[发明专利]一种基于BP神经网络的食源性疾病致病因子预测的方法和系统

权利要求书

1.一种基于BP神经网络的食源性疾病致病因子预测的方法，其特征在于：该预测方法包括以下步骤：

S1、数据采集，收集、整理食源性疾病事故案例，建立食源性疾病样本分析数据库，并对每个样本包含的特征项记录；

S2、确定训练集和测试集并进行属性选择与神经元定义；

S3、对缺失的数据进行预处理，将空值用NaN表示，为了构建准确率较好的深层BP神经网络食源性疾病致病因子预测模型，在训练网络前需要对含NaN的数据做处理；

S4、建立深层BP神经网络系统模型，并用上述训练集数据训练网络；

S5、将测试集数据输入模型，分析灵敏度和特异性。

2.根据权利要求1所述的一种基于BP神经网络的食源性疾病致病因子预测的方法，其特征在于：所述S1中数据采集来源于疾病预防控制中心形成的食源性疾病事故分析数据。

3.根据权利要求1所述的一种基于BP神经网络的食源性疾病致病因子预测的方法，其特征在于：所述S2中神经网络的输出层的2个神经元，分别为J7“致病因子”与J71“分类”，J7致病因子为字符串型变量，J71“分类”为整型变量，分别为“1＝化学污染物2＝致病菌3＝病毒4＝真菌毒素5＝寄生虫6＝有毒动物7＝有毒植物”。

4.根据权利要求1所述的一种基于BP神经网络的食源性疾病致病因子预测的方法，其特征在于：所述S3中数据每一列为一个样本数据，每一行为一个特征项数据，A数据中第二个样本的第一个特征项缺失，将A中NaN用第一行特征项的数据去掉缺失数据的剩余数据的均值代替，并加一行标识行，标识行中0代表前一行对应位置是NaN数据，1代表前一行对应位置不是NaN，通过上述处理得到

5.根据权利要求1所述的一种基于BP神经网络的食源性疾病致病因子预测的方法，其特征在于：所述S4中包括以下步骤

1)、采用深层BP神经网络构建食源性疾病致病因子预测模型；

2)、基于真实样本数据的数学模型建模；

3)、建立计算机应用模型；

4)、基于计算机应用模型，获得致病因子预判结果。