基于BP神经网络的居民健康水平评估

任凯 马昊 张冠群 王大伟

摘要：随着“健康深圳”的计划的实施，深圳的健康水平已成为深圳最受关注的话题之一。因此我们根据深圳市的相关数据应用BP神经网络模型，对社会公共卫生环境和个人分别进行分析。同时应用Matlab软件对我们的数据进行训练、预测。所得出的模型能有效地动态测控健康水平。

关键词：BP神经网络;动态测控;动态评估;eM-Plant仿真

中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2020）08-0083-04

1 背景介绍

在随着经济的发展，具有所谓的“失调性”现象的慢性非传染性疾病不仅越来越多，而且还有年青化的趋势，因此，需要一种能高效分析这些现象形成机理的方法[1]。

对居民个人和社会环境都采用BP神经元网络模型，用于动态健康水平的评估。评价指标为饮食习惯，生活方式，工作压力，医疗保障等，将居民个体健康水平、社会公共卫生与环境分为优、良、差三个等级。

通过上述分析，结合居民工作压力，生活方式，饮食习惯和社会保障，可以得到居民健康水平评价的模型和具体步骤。

（1）确定评价指标体系;

（2）确定目标向量，输出层的神经元优、良、差作为目标量，可以客观的表征居民动态的健康水平。在进行居民健康水平评价时，将输出的目标量再进行加权平均，以得到居民健康水平的量化评价;

（3）对输入、输出的向量进行归一化的处理，将输入值化为区间内的值。确定网络为三层网络，即为输入、输出和隐层;

（4）选定居民信息，确定神经网络评价的样本数据;

（5）初始化。给定输入层、隐层、输出层之间的权值向量;

（6）输入训练样本，对神经网络进行训练开检验。直至达到误差要求;

（7）获取待评价的居民信息评价指标，输入训练好的神经网络，得出评价结果下表1所示为BP神经网络模型评价得分与综合评价之间的关系。

2 居民个体的BP神经网络模型

2.1 评价指标建立与数据搜集

对于居民个体，我们采用了三个评价指标，即生活方式，工作压力与饮食习惯。对于生活方式，我们用每天的睡眠时间（h）来衡量。对于工作压力，我们用每天的工作时间（h）来表示。对于饮食习惯，我们用每天的蛋白质摄入量（g）来表示[2]。

根据社会学资料，我们在不同健康状况人群中各随机抽取了14名居民进调查，得到居民个人信息表，见表2。

2.2 模型训练及预测

之后，我们结合上面的数据，用Matlab以下面的流程对我们的神经网络模型进行训练，如图1所示。

根据所得数据，我们得到了训练结果，见图2。

将随机抽取的三个居民的健康信息作为输入来检验：（1）第一个居民，工作时间为7，睡眠时间8，摄入蛋白质为180输入;（2）第二个居民，工作时间为9，睡眠时间为9，摄入蛋白质为200输入;（3）第三个居民，工作时间为6，睡眠时间为10，摄入蛋白质为170输入。

进行预测最终我们得到预测结果：（1）得到第一个居民的的健康水平评价得分为0.79属于0.7～1，为优;（2）得到第二个居民的健康水平评价得分为0.65属于0.4～0.7，为良;（3）得到第三个居民的健康水平评价得分为0.21属于0～0.4，为差。

2.3 针对居民个人解决“失配性”问题的方案

在饮食习惯方面：应该保持营养均衡，在物质生活高度发展的今天，仍要注重营养搭配，单方面营养过剩或缺乏，都会影响人的身体健康，合理的控制自身每日蛋白质摄入量，能有效的提高自身的健康水平。

在生活方式方面：在深圳这个一整天都充满活力的城市里，所以，在夜晚的深圳，也会看到大量的居民，人们在追求放松娱乐的同时，也放弃了正常的休息时间，随之导致了一系列的健康问题。保证充足的睡眠时间可以有效地提高居民的精神状态，从而提高自身的健康水平。

在工作压力方面：深圳是一个高速发展的城市，充满了机遇与挑战，有大量来自全国的年轻人来此拼搏，每天工作大量时间，无论身体或是精神方面都承受了巨大的压力，在一定程度上影响了其身体健康。所以合理安排工作时间，能有效提高自身的健康水平[3]。

3 社会公共卫生与环境的BP神经网络模型

3.1 评价指标建立与数据搜集

在研究社会公共卫生与环境时，我们采用了四个评价指标，即生活方式、工作压力、饮食习惯和社会保障。在流程图上，我们在居民个人的评价指标中加入社会保障，计算同理。社会保障我们用深圳市民用于医疗保险的金额来确定。

我们查阅了深圳市2014～2017年各种健康水平人群影响健康因素的相关资料，得到居民个人信息表，见表3。

3.2 模型训练及预测

在居民个体健康水平的BP神经网络模型的基础上，我们在影响因素中加入了社会保障这个指标，并由此获得了社会公共卫生与环境的BP神经网络模型。新模型的训练流程图的原理与居民个体健康水平的BP神经网络模型的训练流程相同。

根据所得数据，我们得到训练结果，见图3。

将随机抽取的三个居民的健康信息作为输入来检验：（1）我们将2016年平均数据作为输入（医保金额为250.8，工作时间为9.45，睡眠时间为10.6，摄入蛋白质为297）。（2）我们将2017年平均数据作为输入（医保金额为298，工作时间为7.5，睡眠时间为9.8，摄入蛋白质为326）。（3）我们将2018年平均数据作为输入（医保金额为304，工作时间为10.3，睡眠时间为7.6，摄入蛋白质为287）进行预测。

最终，我们得到预测结果：（1）得到2016年平均健康水平评价得分为0.81属于0.7～1，为优;（2）得到2017年平均健康水平评价得分为0.91属于0.7～1，为优;（3）得到2018年平均数健康水平评价得分为0.9属于0.7～1，为优。

由此可以推断出深圳市居民，健康水平为优的人群，每年的健康状况依然很好;健康水平为良和差的人群，随着时间的推移，自身的身体素质是越来越好的。

3.3 针对社会公共卫生方面解决“失配性”问题的方案

在饮食方面：政府应大力宣传合理、健康的饮食习惯对人身体健康的重要性。推出健康食谱，以保证深圳居民平均每日的蛋白质摄入量在正常范围内。

在生活方式方面：政府应强调合理的作息时间分配对人身体健康的重要性，倡导在企业内部加入午休制度，保证居民每日充足的睡眠时间。

在工作压力方面：政府应该有效控制各企业的每日工作时间，从而降低深圳居民的工作量，减少工作压力。

在社会保障方面，政府应完善医保制度，减少公民的医疗支出，让更多人看得起病，提高全社会医疗保障水平的同时，提升社会整体的健康水平[4]。

4 结论

该模型适用于各类人群，并且可以根据各方面因素综合评判其健康水平，并可以对输入量进行干预，通过动态调节输入量以需求输出的最优解。同时，该方案成本低，适用于全体深圳居民。且综合考虑面广，可以加入各种影响输出的因素。评判结果可靠性也比较高。BP神经网络模型可以凭借它的高精度，无限逼近于非线性连续函数，自学习能力和自适应能力强大。利用本文算法可高效研究深圳居民失配性问题并能提出有效方案。

参考文献

[1] 张贻民，梁明.数学建模的几种基本预测方法的探讨[J].茂名学院学报，2006（12）：40-43.

[2] 杨阳.大学生心理弹性研究现状及其存在的问题[J].开封大学学报，2013，27（3）：81-83+96.

[3] 程锦泉.深圳市居民膳食营养状况调查[J].中国卫生，2001（6）：531-533.

[4] 孫群露，刘开钳.深圳市“中国居民膳食指南”营养教育效果综合评价[J].中国现代医学杂志，2003（12）：122-125.