张翰英，杨照峰

（1.平顶山市工业学校，平顶山467000；2.平顶山学院软件学院，平顶山467002）

基于数据挖掘的尘肺病建模与预测研究❋

张翰英1，杨照峰2

（1.平顶山市工业学校，平顶山467000；2.平顶山学院软件学院，平顶山467002）

为了提高尘肺病的预测准确性，针对尘肺病历史数据少、不确定的特点，采用多种数据挖掘技术进行建模，提出一种基于GM-BPNN的尘肺病组合预测模型。首先利用灰色模型GM（1，1）对尘肺病进行预测，然后采用BP神经网络对GM（1，1）预测结果进行修正，并采用遗传算法优化BP神经网络的初始权值和阈值，最后对1981～2006年的尘肺病例进行仿真测试。仿真结果表明GM-BPNN很好地解决了尘肺病预测过程中的小样本、非线性问题，相对于单一预测模型，提高了尘肺病的预测精度。

尘肺病；灰色模型；BP神经网络；遗传算法；仿真

1 引 言

尘肺病是一种危害严重的职业病。据统计，尘肺病发病率一直呈上升趋势，不仅危害工人身体健康，而且给国家带来了经济损失，因此对尘肺病未来发病状况进行有效预测，然后根据预测结果对尘肺病进行控制和管理，具有十分重要意义［1］。

当前尘肺病预测方法主要包括传统统计学方法和数据挖掘技术预测方法。传统统计学方法包括线性回归预测、时间序列、趋势外推法和指数平滑法等［2］，这些方法参数设置少，简单易实现，但它们均假设尘肺病变化趋势是一种线性变化，实际上尘肺病预测是一种不确定、非线性变化系统，因此它们难以建立准确的尘肺病预测模型，预测结果与实际要求有一定的差距［3］。……