1、傳染病對人類的威脅是長期而嚴峻的。預測可以及早發(fā)現(xiàn)疾病的流行趨勢,為及時、準確地開展傳染病的預警奠定了基礎,對傳染病的控制工作也意義重大。
　　 受多種因素的影響,傳染病發(fā)病率樣本不僅采集困難,而且總是呈現(xiàn)出不規(guī)則、混沌等非線性特征。而傳統(tǒng)的傳染病預測模型大多以線性模型為主,難以進行理想的非線性擬和,故迫切需要建立新的預測模型來開展科學預測研究?？紤]到支持向量機(sVM)具有小樣本、稀疏性、以及非線性擬合能力強等方面的優(yōu)勢,本文

2、將支持向量機回歸(SVR)引入傳染病預測,以期開發(fā)出一種性能更加優(yōu)越的傳染病預測模型,為疾病預測工作提供新的技術手段。
　　 首先,本文綜述了傳染病預測和SVM的研究現(xiàn)狀,以及一些有代表性的傳染病數(shù)學模型。在對統(tǒng)計學習理論以及相關的優(yōu)化理論進行回顧的基礎上,從四個方面詳細描述了SVR模型的基礎知識,并指出了SVM的優(yōu)缺點。
　　 然后,本文針對SVM在實際應用中的三點困難,設計了NSVR預測模型,目的是獲得更高的學習性能

3、和預測精度。該模型的設計思路涉及三個主要方面:(1)數(shù)據(jù)預處理:C-C方法進行相空間重構；(2)核函數(shù)的選擇:采用混合核函數(shù)的非線性組合方式；(3)參數(shù)的優(yōu)化:改進了基本的PSO算法。在詳細描述了NSVR預測模型建模流程的基礎上,通過仿真實驗證明了該模型的有效性。
　　 最后,考慮到求和自回歸移動平均(ARIMA)模型在處理線性問題上的優(yōu)勢以及SVR在處理非線性問題上的優(yōu)勢,本文借助組合預測的思想提出了一個新的組合預測模型ARI