科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出一个使用PCA-SVM进行感染性腹泻周发病例数回归预测方法,有效避免了BP神经网络模型存在局部极值、多重共线性的问题。以上海市2005年至2008年感染性腹泻周发病例数为样本,建立PCA-SVM回归模型。首先用PCA从统计气象因子中提取气象主成分因子,去除预报因子多重共线性,得到最终模型的解释变量,其次采用SVM方法构建上海市感染性腹泻周发病例数预测模型。为了说明该模型有更佳的预测效果,与BP神经网络模型比较拟合及预测结果。数据结果显示PCA-SVM回归模型预测的平均相对误差MAPE、均方误差平方根RMSE(数值分别为0.2694,33.113)均小于BP神经网络(数值分别为0.3745,49.909),而决定系数R2(数值为0.9089)较BP神经网络(数值为0.8590)更趋近于1。证明PCA-SVM回归模型在感染性腹泻周发病例数预测中具有较高的预测精度和较强的泛化能力,模型对于感染性腹泻周发病例数的预测可靠,对于向公众发布腹泻预报有更好的实用价值。
