换一批基于支持向量机递归特征约减算法的痢疾疫情预测研究
Prediction of Dysentery Incidence by Means of Support Vector Machine with Recursive Feature Elimination Algorithm
摘要目的 探讨应用支持向量机递归特征约减算法(support vector machine with recursive feature elimination algorithm,SVM-RFE)进行痢疾疫情预测的可行性.方法 收集辽宁省葫芦岛市2004-2011年的逐月痢疾疫情资料和相应时段的气象资料,首先利用描述统计分析痢疾季节性发病规律,使用Spearman等级相关分析疫情同气象因素的关系;使用标准化气象指标作为自变量,随机将2/3数据用于训练,1/3数据用于检验,设置交叉验证次数为100次,根据径向基核函数的SVM-RFE确定最优候选变量子集并据此进行预测,利用R2.90完成上述统计过程.结果 SVM-RFE在17项气象指标中按重要程度由高至低排序,居前5位分别为平均气温、平均最高气温、降水距平百分率、平均风速、平均最低气温.随着自变量的增加,训练集的决定系数R2由0.702增加到0.945,检验集在取前两个自变量时决定系数最大,R2为0.653,均高于传统对数线性模型.结论 SVM可较好地模拟痢疾疫情在时间序列上的变动趋势,RFE算法在筛选变量方面有较好的应用前景.
更多相关知识
关键词
支持向量机递归特征约减算法预测痢疾发病率Support vector machineRecursive feature elimination algorithmForecastingDysenteryIncidence
栏目名称
发布时间
2016-07-22（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（71073175）
- 浏览67
- 被引1
- 下载7
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
