基于最小二乘支持向量机的传染病预测与研究

【摘要】： 防止传染病疫情的发生,直接关系到人民群众的身体健康,关系到经济社会的顺利发展。传染病预测是科学预防控制传染病的重要手段,是科学决策的依据。因此,对传染病预测方法的研究具有极其重要的理论意义和应用价值。 本文尝试将支持向量机技术引入到传染病预测分析中来,对最小二乘支持向量机技术应用到传染病预测中进行了一些探索,以期能够找到比传统预测方法更加优秀的传染病预测模型。 本文首先介绍了常用的传染病预测方法,其中重点研究了BP神经网络算法及其建模步骤,并分析了各常用方法的特点。详细阐述了支持向量机的理论基础和原理,包括机器学习理论、统计学习理论等内容。详细研究了标准支持向量机的改进形式—最小二乘支持向量机(LS-SVM)的算法,给出了LS-SVM建模中参数选择的方法。建立了最小二乘支持向量机预测模型,并与BP神经网络模型进行了对比分析,实验证明了LS-SVM用于传染病预测的优越性,证明了将支持向量机方法引入传染病预测分析是有效可行的,同时也支持了支持向量机方法预测能力出色的理论优点。最后将最小二乘支持向量机预测模型应用到传染病预测系统中。