НЕЙРОСЕТЕВЫЕ МОДЕЛИ ПРОГНОЗИРОВАНИЯ ЗАБОЛЕВАЕМОСТИ НАСЕЛЕНИЯ НА УРБАНИЗИРОВАННЫХ ТЕРРИТОРИЯХ

В последние годы значительно возросла антропогенная нагрузка на окружающую среду, современный человек живет в условиях динамичной, постоянно меняющейся окружающей среды.

Для прогнозирования здоровья населения широко используются математические модели и методы, прежде всего методы математической статистики, направленные на исследование взаимосвязей факторов окружающей среды и показателей заболеваемости населения.

В настоящее время накоплен достаточный опыт решения локальных экологических и медицинских проблем, обоснованы научно-методические подходы к построению целого ряда математических моделей и разработаны методы их исследования [1,2].

Разработка и внедрение в практику органов здравоохранения методик анализа и прогнозирования заболеваемости на основе искусственных нейронных сетей, представляющих собой математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей – сетей нервных клеток живого организма, является наиболее перспективными и актуальным направлением.

Цель исследования - оценить возможность применения методики искусственных нейронных сетей для прогнозирования заболеваемости населения на урбанизированных территориях.

Одним из способом построения прогнозной модели является аппроксимация рассматриваемой функции пяти переменных искусственной нейронной сетью. Для достижения поставленной цели необходимо решить ряд важных технологических вопросов: выбрать структуру нейросети, количество слоев, нейронов в слоях, вид функций активации нейронов и др.

Основной принцип работы нейронной сети состоит в настройке параметров нейрона таким образом, чтобы поведение сети соответствовало некоторому желаемому поведению. На рисунке 1 показана общая структура обучения нейронной сети.

Нейронные сети - это мощный и гибкий механизм прогнозирования, но прогнозирование является чрезвычайно трудной задачей, поскольку традиционная архитектура НС и методы формирования обучающей выборки для них не совсем подходят для распознавания образов, которые изменяются с течением времени, в связи с чем, схему решения задачи прогнозирования можно представить в виде последовательности этапов (рис. 2)

Для формирования модели была создана общая обучающая выборка для населения 10-ти городов Иркутской области, по данным статистических отчетов комитета по статистике, лечебно-профилактических учреждений, центров гигиены и эпидемиологии, управления по гидрометеорологии и мониторингу окружающей среды (2000 – 2005 гг.). Для «обучения» сети (настройки внутренних весов сети с целью наилучшего приближения рассматриваемой зависимости) применялись метод наименьших квадратов, метод случайного мультистарта, метод имитации отжига и метод сопряженного градиента в вариантах Флетчера- Ривса и Полака-Поляка-Рибьера. В качестве нейроэмулятора использовался программный продукт Neural Network Wizard компании BaseGroup Labs. Результаты расчетов представлены на рисунке 3. Установлено, что наиболее адекватные результаты получены при применении 2-х слойной нейросети с числом нейронов в каждом слое 5 или 10. Расчеты по сети с числом нейронов 20 в слоях дают наименее точный вариант и не могут рекомендоваться к использованию.

На основе разработанной нейронной модели составлен прогноз заболеваемости детей, подростков и взрослых при определенных значениях исходных параметров:

Ti – среднегодовая температура воздуха (˚С) – (-3,5);

Wi – обеспеченность врачами (число специалистов на 1000 населения) – 2,8;

Vi – среднегодовая скорость ветра (м/с) – 2,6;

Pi – показатель загрязнения атмосферного воздуха (условные единицы) – 15,0;

Ci – социальные условия, характерные для города (экспертная оценка, баллы) – 8.

Для прогнозирования показателя заболеваемости населения г. Братска нами применен консилиум, состоящий из 15 нейронных сетей, которые обучались независимо. Для использования данной технологии несколько сетей обучаются решению одной и той же задачи, в качестве ответа можно выбрать среднее значение полученных результатов, а по отклонению ответов от среднего оценивается достоверность итогового результата. При этом результат прогнозирования определялся как среднее значение от результатов прогнозирования каждой из сетей консилиума. На основе накопленной за 10 лет статистической информации проведено обучение консилиумов нейронных сетей для предсказания заболеваемости детского населения при определенных значениях параметров (табл. 1).

Таблица 1 - Результаты прогнозных расчетов заболеваемости детского населения г. Братска, полученные с помощью нейронных сетей

Таким образом, применение нейросетевой методики позволяет получить качественный прогноз, не уступающий классическим линейным регрессионным моделям.

Список литературы

1.      Рукавишников В.С. Применение математического моделирования в системе «здоровье – окружающая среда» / В.С. Рукавишников, Н.И. Маторова, Н.В. Ефимова, М.П. Дьякович и др. // Гигиена и санитария. – 2002. – №6. – С. 65–67.

2.   Фомин А.М. Искусственные нейронные сети в решении задач анализа временного ряда / А.М. Фомин [и др.] // Нейроинформатика-2010: XII всерос. науч.-практ. конф. – М.: НИЯУ МИФИ, 2010. – С. 19–20