黑龙江省医疗气象预报系统的研究与实现

论文摘要

随着经济的发展和人民生活水平的提高,天气气候的变化与人们身体健康的关系越来越受到人们的关注。气象学与医学有很密切的关系,天气和气候的变化对一些疾病的发病率有较大影响,还可为人们防治疾病以及日常保健提供必要的信息。近年来随着生活水平的日益提高,气候与健康问题越来越引起了人们的关注,医疗气象学的研究也越来越得到更多的重视。本文通过统计分析,选取黑龙江地区疾病的发病率和其主要气象因素,将其作为输入变量通过回归分析的方法给出疾病的发病率与气象因素之间关系的数学模型。通过KNN算法,对数学模型进行参数修正,使本文所涉及的系统预报结果更加准确。实验结果表明,本文方法的预报结果更加准确,而且随着样本信息不断的扩充,预报结果的准确率也随之增加。在建立黑龙江地区医疗气象模型的基础上,系统使用了较新的SaaS模式,使医疗气象预报系统的管理更加灵活,功能更为强大,对外接口更加丰富,使系统的运行、应用和维护等方面的成本更为低廉。而且,SaaS模式的引入,更使得医疗气象预报系统的盈利成为可能。该系统客户端可在任意操作系统下运行,目前该系统已在哈尔滨气象台试运行。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题来源和背景
• 1.1.1 研究背景
• 1.1.2 研究意义
• 1.2 国内外研究现状及存在的问题
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 本文研究的内容
• 1.4 本文的组织
• 第2章 理论基础和相关技术
• 2.1 气象对疾病发病的影响
• 2.1.1 气候特征对疾病发病的影响
• 2.1.2 天气系统对疾病发病的影响
• 2.1.3 各种疾病的多发月份和主要影响天气
• 2.2 回归分析
• 2.2.1 回归分析
• 2.2.2 一元线形回归数学模型
• 2.2.3 多元线形回归数学模型
• 2.3 气象信息综合处理系统（Micaps）相关知识
• 2.3.1 Micaps在气象业务系统中的位置
• 2.3.2 Micaps的系统结构
• 2.3.3 客户端总体功能结构图
• 2.4 SaaS相关知识介绍
• 2.4.1 SaaS的定义
• 2.4.2 从用户的角度看SaaS的优势
• 2.4.3 从软件开发商的角度看SaaS的优势
• 2.4.4 SaaS的不足之处
• 2.5 软件体系结构
• 2.5.1 发展历史
• 2.5.2 C/S结构与B/S结构的比较
• 2.6 表象化状态转变
• 2.6.1 表象化状态转变的概念
• 2.6.2 表象化状态转变的优点
• 2.7 机器学习
• 2.7.1 机器学习的概念
• 2.7.2 机器学习的发展史
• 2.7.3 机器学习分类
• 2.8 本章小结
• 第3章 基于SaaS的医疗气象预报系统设计
• 3.1 传统医疗气象预报系统
• 3.1.1 传统系统的网络拓扑结构
• 3.1.2 传统系统的处理流程
• 3.1.3 传统系统的优点
• 3.1.4 传统医疗气象预报系统的不足
• 3.2 基于SaaS的医疗气象预报系统设计目标
• 3.3 基于SaaS的医疗气象预报系统网络拓扑结构
• 3.3.1 核心部分
• 3.3.2 用户服务部分
• 3.4 基于SaaS的医疗气象预报系统的相关数据库设计
• 3.5 医疗气象预报的基本计算方法
• 3.5.1 高血压
• 3.5.2 脑卒中（脑出血、脑梗塞）
• 3.5.3 冠心病
• 3.5.4 消化系统疾病
• 3.5.5 呼吸系统疾病
• 3.6 算法的微调
• 3.6.1 算法微调过程
• 3.6.2 机器学习模块
• 3.6.3 KNN算法
• 3.7 本章小结
• 第4章 系统实现与分析
• 4.1 系统概述
• 4.1.1 系统运行环境
• 4.1.2 系统主要模块
• 4.2 系统处理流程
• 4.3 系统功能
• 4.3.1 各种疾病的预报级别和预报语
• 4.3.2 系统各功能模块介绍
• 4.4 医疗气象预报系统的优点
• 4.5 传统系统与新系统的比较
• 4.6 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢
• 个人简历