發(fā)布時間：2020-12-05 08:46

　　氣象因素對慢性病的發(fā)作具有重要的影響,采用科學(xué)方法研究與慢性病發(fā)作有關(guān)的健康影響因子,可以為公共衛(wèi)生負擔(dān)提供有價值的信息,幫助公共衛(wèi)生和環(huán)境部門合理規(guī)劃,及時向公眾傳播氣候變化的應(yīng)對措施。本研究以甘肅省四個不同氣候的代表性地區(qū)的氣象因素和同期若干慢性病（肺心病和高血壓）門診量的數(shù)據(jù)為研究對象。首先,對GAM模型進行優(yōu)化,結(jié)合DLNM模型,對二者之間的暴露-反應(yīng)關(guān)系和滯后效應(yīng)進行研究;然后,提出一種神經(jīng)網(wǎng)絡(luò)補償灰色周期外延算法,解決了該時間序列的周期波動性問題,提高了門診量的預(yù)測精度。論文的主要工作為:首先,采用描述性統(tǒng)計分析法,相關(guān)性分析和主成分分析法對甘肅省四個代表性區(qū)域（涼州區(qū),白銀,慶城和成縣地區(qū)）2014-2016年的日氣象數(shù)據(jù)及同時期的慢性�。ǚ涡牟『透哐獕海┤臻T診人數(shù)數(shù)據(jù)進行初步分析,得到影響慢性病的主要氣象因素。然后,對GAM模型進行光滑度優(yōu)化和共曲線性優(yōu)化,結(jié)合DLNM模型,建立氣象因素和慢性病門診量二者之間的關(guān)系模型,并將其應(yīng)用在四個代表性地區(qū)上。優(yōu)化后的GAM模型的GCV和K-index兩個指標均表明建立的模型光滑度足夠,共曲線性程度降低,模型效果較好;實驗結(jié)果表明... 

【文章來源】：蘭州交通大學(xué)甘肅省

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 氣象-健康效應(yīng)評估常用方法
        1.2.2 廣義加性模型的研究現(xiàn)狀
        1.2.3 氣象因素的健康效應(yīng)研究現(xiàn)狀
        1.2.4 疾病門診量預(yù)測方法的研究現(xiàn)狀
    1.3 主要研究內(nèi)容和技術(shù)路線
        1.3.1 論文主要研究內(nèi)容
        1.3.2 論文技術(shù)路線
2 理論方法
    2.1 描述性統(tǒng)計分析
    2.2 Spearman相關(guān)性分析
    2.3 主成分分析法
    2.4 分布滯后非線性模型
        2.4.1 交叉基
        2.4.2 DLNM參數(shù)和描述
3 GAM模型及優(yōu)化
    3.1 指數(shù)分布族
    3.2 GLM模型
    3.3 廣義加性模型
    3.4 GAM模型優(yōu)化和評估
        3.4.1 擬合優(yōu)度
        3.4.2 光滑度及其優(yōu)化
        3.4.3 共曲線性及其優(yōu)化
4 基于GAM的氣象因素-慢性病健康效應(yīng)仿真分析與結(jié)果
    4.1 資料來源
        4.1.1 地區(qū)資料
        4.1.2 氣象資料
        4.1.3 慢性病資料
    4.2 基于R的建模步驟
        4.2.1 具體建模過程
        4.2.2 R語言的暴露-反應(yīng)關(guān)系實現(xiàn)過程
        4.2.3 R語言的滯后效應(yīng)實現(xiàn)過程
    4.3 結(jié)果分析
        4.3.1 2014 -2016 涼州區(qū)氣象因素與肺心病、高血壓的關(guān)系分析
        4.3.2 2014 -2016 慶城氣象因素與肺心病、高血壓的關(guān)系分析
        4.3.3 2014 -2016 白銀氣象因素與肺心病、高血壓的關(guān)系分析
        4.3.4 2014 -2016 成縣氣象因素與肺心病、高血壓的關(guān)系分析
    4.4 本章小結(jié)
5 基于神經(jīng)網(wǎng)絡(luò)補償灰色周期外延模型的慢性病門診量預(yù)測分析
    5.1 神經(jīng)網(wǎng)絡(luò)補償灰色周期外延算法
        5.1.1 灰色周期外延模型
        5.1.2 神經(jīng)網(wǎng)絡(luò)補償灰色周期外延算法
    5.2 仿真實驗分析
        5.2.1 算法驗證
        5.2.2 算法在甘肅四地區(qū)肺心病門診量上的預(yù)測應(yīng)用
        5.2.3 算法在甘肅四地區(qū)高血壓門診量上的預(yù)測應(yīng)用
    5.3 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 不足與展望
致謝
參考文獻
攻讀學(xué)位期間的研究成果


【參考文獻】：
期刊論文
[1]基于死亡數(shù)據(jù)用DLNM構(gòu)建氣象健康指數(shù)[J]. 黃照,劉濤,許燕君,李杏,曾韋霖,肖建鵬,許曉君,馬文軍.  環(huán)境衛(wèi)生學(xué)雜志. 2018(05)
[2]甘肅省武威市涼州區(qū)病媒生物監(jiān)測分析[J]. 袁祥,張小燕,郭威,任旭東,肖生順,劉永勝.  疾病預(yù)防控制通報. 2018(02)
[3]家庭式護理健康指導(dǎo)對老年慢性肺心病患者生活質(zhì)量的影響[J]. 韋妮娜,劉德先,熊秋萍.  當(dāng)代醫(yī)學(xué). 2018(04)
[4]時間序列分解法在預(yù)防接種門診接種量預(yù)測的應(yīng)用[J]. 黃美林,劉世科,胡丹標,王帆,章群英.  中國疫苗和免疫. 2017(06)
[5]天津某院2014年冬季的門診量統(tǒng)計及變化趨勢預(yù)測[J]. 馬明,王鵬,楊旭.  中國衛(wèi)生統(tǒng)計. 2017(06)
[6]基于路徑分析模型探討氣象因素對廈門市手足口病的影響[J]. 顏玉炳,俞新蓮.  中華疾病控制雜志. 2017(08)
[7]貴州省乙腦和氣象因素的滯后關(guān)系[J]. 張美霞,王楠,杜春霖,李曉松.  現(xiàn)代預(yù)防醫(yī)學(xué). 2017(10)
[8]2011-2015年濟南市居民循環(huán)系統(tǒng)疾病死亡流行病學(xué)特征分析[J]. 王瑩,劉守欽,周林,韓京,張軍.  現(xiàn)代預(yù)防醫(yī)學(xué). 2017(01)
[9]淺談白銀市生態(tài)環(huán)境現(xiàn)狀與保護對策[J]. 宋俊萱.  環(huán)境研究與監(jiān)測. 2016(04)
[10]基于深度信念網(wǎng)絡(luò)的醫(yī)院門診量預(yù)測[J]. 楊旭華,鐘楠祎.  計算機科學(xué). 2016(S2)

碩士論文
[1]基于廣義可加模型的多核系統(tǒng)中程序執(zhí)行時間建模[D]. 李佳桐.華南理工大學(xué) 2018
[2]基于GAM模型大氣污染及氣象因素的健康效應(yīng)研究[D]. 李娟.長安大學(xué) 2016
[3]西北半干旱區(qū)氣象因素對居民死亡的影響效應(yīng)評價[D]. 張慧慧.蘭州大學(xué) 2013



本文編號：2899207