生态环境质量评价作为生态文明建设的基本依据,对于积极适应气候变化、合理开发及保护生态环境等具有重大意义.本文以生态环境脆弱的黄土高原为研究区,基于植被覆盖度、地形位指数、人口密度等数据反演资源环境承载力,以MODIS数据和土地利用数据表征生态弹性限度,分析2000-2020年研究区资源环境承载力与生态弹性限度的演变特征,利用耦合协调度模型综合表征区域生态环境,通过标准差椭圆方法探究协调度的重心变化及转移路径,并在此基础上利用粒子群优化的Elman神经网络对生态环境的未来趋势进行预测.结果表明:2000年以来黄土高原资源环境承载力呈现东南高、西北低的分布格局,呈指数缓慢上升趋势(0.0625 a-1),生态弹性限度与该区域土地利用格局呈高度一致,指数波动上升但整体水平低;黄土高原生态环境耦合协调度从轻微失调阶段转变为初级协调阶段;黄土高原生态环境协调发展度的重心向东南偏移,且呈现东北-西南方向向心聚集,西北-东南方向空间发散的趋势;预测发现,2030年各市(自治州)资源环境承载力-生态弹性限度系统耦合协调度将稳步上升,这表明未来黄土高原的生态环境质量将逐步趋于协调,但各地的增长速度将存在显著差距.

目的 通过Elman神经网络的构建预测卫生总费用数据,分析经济社会新常态以来卫生总费用的变化趋势.方法 参考经济社会新常态以前卫生总费用的分析方法,总结构建了Elman神经网络对卫生总费用进行预测,发现预测模型性能较好.结果 进入“新常态”以来,2016-2020年我国卫生总费用和国内生产总值都将呈逐年递增趋势.卫生总费用将由2016年的45 832.49亿元上涨到2020年的60 295.96亿元,国内生产总值将由2016年的720 945.7亿元上涨到2020年的810 274.7亿元,卫生总费用相对与国内生产总值的比重将从2016年的6.36％上涨到2020年的7.45％.结论 新常态以来我国卫生总费用增长速度较快,相对于国内生产总值增速惊人;基于经济社会新常态构建的Elman神经网络预测模型有较好的预测精度,适用性强.

目的:构建多种重庆市手足口病(hand,foot and mouth disease,HFMD)疫情预测模型并评价模型的拟合和预测效果,为卫生部门提供准确的疾病动态及预警预告奠定基础.方法:对重庆市2009至2014年HFMD月发病率资料分别建立3种单一预测模型(SARIMA、BPNN和Elman神经网络)和3种组合预测模型(SARIMA-BPNN、SARIMA-Elman、BPNN-Elman),利用2015年HFMD月发病率资料对各个模型进行拟合和评价,并选择最优预警模型预测2016至2017年重庆市HFMD发病率.结果:SARIMA模型、BPNN模型、Elman模型、SARIMA-BPNN组合模型、SARIMA-Elman组合模型、BPNN-Elman组合模型拟合及预测的平均绝对误差(mean absolute error,MAE)、平均误差率(mean error rate,MPAE)、预测准确度(prediction accuracy,P)、非线性相关系数(non-linear correlation coefficient,RNL)和平均相对误差(mean relative error,MRE)分别为0.595、0.515、0485、0.551、0.493;0.265、0.229、0.771、0.673、0.029;0.234、0.202、0.798、0.737、0.142;0.248、0.215、0.785、0.714、0.101;0.328、0.284、0.716、0.620、0.103;0.229、0.198、0.802、0.745、0.071.综合各个评价指标,选出本次研究最优预测模型为BPNN-Elman组合模型,并采用BPNN-Elman组合模型预测出2016年和2017年重庆市HFMD年平均发病率分别为162.8/10万和160.9/10万,95％置信区间为-0.236～0.184.结论:BPNN-Elman组合模型预测效果最优,能较好预测重庆市HFMD发病情况,为HFMD防控提供科学依据.

目的 探讨季节性自回归滑动平均混合模型-Elman神经网络模型组合模型(SARIMA-ERNN),在我国艾滋病流行趋势预测中的应用,并比较其与季节性自回归滑动平均混合模型(SARIMA)和反向传播神经网络模型(BPNN)的预测效果.方法 收集2004年1月至2015年12月我国艾滋病报告例数资料,用SPSS 13.0建立SA-RIMA模型,用Matlab 8.1建立BPNN模型和SARIMA-ERNN组合模型,并利用2016年1月至2016年12月的数据对模型的预测效果进行评价.结果 SARIMA模型拟合及预测的相对误差(RE)、平均相对误差(MRE)、平均误差率(MER)、均方误差(MSE)、均方根误差(RMSE)和平均绝对误差(MAE)分别为10.943 7、0.002 6、0.050 4、0.039 7和7.564 5、0.001 2、0.034 6、0.026 1;BPNN模型拟合及预测的MRE、MSE、RMSE和MAE分别为6.7944、0.000 6、0.024 5、0.020 6和6.150 6、0.000 5、0.022 4、0.020 1;SARIMA-ERNN组合模型拟合及预测的MRE、MSE、RMSE和MAE分别为4.833 1、0.000 4、0.020 0、0.016 2和4.868 6、0.000 4、0.020 0、0.016 0.结论 SA-RIMA-ERNN组合模型的拟合及预测效果优于SARIMA模型和BPNN模型.

目的 应用Elman神经网络构建流行性感冒(流感)样病例(ILI)预测模型,为浙江省流感疫情早期预警提供依据.方法 收集2013—2014年浙江省11家流感监测哨点医院的ILI报告、ILI病毒核酸检测结果、 气象和空气污染物等资料,通过时滞相关性分析筛选纳入模型的变量,采用2013年第14周—2014年第44周的数据建立Elman神经网络预测模型,采用2014年第45—52周的数据检验模型的预测效能.结果 浙江省2013—2014年每周均有ILI报告,共报告506391例次,周报告ILI％为(3.07±0.73)％.筛选出提前13周的周平均气压、 提前11周的周平均水汽压、提前9周的周平均气温、 提前5周的周平均SO2浓度、 提前5周的周平均NO2浓度、 提前5周的周平均CO浓度、 提前5周的周平均PM2.5浓度、 提前5周的周平均PM10浓度、 提前5周的周平均AQI和提前1周的病原阳性率10个因素纳入模型.当网络结构为10-15-1-1时,构建的Elman模型为最优预测模型,预测结果的平均误差绝对率为10.58％,非线性相关系数为0.8767.结论 利用气象、 空气污染指标和流感病原性监测资料建立的Elman神经网络ILI预测模型预测效果较好,适用于浙江省流感疫情短期预测.

目的 两模型对甲肝月发病率数据进行拟合预测,比较最优模型. 方法通过软件实现ARIMA模型和Elman神经网络对甲肝发病率进行拟合,并对2017年月发病率进行仿真. 结果两模型拟合预测效果较好,ARIMA模型平均绝对误差(mean absolute error,MAE)、均方根误差(root-mean-square error,RMSE)、平均绝对百分比误差(mean absolute percentage error,MAPE)分别为0.013、0.002 9、9.29;Elman神经网络MAE、RMSE、MAPE分别为0.012、0.000 22、8.695.Elman神经网络预测结果优于ARIMA模型. 结论两模型均能够拟合预测甲肝月发病率,Elman神经网络拟合预测效果更好.

目的:探讨季节自回归滑动平均混合(SARIM)-Elman神经网络(ERNN)组合模型在我国细菌性痢疾发病率预测中的利用价值.方法:使用2005年1月-2016年12月我国细菌性痢疾的月发病率资料作为训练集分别建立SARIMA模型、ERNN模型以及SARIMA-ERNN组合模型,2017年我国细菌性痢疾的月发病率资料作为测试集用于模型间的效果评价.结果:SARIMA模型拟合及预测的平均相对误差(average relative error,MRE)、平均误差率(average error rate,MER)、均方根误差(root mean squared predict error,RMSE)和平均绝对误差(mean absolute error,MAE)分别为5.661 37、0.061 81、0.001 45、0.000 94和5.596 40、0.051 77、0.004 54、0.000 34;ERNN模型拟合及预测的MRE、MER、RMSE和MAE分别为5.348 57、0.056 05、0.017 08、0.000 79和5.544 30,0.044 55、0.000 36、0.00030;SARIMA-ERNN组合模型拟合及预测的MRE、MER、RMSE和MAE分别为4.942 52、0.047 33、0.001 15、0.000 72和4.251 30、0.044 19、0.000 38、0.000 29.结论:与ERNN模型和SARIMA模型相比,SARI-MA-ERNN组合模型具有较高的有效性和合理性,可以用于我国细菌性痢疾的短期预测和早期预警.

目的 比较差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型、Elman神经网络及其组合(ARIMA-Elman)模型对北京市肺结核发病趋势的预测效果,探讨最佳预测模型.方法 以2010-2017年北京市肺结核月报告发病例数为数据基础,分别采用ARIMA模型、Elman神经网络及ARIMA-Elman组合模型,预测2018年12个月肺结核报告发病例数,以2018年的实际月报告发病例数验证3种模型的预测效果,评价指标使用平均绝对误差和平均绝对百分误差.结果 ARIMA模型、Elman神经网络和ARIMA-Elman组合模型对北京市肺结核月发病例数的预测相对误差多在±10％以内,分别为8个、8个和9个;此外,ARIMA模型预测结果相对误差在±10％～±20％的有3个,超过±20％的有1个;Elman神经网络预测结果相对误差在±10％～±20％的有2个,超过土20％的有2个;ARIMA-Elman组合模型预测结果相对误差在±10％～±20％的有3个.ARIMA模型、Elman神经网络及ARIMA-Elman组合模型的平均绝对误差分别为44.7(536/12)、47.8(574/12)和43.8(526/12),3种模型的平均绝对百分误差分别为8.7％(1.039/12×100％)、8.2％(0.99/12×100％)和7.9％(0.953/12×100％),ARIMA-Elman组合模型的2个预测评价指标均小于单一ARIMA模型和Elman神经网络.结论 ARIMA-Elman组合模型预测精度更高,对北京地区肺结核发病情况有更加理想的预测效果.

于2017年7-11月,应用热扩散探针(TDP)技术,结合同步测定的气象因子,对宁夏河东沙区新疆杨的耗水日变化特征及季节变化规律进行分析,提出了一种基于模糊规则的BP神经网络和Elman神经网络耗水模型,探究新疆杨蒸腾耗水规律并对其耗水量进行模拟.结果 表明:生长季内(7-10月)新疆杨平均液流密度为4.98 9·cm-2·h-1,影响蒸腾耗水的主要因素依次为太阳辐射、大气温度、饱和水汽压亏缺和相对湿度;受气象因子影响,新疆杨耗水具有明显的季节性变化规律,夏季(7-8月)单株耗水量为秋季(9-10月)的1.4倍;采用基于模糊规则的BP神经网络和Elman神经网络模型对新疆杨耗水进行模拟可以解释80％以上的变量,能够较准确地模拟新疆杨耗水情况,相对于BP神经网络,采用Elman神经网络对新疆杨耗水进行模拟,相对误差减少27.0％,均方根误差减少24.3％,纳什效率系数提高67.9％,决定系数达0.80以上.Elman神经网络的模拟效果优于BP神经网络,模型效率和拟合度更高,有效地提高了林木蒸腾耗水模拟精度,可作为河东沙区新疆杨林分蒸腾耗水估算的首选模型.

目的 构建阜南县呼吸系统和循环系统疾病住院人次预报模型,以期为阜南县政府、医院等部门和广大人群提供疾病预防服务.方法 收集、整理2013-2016年阜南县呼吸系统和循环系统疾病住院人次和同期气象数据资料,在分析、了解2种疾病住院人次时间变化的基础上,对2种疾病进行风险等级划分,利用机器学习算法中的BP和Elman神经网络,构建疾病住院人次预报模型,进行风险等级预报.结果 阜南县呼吸系统和循环系统疾病住院人次均呈逐年增加趋势,且后者增加幅度更明显.呼吸系统疾病住院人次在冬季最高,循环系统疾病住院人次在交替季节春、秋两季较高.2种疾病住院人次均表现为工作日高于周末,且周二达到峰值.对于2种疾病,Elman模型比BP的收敛和拟合效果更好;对于呼吸系统疾病,BP模型一致性指数(R)为0.63,Elman为0.84;对于循环系统疾病,BP为0.82,Elman为0.88.利用模型对2016年进行试预报,对于2种疾病,Elman模型的4种评价指标均优于BP,对于呼吸系统疾病,Elman模型试预报准确率为88.16％;对于循环系统疾病,预报准确率为87.13％.结论 Elman模型对于住院人次的预报性能优于BP,可应用于日常业务预报中.