河北省科技支撑计划项目(11276911D)
- 作品数：3 被引量：13H指数：3
- 相关作者：王国立武建辉尹素凤郭正军于立群更多>>
- 相关机构：河北省煤矿卫生与安全实验室河北联合大学唐山市卫生监督所更多>>
- 发文基金：河北省科技支撑计划项目更多>>
- 相关领域：医药卫生更多>>
- 基于BP神经网络的煤工尘肺发病工龄预测组合模型的研究被引量：6
- 2013年
- 目的探讨基于BP神经网络的组合模型在煤工尘肺发病工龄预测中的应用。方法采用SPSS18.0中的BP神经网络模型和多重线性回归模型对数据进行分析预测,运用最小二乘加权的方法对二模型进行加权拟合,采用平均相对误差对各模型预测结果进行分析,比较各模型的精确度,从而评价各模型的预测性能。结果由BP神经网络进行预测可以得出发病工龄预测值和真实值大致位于从原点起始的45°线上,符合理想状态下值的分布情况。在对数据进行多重线性回归分析后,得到R=0.967,R2=0.935,对方程进行检验,F=1367.408,P=0.000,表明可以应用此多重线性回归方程进行预测分析。BP神经网络模型,多重线性回归模型,组合模型的均方根误差分别为0.057、0.057、0.052;平均绝对误差分别为1.4、1.46、1.38;平均相对误差分别为0.17、0.12、0.02。结论实证表明,该组合模型的预测精确度比常规BP神经网络模型要好。组合模型的算法概念明确,计算简便,有较高的拟合和预测精度。
- 王晓红武建辉郭正军尹素凤王国立
- 关键词：BP神经网络模型煤工尘肺发病工龄
- BP神经网络与多重线性回归模型在煤工尘肺发病工龄预测中的比较研究被引量：4
- 2014年
- 目的研究BP神经网络与多重线性回归预测模型对煤工尘肺发病工龄进行预测时各模型的预测性能及其比较。方法 BP神经网络模型和多重线性回归模型对研究数据进行预测分析时采用SPSS18.0对其实现。采用标准误差、平均相对误差和平均绝对误差对两模型的预测结果进行分析,得出各模型的预测效果,进而比较两模型预测性能的优劣。结果多重线性回归模型、BP神经网络模型真实值与预测值之间的差异均无统计学意义,t值分别为0.000、0.168,P值分别为1.000、0.876。多重线性回归、BP神经网络的标准误差分别为2.39、2.31;平均相对误差分别为7%、6%;平均绝对误差分别为1.77、1.67。结论研究表明在煤工尘肺病患者发病工龄的预测中,BP神经网络模型的预测性能优于多重线性回归,并且其预测精度高,预测结果可靠,值得推广应用。
- 武建辉王国立
- 关键词：BP神经网络发病工龄煤工尘肺职业病
- 两种神经网络模型预测煤工尘肺发病工龄的性能比较被引量：7
- 2013年
- [目的]探讨反向传播(back propagation,BP)神经网络模型与径向基函数(radial basis function,RBF)神经网络模型在煤工尘肺发病工龄预测中预测性能的优劣。[方法]采用SPSS 19.0中的BP和RBF神经网络模型对研究数据进行预测分析。采用均方根误差、平均相对误差和平均绝对误差对两种模型的预测结果进行比较分析,从而得到比较各模型预测性能的目的。[结果]由BP神经网络模型进行预测可以得出发病工龄预测值和真实值的散点分布图大致位于从原点起始的45度线上,符合理想状态下值的分布情况,而RBF神经网络模型的分布则较为混乱。RBF和BP神经网络模型真实值与预测值之间的差异均无统计学意义,t值分别为0.231、0.530,P值分别为0.817、0.596。RBF和BP神经网络模型的均方根误差分别为3.51、1.89;平均相对误差分别为12%、6%;平均绝对误差分别为2.76、1.42。[结论]实证表明,在煤工尘肺发病工龄的预测中,BP神经网络模型的预测性能优于RBF神经网络模型,有较高的拟合和预测精度。
- 郭正军武建辉尹素凤薛玲苏宇冯福民于立群王国立
- 关键词：煤工尘肺发病工龄
