换一批集成多种机器学习算法的哮喘疾病发病风险预测模型研究
Study on the prediction model for asthma risk with integration of various machine learning algorithms
摘要目的 基于集成四种机器学习算法建立哮喘疾病发病风险预测模型,为健康气象预报服务及公众防御提供依据.方法 收集、整理 2012-2018 年天津市某三甲医院哮喘病患者逐日就诊数据以及同期气象因子、环境因子、花粉等数据资料,采用主成分分析法选取最优因子,应用 Stacking 集成学习方法集成决策树、随机森林、XGBoost、LightGBM 等四种机器学习算法,通过调节最优风险等级阈值、时间滞后、分季节等手段优化模型性能.结果 随机森林建模预测效果好于决策树及 XG-Boost、LightGBM;基于四个子模型进行多模型集成,相比随机森林模型,在易发、多发等级的预报能力提升约 13%;当选择滞后时间为 2～3 d,且分季节建模后,模型预测能力有进一步提升.结论 综合考虑多种气象因子、环境因子和花粉因素的多模型集成方法可应用于哮喘疾病的气象预测业务和服务.
更多相关知识
分类号
R122（环境卫生、环境医学）
栏目名称
DOI
10.13421/j.cnki.hjwsxzz.2024.02.003
发布时间
2024-03-26（万方平台首次上网日期，不代表论文的发表时间）
基金项目
中国气象局公共气象服务中心创新基金重点项目（K2021005）
- 浏览21
- 被引6
- 下载7
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
