[01709327]BP神经网络组合模型在煤工尘肺发病工龄预测中的应用

任务来源：2012年河北省卫生厅医学科学研究重点课题计划,项目编号：20120146。 所属科学技术领域：医学学科公共卫生与预防医学专业卫生统计学方向 主要研究内容：以工种、接尘工龄、矿别、出生年代、开始接尘年代、开始接尘年龄作为煤工尘肺发病工龄的影响因素,分别建立BP神经网络、径向基函数神经网络和多重线性回归模型等单一模型,并在单一模型的基础上建立组合模型,通过各模型预测值、标准误差、平均相对误差和平均绝对误差等指标评价各模型的优劣。 主要研究结果： 1.以工种、接尘工龄、矿别、出生年代、开始接尘年代、开始接尘年龄作为煤工尘肺发病工龄的影响因素,分别建立了BP神经网络、径向基神经网络及多重线性回归三种单一模型,对各模型的预测性能进行研究,各模型预测值与真实值均无显著差异,说明三种单一模型均可进行煤工尘肺患者发病工龄预测。 2.以标准差法为基础,分别建立了两两组合模型和三种单一模型的组合模型,各组合模型的散点图均较理想,通过对各组合模型的预测值与真实值进行比较,均无显著差异,可以认为组合模型的预测值比较精确。 3. 以均方根误差、平均绝对误差及平均相对误差为性能指标,对各组合模型进行比较,结果显示BP神经网络模型与多重线性回归模型的组合模型的均方根误差最小, 三种模型的组合模型次之, RBF神经网络模型的预测误差最大, 其他单－模型和组合模型的均方根误差接近于BP神经网络模型与多重线性回归模型的组合模型。表明BP神经网络模型与多重线性回归模型的组合模型的预测可靠性最大, RBF神经网络模型最差。BP神经网络模型与多重线性回归模型的组合模型平均绝对误差最小, BP神经网络、RBF神经网络模型与多重线性回归模型的组合模型和三种模型的组合模型居中, RBF神经网络模型的平均绝对误差最大, 表明BP神经网络模型与多重线性回归模型的组合模型的预测精度最好, RBF神经网络的预测精度最差。平均相对误差在小于等于5%时为理想状态, 所选模型的平均相对误差均小于5%, 表明所有所选模型均可以用于煤工尘肺发病工龄的预测, 但是BP神经网络模型与多重线性回归模型的组合模型得平均相当对误差最小效果也最为理想。 与国内同类研究的综合比较： 我国关于对尘肺流行趋势的相关研究最早开始与80年代中后期, 最有名的是山西医学院郭鼐老师, 以及中国医科大学的楼介治老师, 还有中国预防医学科学院的金水高先生等先后从不同视角提出了用寿命表法预测尘肺病流行趋势。近年来有关煤工尘肺预测方法的研究报告与论著日见增多, 其中张抚顺, 袁聚祥等对煤工尘肺的患病趋势预测方法进行了比较研究, 认为如果按照动态序列模型来研究煤工尘肺的发病规律, 主要表现在时间上的间断发病性, 煤矿的煤工尘肺普查时间影响其发病率状况。但上述研究均为对尘肺发病规律的研究,且均使用单一的预测模型。 本研究以BP神经网络、径向基神经网络及多重线性回归模型为基础建立组合模型,应用组合模型预测每个个体的发病工龄,预测结果显示组合模型预测效果较好,证实了使用组合模型对每个个体的尘肺发病工龄进行预测具有可行性。通过对各模型预测性能进行比较,证实了使用BP神经网络与多重线性回归的组合模型预测尘肺发病工龄效果最好。为煤工尘肺的预测研究提供了一个新的思路和研究方向。 成果创造性、先进性： 1.建立了煤工尘肺发病工龄的BP神经网络、径向基神经网络及多重线性回归单一预测模型。 2.以标准差法为基础,分别建立了两两组合模型和三种单一模型的组合模型。 3.组合模型的预测性能优于各单一模型, 其中BP神经网络与多重线性回归模型的组合模型的预测性能最优。 经济、社会效益： 煤工尘肺的预测研究由来已久,但是均为对尘肺发病规律研究,即对群体进行的预测研究。 本研究以BP神经网络、径向基神经网络及多重线性回归模型为基础,分别建立煤工尘肺发病工龄预测的单一模型及组合模型,为煤工尘肺预测研究开拓了一个新的思路。如果能够把合适的组合模型投入到煤工尘肺的发病工龄的预测当中, 由于其预测精度较高, 预测效果好, 将会为有关部门提前采取相应的措施提供有力依据, 有助于提高经济发展, 减轻煤矿作业工人的身心负担。 推广应用的范围、条件以及存在的问题和改进意见： 使用组合模型进行煤工尘肺发病工龄的预测,为煤工尘肺的预测研究提供了新的思路。 本研究是基于唐山市某职业病研究所的煤工尘肺患者病例为研究对象, 为了进－步验证所选择模型对煤工尘肺发病工龄预测的合适性, 需要选择其他职业病医院或煤矿进行验证, 这也是我们接下来工作的重点。