您当前的位置:
首页 > 文献资料
所属专业:
递归特征约减算法文献资料
-
基于支持向量机递归特征约减算法的痢疾疫情预测研究
目的 探讨应用支持向量机递归特征约减算法(support vector machine with recursive feature elimination algorithm,SVM-RFE)进行痢疾疫情预测的可行性.方法 收集辽宁省葫芦岛市2004-2011年的逐月痢疾疫情资料和相应时段的气象资料,首先利用描述统计分析痢疾季节性发病规律,使用Spearman等级相关分析疫情同气象因素的关系;使用标准化气象指标作为自变量,随机将2/3数据用于训练,1/3数据用于检验,设置交叉验证次数为100次,根据径向基核函数的SVM-RFE确定优候选变量子集并据此进行预测,利用R2.90完成上述统计过程.结果 SVM-RFE在17项气象指标中按重要程度由高至低排序,居前5位分别为平均气温、平均高气温、降水距平百分率、平均风速、平均低气温.随着自变量的增加,训练集的决定系数R2由0.702增加到0.945,检验集在取前两个自变量时决定系数大,R2为0.653,均高于传统对数线性模型.结论 SVM可较好地模拟痢疾疫情在时间序列上的变动趋势,RFE算法在筛选变量方面有较好的应用前景.