摘要：目的 依据“健康中国必须坚持预防为主大方针”的宗旨，构建阜南县呼吸系统和循环系统医学气象预报模型，以期为阜南县政府、医院等部门和广大民众提供疾病预防服务。方法 收集、整理2013~2016年阜南县呼吸系统和循环系统疾病住院就诊人数和同期气象数据资料，在分析、了解2种疾病发病时间变化的基础上，按照强制正态分布法，进行风险等级划分，利用机器学习算法中的BP和Elman 2种神经网络，构建医学气象预报模型，进行风险等级预报。结果 （1）阜南县呼吸系统和循环系统疾病住院就诊人数均呈逐年增加，且后者增加幅度更大。呼吸系统疾病在冬季发病率最高，夏季最低；循环系统疾病在过度季春、秋两季发病率较高，冬、夏两季较低。2种疾病住院就诊人数均表现为工作日高于周末，周二达到峰值。（2）2种疾病住院就诊人数近似正态分布，按照强制正态分布法划分风险等级：风险等级低（一级）、风险等级中等（二级）、风险等级较高（三级）和风险等级高（四级）。（3）对于2种疾病，Elman模型比BP收敛和拟合效果均更好，但其训练步数和学习时间较长。对于呼吸系统疾病，BP模型一致性指数R为0.63，Elman为0.84；对于循环系统疾病，BP为0.82，Elman为0.88。利用模型对2013～2015年进行回代检验，2016年进行试预报，结果表明，对于2种疾病Elman模型对住院就诊人数变化趋势和范围的把握均优于BP，且4种评价指标均好于BP。对于呼吸系统疾病，Elman模型风险等级预报准确率回代检验为90.97%，试预报为88.16%；对于循环系统疾病，回代检验为90.49%，试预报为87.13%。（4）Elman优于BP，原因在于BP神经网络本质上是一种静态神经网络，只能实现非线性静态映射，较适用于空间建模问题，而Elman神经网络隐藏层的输出自动连接到隐藏层的输入，这种自动连接构成局部反馈，使其具有记忆功能，则网络能够较好的表达输入和输出之间在时间上的延迟，就具备映射动态特征的功能，从而使系统具有适应时变特性的能力。住院就诊人数属于连续性的时序序列，所以Elman优于BP。结论 Elman模型预报性能优于BP，可应用于日常业务预报中。
关键词：呼吸系统 循环系统 机器学习 BP神经网络 Elman神经网络 医学气象预报模型
引言
阜南县隶属于安徽省阜阳市，位于黄淮海平原南缘，淮河中游北岸，安徽省西北隅，阜阳市南部。2015年年底，公安户籍人口169.7万，其中男性88.4万，女性81.3万。阜南县属暖温带半湿润季风气候区南缘，具有明显的过渡带气候特征：季风明显、四季分明。
呼吸系统和循环系统疾病是阜南县两大高发系统性疾病。呼吸系统疾病是一种常见病、多发病，主要病变在气管、支气管、肺部及胸腔，病变轻者多咳嗽、胸痛、呼吸受影响，重者呼吸困难、缺氧，甚至呼吸衰竭而致死。呼吸系统疾病在城市的死亡率中占第三位，在农村占首位。循环系统指人体运送血液的器官和组织，主要包括心脏、血管等，担负着体内物质运输、新陈代谢、体液调节，并使机体环境保持稳定的重要功能。因此，循环系统疾病成为威胁人类健康的主要疾病之一。据世界卫生组织报道，截止到2008年，循环系统疾病己成为全球慢性非传染性疾病之首[1]。在我国，90年代以来，循环系统疾病的死亡率一直居于首位[2]。
针对各类高发疾病，我国各个地区通过实行健康宣教等干预措施后，发病率有效降低[3,4]。但由气象因素引起的发病率变化依旧没有完善的干预措施。因此在“健康中国必须坚持预防为主大方针”的宗旨下，加强高发疾病的基础研究，寻找其影响因素，在气象方面实现可预防、预警，从气象影响上降低发病率，对促进国家医疗卫生事业向“以防为主”转型具有重要现实意义，且可为政府、医院等部门和大众提供疾病预防方面相关参考和依据。
医学气象预报是预报大气环境变化对人体影响规律的一门交叉应用学科，其目标是通过预报使人类在日常活动中避开不良天气，利用有利天气来增强体制，预防疾病，合理开展生产活动[5,6]。德国自1952年以来，每周一至周五发布全国医学气象预报，内容为天气形式及对疾病可能的影响。日本、匈牙利也有类似预报产品。我国医学气象预报起步较晚，20世纪90年代才逐渐开始推广。其中比较著名的项目有：“上海热浪与健康监测预警系统”[7]、“湖北医疗气象预报业务系统”[8]和“杭州人体健康生活气象指数预报系统”[9]等。总体而言，我国的医学气象预报起步晚，准确率和稳定性还有待提高。
建立医学气象预报模型目前主要有2种方法：第一种是传统统计模型，其中线性回归模型最为常用。第二种是人工智能模型，主要分为机器学习和深度学习。机器学习是近20年来兴起的一门多领域交叉学科，主要研究如何使用机器来模拟人类学习活动。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是从数据中自动分析获得规律，并利用规律对未知数据进行预测。目前机器学习已经有了十分广泛的应用，在预测方面也较传统统计模型更有优势。
本文利用2013~2016年阜南县呼吸系统和循环系统疾病住院就诊人数和同期气象数据资料，在分析、了解阜南县呼吸系统和循环系统疾病发病时间变化的基础上，按照强制正态分布法，对2种疾病进行风险等级划分，利用机器学习算法中的BP和Elman 2种神经网络，构建阜南县呼吸系统和循环系统医学气象预报模型，并进行风险等级预报，以期为阜南县广大民众提供疾病预防服务。
作者：柳志慧1 王式功2 赵笑颜