计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2009年
4期
264-267
,共4页
章勤%田晶%孙傲冰%郑然%陈卫红
章勤%田晶%孫傲冰%鄭然%陳衛紅
장근%전정%손오빙%정연%진위홍
BP神经网络%指数平滑法%FCM聚类%组合预测%矽肺
BP神經網絡%指數平滑法%FCM聚類%組閤預測%矽肺
BP신경망락%지수평활법%FCM취류%조합예측%석폐
矽肺是我国最为严重的职业病之一,严重危害工人的健康.研究表明,矽肺与粉尘接触量、吸烟量、接尘时间等存在明显的剂量反应关系.基于各矽肺致病影响因子,分别利用指数平滑-神经网络ES-BP(Exponential smoot-hing-BP neural network)和模糊c均值聚类-神经网络FCM-BP(Fuzzy c-means clustering-BP neural network)组合模型对接尘工人未来是否患病以及患病年龄做预测分析.实验结果表明:ES-BP模型能结合原始工人接尘时间队列数据特点,从时间序列上对工人患病年龄进行预测;FCM-BP模型对数据预归类,能极大减小模型复杂度并降低网络训练时间.两种组合模型预测精度均高于BP单独建模预测精度,在工人患病年龄预测中取得了较好的测试效果.
矽肺是我國最為嚴重的職業病之一,嚴重危害工人的健康.研究錶明,矽肺與粉塵接觸量、吸煙量、接塵時間等存在明顯的劑量反應關繫.基于各矽肺緻病影響因子,分彆利用指數平滑-神經網絡ES-BP(Exponential smoot-hing-BP neural network)和模糊c均值聚類-神經網絡FCM-BP(Fuzzy c-means clustering-BP neural network)組閤模型對接塵工人未來是否患病以及患病年齡做預測分析.實驗結果錶明:ES-BP模型能結閤原始工人接塵時間隊列數據特點,從時間序列上對工人患病年齡進行預測;FCM-BP模型對數據預歸類,能極大減小模型複雜度併降低網絡訓練時間.兩種組閤模型預測精度均高于BP單獨建模預測精度,在工人患病年齡預測中取得瞭較好的測試效果.
석폐시아국최위엄중적직업병지일,엄중위해공인적건강.연구표명,석폐여분진접촉량、흡연량、접진시간등존재명현적제량반응관계.기우각석폐치병영향인자,분별이용지수평활-신경망락ES-BP(Exponential smoot-hing-BP neural network)화모호c균치취류-신경망락FCM-BP(Fuzzy c-means clustering-BP neural network)조합모형대접진공인미래시부환병이급환병년령주예측분석.실험결과표명:ES-BP모형능결합원시공인접진시간대렬수거특점,종시간서렬상대공인환병년령진행예측;FCM-BP모형대수거예귀류,능겁대감소모형복잡도병강저망락훈련시간.량충조합모형예측정도균고우BP단독건모예측정도,재공인환병년령예측중취득료교호적측시효과.
