)下一個(gè)月的發(fā)病數(shù);net4:用前3年歷史同期發(fā)病數(shù)預(yù)測(cè)當(dāng)前月份發(fā)病數(shù);net5:用前4年歷史同期發(fā)病數(shù)預(yù)測(cè)當(dāng)前月份發(fā)病數(shù);net6:用前5年歷史同期發(fā)病數(shù)預(yù)測(cè)當(dāng)前月份發(fā)病數(shù)。下面以net4為例詳細(xì)闡述BP網(wǎng)絡(luò)的建模過(guò)程。

(1)數(shù)據(jù)預(yù)處理

將1995～2010年的原始發(fā)病數(shù)據(jù)按時(shí)間順序從前到后排成一個(gè)向量 P=［P(1)，P(2)，P(3)，…，P(i)，…，P(190)，P(191)，P(192)］，然后對(duì) P 中的元素按如下公式進(jìn)行歸一化處理:

上式中pp(i)表示向量P中的第i個(gè)元素歸一化后值，P(i)表示向量P中的第i個(gè)元素，min(P)表示向量P中取值最小的元素，max(P)表示向量P中取值最大的元素。歸一化后的數(shù)據(jù)形成新的向量PP=［PP(1)，PP(2)，PP(3)，…，PP(i)，…，PP(190)，PP(191)，PP(192)］。

(2)構(gòu)建訓(xùn)練樣本集、測(cè)試樣本集和預(yù)測(cè)樣本集

用前3年歷史同月數(shù)據(jù)作為網(wǎng)絡(luò)輸入，當(dāng)前月份發(fā)病數(shù)據(jù)作為對(duì)應(yīng)的預(yù)期輸出，整批數(shù)據(jù)可以形成168個(gè)樣本，用前144個(gè)樣本構(gòu)成訓(xùn)練樣本集，用隨后的12個(gè)構(gòu)成測(cè)試樣本集，最后12個(gè)構(gòu)成預(yù)測(cè)樣本集，預(yù)測(cè)集只有網(wǎng)絡(luò)輸入，沒有期望輸出。樣本集的構(gòu)建策略見表1。

表1 net4樣本集的構(gòu)成

(3)確定網(wǎng)絡(luò)結(jié)構(gòu)

由樣本集的結(jié)構(gòu)可知net4的輸入輸出層節(jié)點(diǎn)數(shù)分別為3個(gè)和1個(gè)，隱含層神經(jīng)元數(shù)M依次取4、5、6、7、8、9、10，分別建立結(jié)構(gòu)為 3-4-1、3-5-1、3-6-1、3-7-1、3-8-1、3-9-1、3-10-1的7個(gè)BP神經(jīng)網(wǎng)絡(luò)，用訓(xùn)練樣本集對(duì)每一個(gè)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練完成后用測(cè)試集樣本進(jìn)行仿真(預(yù)測(cè))，用MSE評(píng)價(jià)網(wǎng)絡(luò)性能:

上式中tt(i)為第i個(gè)測(cè)試樣本仿真結(jié)果的反歸一化值(即預(yù)測(cè)發(fā)病數(shù))，dd(i)表示第i個(gè)測(cè)試樣本對(duì)應(yīng)的期望輸出的反歸一化值(即實(shí)際發(fā)病數(shù))，MSE表示預(yù)測(cè)發(fā)病數(shù)與實(shí)際發(fā)病數(shù)誤差平方和的均數(shù)，MSE越小表示模型預(yù)測(cè)效果越好。在本例中，當(dāng)M=8時(shí)，MSE取得最小值，所以隱含層神經(jīng)元數(shù)確定為8個(gè)，即net4的最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)為3-8-1。

重復(fù)(2)、(3)兩個(gè)步驟，分別建立 net1、net2、net3、net5、net6，其最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)分別為 3-5-1、6-17-1、12-28-1、4-9-1、5-11-1。

(4)選擇最優(yōu)預(yù)測(cè)網(wǎng)絡(luò)

用測(cè)試集分別對(duì) net1、net2、net3、net4、net5、net6進(jìn)行仿真，計(jì)算預(yù)測(cè)發(fā)病數(shù)與實(shí)際發(fā)病數(shù)之間的平均絕對(duì)誤差(MAE)、平均誤差率(MPAE):

上面兩個(gè)式子中tt(i)、dd(i)的意義同(3)。從表2中可以看出net3、net4、net5、net6的預(yù)測(cè)效果均較理想。其中，net3網(wǎng)絡(luò)結(jié)構(gòu)(12-28-1)過(guò)于復(fù)雜，net4、net5、net6預(yù)測(cè)效能相近，但net4網(wǎng)絡(luò)結(jié)構(gòu)最簡(jiǎn)單;綜合考慮預(yù)測(cè)效果和模型的簡(jiǎn)潔性選擇net4作為最終的預(yù)測(cè)模型。

表2 6個(gè)BP網(wǎng)絡(luò)的泛化能力比較

(5)江蘇省2011年1～12月痢疾發(fā)病數(shù)預(yù)測(cè)分析

用net4對(duì)歷史數(shù)據(jù)進(jìn)行仿真(組內(nèi)回帶)，并對(duì)2011年1～12月數(shù)據(jù)進(jìn)行預(yù)測(cè)(趨勢(shì)外推)，結(jié)果顯示模型擬合的動(dòng)態(tài)趨勢(shì)與實(shí)際情況基本一致，模型擬合效果良好。根據(jù)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果推算，2011年全省痢疾預(yù)測(cè)發(fā)病數(shù)為5515例，較2010年減少19．16%，將延續(xù)2004年以來(lái)逐年下降的長(zhǎng)期趨勢(shì)。見圖3。

圖3 BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)值與實(shí)際值比較

3．BP神經(jīng)網(wǎng)絡(luò)模型建模過(guò)程在 MATLAB7．12中的編程實(shí)現(xiàn)

限于篇幅本文中僅給出net4建模及預(yù)測(cè)分析的編程語(yǔ)句，程序代碼如下(帶%的語(yǔ)句為注釋語(yǔ)句):

討 論

痢疾作為一種多發(fā)、常見的腸道類傳染病，是傳染病預(yù)測(cè)研究的熱點(diǎn)病種之一。目前對(duì)于痢疾發(fā)病時(shí)間序列建立的預(yù)測(cè)模型主要有灰色 GM(1，1)模型、ARIMA模型以及ARIMA與神經(jīng)網(wǎng)絡(luò)相結(jié)合的組合模型等三種類型〔7－10〕。建模方法的選擇是預(yù)測(cè)分析的難點(diǎn)之一，實(shí)際應(yīng)用中應(yīng)根據(jù)數(shù)據(jù)序列的特征選擇合適的方法。

江蘇省痢疾發(fā)病序列具有明顯的長(zhǎng)期趨勢(shì)和季節(jié)性特征，各月份數(shù)據(jù)波動(dòng)較大，加之2004年發(fā)病的急劇反彈使得整個(gè)序列的隨機(jī)性和變異度增加，一般的線性模型難以充分提取其內(nèi)在變化規(guī)律，因此考慮建立BP神經(jīng)網(wǎng)絡(luò)模型。分析結(jié)果表明，最終建立的模型很好的擬合了發(fā)病序列的動(dòng)態(tài)變化趨勢(shì)，預(yù)測(cè)性能較為理想，平均誤差率僅為7.92%，最大相對(duì)誤差也控制在20%以下，可以用于未來(lái)發(fā)病趨勢(shì)的預(yù)測(cè)。

BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的確定是建模過(guò)程的一大難點(diǎn)，尤其是隱含層神經(jīng)元數(shù)目的確定目前尚無(wú)有效的指導(dǎo)方法。隱含層神經(jīng)元數(shù)目過(guò)少建立的模型過(guò)于簡(jiǎn)單，對(duì)于數(shù)據(jù)的內(nèi)在規(guī)律提取不足，從而導(dǎo)致擬合不足;神經(jīng)元數(shù)目過(guò)多則建立的網(wǎng)絡(luò)結(jié)構(gòu)又可能過(guò)于復(fù)雜，導(dǎo)致過(guò)擬合現(xiàn)象。兩種情況均會(huì)降低模型的泛化能力，影響其應(yīng)用價(jià)值。只有通過(guò)反復(fù)嘗試，對(duì)不同網(wǎng)絡(luò)結(jié)構(gòu)的擬合效果進(jìn)行評(píng)價(jià)，從中選擇最優(yōu)模型。本文在模型結(jié)構(gòu)確定過(guò)程中采用預(yù)測(cè)值和實(shí)際值之間的均方誤差作為性能評(píng)價(jià)參數(shù)，直接比較模型的泛化能力，較好的避免了擬合不足或過(guò)擬合現(xiàn)象。另外，由于BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值的初始化采用隨機(jī)函數(shù)，因此同一模型每次訓(xùn)練的結(jié)果均有差別，實(shí)際建模過(guò)程中應(yīng)采用循環(huán)控制語(yǔ)句對(duì)模型進(jìn)行反復(fù)訓(xùn)練，從中找出最佳訓(xùn)練效果，并將此次訓(xùn)練的模型加以保存用于隨后的預(yù)測(cè)分析。本文還對(duì)比分析了兩種樣本構(gòu)建策略的擬合效果:第一種策略是采用前面幾期的發(fā)病數(shù)據(jù)作為網(wǎng)絡(luò)輸入，下一期的發(fā)病數(shù)據(jù)作為對(duì)應(yīng)的期望輸出，其實(shí)質(zhì)是在下一期發(fā)病數(shù)與其前面幾期發(fā)病數(shù)之間建立一種映射關(guān)系，此種方法是神經(jīng)網(wǎng)絡(luò)用于時(shí)間序列預(yù)測(cè)分析時(shí)的慣用方法〔11－12〕;第二種策略是用過(guò)去幾年的歷史同期數(shù)據(jù)作為輸入，當(dāng)前周期的發(fā)病數(shù)據(jù)作為對(duì)應(yīng)的期望輸出，其實(shí)質(zhì)是在當(dāng)前周期發(fā)病數(shù)與過(guò)去幾年歷史同期發(fā)病數(shù)之間建立一種映射關(guān)系，目前此種方法尚未見相關(guān)文獻(xiàn)報(bào)道。分析結(jié)果表明第二種樣本構(gòu)建策略的預(yù)測(cè)效果明顯優(yōu)于第一種策略，這一現(xiàn)象主要是由于發(fā)病序列的變化特征所致。江蘇省痢疾月發(fā)病數(shù)據(jù)具有明顯的季節(jié)性，不同季節(jié)由于氣候、飲食習(xí)慣等因素的不同導(dǎo)致人群發(fā)病數(shù)據(jù)差異較大，因此用前面幾個(gè)月的發(fā)病數(shù)據(jù)擬合下一個(gè)月的發(fā)病趨勢(shì)效果欠佳。相反，由于相同季節(jié)痢疾發(fā)病的影響因素相近，發(fā)病數(shù)的變化趨于一致，用歷史同期發(fā)病數(shù)據(jù)擬合當(dāng)前周期的發(fā)病趨勢(shì)充分利用了發(fā)病序列的內(nèi)在規(guī)律，弱化了輸入輸出之間的隨機(jī)性，使擬合的模型更加合理，預(yù)測(cè)效果更理想。本文研究結(jié)果提示第二種樣本構(gòu)建策略在那些具有明顯季節(jié)性發(fā)病特征的傳染病的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析中具有一定的推廣意義。

1．J Kotloff KL，Winickoff JP，Ivanoff B，et a1．Global burden of Shigella infections:implications for vaccine development and implementation of control strategies．Bull WHO，1999，77(8):65l-666．

2．鐘豪杰，常昭瑞，張靜．中國(guó)2007年細(xì)菌性痢疾監(jiān)測(cè)分析．中華流行病學(xué)雜志，2010，31(3):304-307．

3．黎健，吳寰宇，顧寶柯，等．上海市細(xì)菌性痢疾的疾病經(jīng)濟(jì)負(fù)擔(dān)研究．中華流行病學(xué)雜志，2010，31(10):1196-1197．

4．李佳萌，張穎，高璐，等．天津市細(xì)菌性痢疾流行情況及疾病負(fù)擔(dān)研究．中華流行病學(xué)雜志，2009，30(10):1094-1095．

5．張良均，曹晶，蔣世忠．神經(jīng)網(wǎng)絡(luò)實(shí)用教程．北京:機(jī)械工業(yè)出版社，2009:31-77．

6．傅薈璇，趙紅．MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)．北京:機(jī)械工業(yè)出版社，2010:83-97，267-285．

7．陳正利，李瑞蘭，申振元，等．應(yīng)用灰色模型預(yù)測(cè)痢疾發(fā)病率．職業(yè)與健康，2004，20(11):85．

8．張文增，冀國(guó)強(qiáng)，史繼新，等．ARIMA模型在細(xì)菌性痢疾預(yù)測(cè)預(yù)警中的應(yīng)用．中國(guó)衛(wèi)生統(tǒng)計(jì)，2009，26(6):636-639．

9．陳莉．探討ARIMA模型在細(xì)菌性痢疾發(fā)病預(yù)測(cè)中的應(yīng)用．中國(guó)衛(wèi)生統(tǒng)計(jì)，2011，28(4):417-419．

10．楊小兵，徐勇，彭磊，等．時(shí)間序列分析-廣義回歸神經(jīng)網(wǎng)絡(luò)組合模型在痢疾發(fā)病率預(yù)測(cè)中的應(yīng)用探討．中國(guó)初級(jí)衛(wèi)生保健，2008，22(8):64-66．

11．朱晶，劉會(huì)民，趙冰，等．基于BP神經(jīng)網(wǎng)絡(luò)的SARS傳播預(yù)測(cè)．生物數(shù)學(xué)學(xué)報(bào)，2007，22(2):288-292．

12．王瑋，許偉，鄭亞軍，等．基于BP神經(jīng)網(wǎng)絡(luò)的圍產(chǎn)兒出生缺陷患病率預(yù)測(cè)．中華流行病學(xué)雜志，2007，28(5):507-509．