气象与环境学报 ›› 2018, Vol. 34 ›› Issue (4): 126-133.doi: 10.3969/j.issn.1673-503X.2018.04.017
刘博1,2 党冰2,3 张楠1 王式功2,4 尹岭5 张晓云6 黎檀实5 卢震华7
LIU Bo1,2 DANG Bing2,3 ZHANG Nan1 WANG Shi-gong2,4 YIN Ling5 ZHANG Xiao-yun6 LI Tan-shi5 LU Zhen-hua7
摘要:
基于2008—2012年北京市4家三甲医院的脑卒中疾病急诊就诊资料及同期气象观测资料和环境监测资料,筛选气象和环境预报因子,采用广义相加(Generalized Additive Model,GAM)、逐步回归、BP(Back Propagation)神经网络及决策树4种方法编辑数据训练集(2008—2011年)和验证集(2012年)输入模型,建立北京市脑卒中疾病预报模型,计算各模型的拟合优度和预报准确率,对比分析脑卒中疾病各预报模型并确定最优预报方法。结果表明:北京市四季脑卒中疾病不同模型选取的预报因子不同,其中时间序列为重要的预报因子。GAM模型对高等级脑卒中疾病的预报效果最好,逐步回归模型对中间等级脑卒中疾病的预报效果最好,决策树模型对低等级脑卒中疾病的预报效果最好。4种脑卒中疾病预报模型四季平均的预报准确率依次为:GAM>神经网络模型>逐步回归模型>决策树。GAM模型脑卒中疾病的平均和高等级预报准确率均为最高,其中出血性脑卒中预报模型的完全预报准确率为68.3%,预报误差≤±1级的准确率达98.0%,可以满足天气变化对出血性脑卒中疾病预报预警的业务需求。
中图分类号: