| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 1 前言 | 第13-16页 |
| 2 材料与方法 | 第16-22页 |
| 2.1 资料来源 | 第16页 |
| 2.2 研究方法 | 第16-17页 |
| 2.2.1 流感样病例资料收集方法 | 第16页 |
| 2.2.2 流感病毒标本采样方法 | 第16-17页 |
| 2.2.3 流感病毒标本分离鉴定方法 | 第17页 |
| 2.3 模型构建原理方法 | 第17-21页 |
| 2.3.1 ARIMA模型 | 第17-19页 |
| 2.3.2 BP神经网络 | 第19-20页 |
| 2.3.3 GR 神经网络 | 第20-21页 |
| 2.3.4 组合模型构建 | 第21页 |
| 2.4 质量控制 | 第21页 |
| 2.5 统计分析 | 第21-22页 |
| 3 结果 | 第22-37页 |
| 3.1 2011-2017年葫芦岛市流感样病例流行病学特征分析结果 | 第22-24页 |
| 3.1.1 流感样病例分布概况 | 第22-23页 |
| 3.1.2 流感样病例时间分布 | 第23页 |
| 3.1.3 流感样病例年龄分布 | 第23-24页 |
| 3.2 2011-2017年葫芦岛市流感病原学特征分析结果 | 第24-26页 |
| 3.2.1 流感病毒分离概况 | 第24-25页 |
| 3.2.2 流感病毒阳性率 | 第25页 |
| 3.2.3 流感病毒型别分布 | 第25-26页 |
| 3.3 ARIMA模型构建结果 | 第26-31页 |
| 3.3.1 序列平稳化和模型识别 | 第26-29页 |
| 3.3.2 参数估计和模型诊断 | 第29-31页 |
| 3.3.3 ARIMA模型预测 | 第31页 |
| 3.4 ARIMA-BPNN组合模型构建结果 | 第31-33页 |
| 3.4.1 数据归一化处理… | 第31-32页 |
| 3.4.2 BP神经网络构建与训练 | 第32-33页 |
| 3.4.3 ARIMA-BPNN 组合模型预测 | 第33页 |
| 3.5 ARIMA-GRNN组合模型构建结果 | 第33-35页 |
| 3.5.1 数据归一化处理 | 第33-34页 |
| 3.5.2 GR神经网络构建与训练 | 第34页 |
| 3.5.3 ARIMA-GRNN组合模型预测 | 第34-35页 |
| 3.6 三种模型预警效果比较 | 第35-37页 |
| 4 讨论 | 第37-41页 |
| 4.1 流感样病例流行病学特征 | 第37-38页 |
| 4.2 流感病原学特征 | 第38-39页 |
| 4.3 ARIMA 模型预测 | 第39-40页 |
| 4.4 神经网络组合模型预测 | 第40-41页 |
| 5 结论 | 第41-42页 |
| 本论文创新性自我评价 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 综述 | 第46-54页 |
| 参考文献 | 第50-54页 |
| 攻读学位期间取得的研究成果 | 第54-55页 |
| 致谢 | 第55-56页 |
| 个人简历 | 第56页 |