摘要：随着近年来传染病爆发频率的加剧，传染病的预测在突发公共卫生事件的应对中越发重要，有效实现传染病发病率准确及时的预测已经是维护社会稳定、促进国家经济繁荣不可或缺的部分。

本文首先论述了传染病预测的定义、预测的意义以及我国传染病预测面临的困难与挑战，表明了传染病预测具有极强的必要性。其次，对三种传染病传播的数学模型进行了研究。接着，本文利用BP神经网络以及某年某市连续六个月传染病发病率的数据，预测下一个月传染病发病率，但预测结果不够理想。最后，我通过基本遗传算法来优化BP神经网络的权阈值。仿真实验结果表明，经过优化后的BP神经网络提高了传染病发病率的预测的精度。

关键词  传染病预测；BP神经网络；遗传算法；权阈值

目录

摘要

Abstract

1 绪论-1

1.1 传染病预测的定义-1

1.2 传染病预测的必要性-1

1.3 我国面临的困难和挑战-1

1.4 本文研究目的和意义-2

1.5 本章小结-2

2 传染病传播的数学模型-3

2.1 模型一-3

2.2 模型二-3

2.3 模型三-4

2.4 本章小结-6

3 BP神经网络预测算法-7

3.1 BP神经网络的定义-7

3.2 BP神经网络的拓扑结构-7

3.3 BP算法-8

3.4 正向传播计算-8

3.5 反向传播计算-9

3.6 BP神经网络隐层神经元数目的确定-10

3.7 BP学习算法的计算步骤-11

3.8 本章小结-12

4 智能算法-13

4.1 智能算法概述-13

4.2 遗传算法-13

4.2.1 遗传算法的定义-13

4.2.2 遗传算法的特点-13

4.2.3 遗传算法的优越性-13

4.2.4 遗传算法的基本步骤-14

4.3 本章小结-15

5 仿真实验结果-16

5.1 程序运行环境-16

5.2 传染病数据-16

5.3 BP神经网络主要程序-17

5.4 遗传算法主要程序-22

5.5 智能算法优化BP神经网络的预测结果-26

5.6 本章小结-26

结论-27

致谢-28

参考文献-29