呼吸系統(tǒng)疾病死亡人數(shù)的人工神經(jīng)網(wǎng)絡(luò)方法研究*

蘭州大學(xué)大氣科學(xué)學(xué)院甘肅省干旱氣候變化與減災(zāi)重點(diǎn)實(shí)驗(yàn)室（730000）

張 瑩 邵 毅 王式功△尚可政 李 旭 劉 慧 耿 迪

呼吸系統(tǒng)疾病死亡人數(shù)的人工神經(jīng)網(wǎng)絡(luò)方法研究*

蘭州大學(xué)大氣科學(xué)學(xué)院甘肅省干旱氣候變化與減災(zāi)重點(diǎn)實(shí)驗(yàn)室（730000）

張 瑩 邵 毅 王式功△尚可政 李 旭 劉 慧 耿 迪

目的利用南京市2004-2009年呼吸系統(tǒng)疾病死亡病例和同期的氣象資料，分析了氣象因子（包括三種舒適度指數(shù)）與呼吸系統(tǒng)疾病死亡人數(shù)的相關(guān)性。方法通過BP神經(jīng)網(wǎng)絡(luò)建立了呼吸系統(tǒng)疾病死亡人數(shù)的預(yù)報(bào)模型，并對(duì)其進(jìn)行評(píng)價(jià)。結(jié)果氣象因素及其變化與呼吸系統(tǒng)疾病死亡人數(shù)有密切的關(guān)系。建立的呼吸系統(tǒng)疾病死亡人數(shù)的神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型結(jié)構(gòu)為15-20-1（即有15個(gè)輸入、20個(gè)隱含節(jié)點(diǎn)和1個(gè)輸出），訓(xùn)練精度為0.005，訓(xùn)練了26步達(dá)到目的，預(yù)測(cè)準(zhǔn)確率達(dá)80.11%。結(jié)論與統(tǒng)計(jì)預(yù)報(bào)方法相比較，該方法計(jì)算簡(jiǎn)便、誤差較小、預(yù)測(cè)準(zhǔn)確率高，對(duì)呼吸系統(tǒng)疾病死亡人數(shù)有較好的預(yù)測(cè)效果，為醫(yī)療氣象預(yù)報(bào)提供了一種新方法，具有進(jìn)一步的研究?jī)r(jià)值。

呼吸系統(tǒng)疾病死亡人數(shù) 氣象因子 BP神經(jīng)網(wǎng)絡(luò) 預(yù)報(bào)模型

氣象條件是導(dǎo)致呼吸系統(tǒng)疾病發(fā)病的主要誘因之一，國(guó)內(nèi)外一些學(xué)者曾對(duì)疾病與氣象的關(guān)系做過研究與分析［1-5］，大部分都采用傳統(tǒng)的統(tǒng)計(jì)方法，其判別分析往往對(duì)數(shù)據(jù)的分布有各種假設(shè)條件的要求。不滿足這些條件時(shí)，要對(duì)原始數(shù)據(jù)作變量變換（包括如何使非線性關(guān)系變換為線性關(guān)系），而實(shí)際上選擇哪一種函數(shù)往往很難決策，可能要用到較復(fù)雜的統(tǒng)計(jì)方法。而BP神經(jīng)網(wǎng)絡(luò)作為一個(gè)非線性的數(shù)學(xué)模型，與傳統(tǒng)統(tǒng)計(jì)方法相比不需要精確的統(tǒng)計(jì)模型，尤其善于處理復(fù)雜模型的映射關(guān)系，不需要知道數(shù)據(jù)的分布形式，且具有一定的容錯(cuò)性，這為處理模糊的、數(shù)據(jù)不完全的、模擬的、不精確的模式識(shí)別提供了一個(gè)全新的途徑。筆者旨在通過大量樣本的醫(yī)學(xué)資料與同期氣象因子的相關(guān)性分析，找出影響呼吸系統(tǒng)疾病死亡人數(shù)的關(guān)鍵氣象指標(biāo)。嘗試?yán)萌斯ど窠?jīng)網(wǎng)絡(luò)（artificial neural network，ANN）方法建立呼吸系統(tǒng)疾病死亡人數(shù)預(yù)報(bào)模型，為醫(yī)療氣象預(yù)報(bào)提供科學(xué)參考。

資料與方法

1.死亡病例及氣象資料來源

呼吸系統(tǒng)（J）的病歷資料取自南京市疾病預(yù)防控制中心收集的南京市區(qū)及10 km范圍之內(nèi)郊區(qū)2004年1月1日至2009年12月31日所有死亡病例資料。疾病變量分類按照疾病和有關(guān)健康問題的國(guó)際統(tǒng)計(jì)分類（WHO 2007第10次修訂版）ICD-10編碼的呼吸系統(tǒng)疾病死亡（J00-J99）進(jìn)行分類。呼吸系統(tǒng)共12736個(gè)死亡病例。

氣象資料來源于中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)中中國(guó)地面氣象資料南京站的2004-2009年的日均氣象資料，包括日最高（低）氣溫（℃）、日平均氣溫（℃）、日最高（低）氣壓（hPa）、日平均氣壓（hPa）、日平均相對(duì)濕度（%）和日平均風(fēng)速（m/s）等。

2.研究方法

（1）呼吸系統(tǒng)疾病死亡人數(shù)與氣象因子的相關(guān)性分析

根據(jù)2004-2009年每年呼吸系統(tǒng)疾病死亡人數(shù)的發(fā)病資料，以七天為單位計(jì)算每七天的發(fā)病總?cè)藬?shù)，并每次向前遞推一天進(jìn)行滑動(dòng)求和處理，從而得到2004-2009年每七天發(fā)病總?cè)藬?shù)的數(shù)據(jù)。同時(shí)對(duì)同期的氣象數(shù)據(jù)進(jìn)行七天滑動(dòng)平均處理，從而得到2004 -2009年每七天的氣象指標(biāo)的數(shù)據(jù)。通過散點(diǎn)圖的散步形狀和疏密程度判斷呼吸系統(tǒng)疾病死亡人數(shù)與不同氣象因子的相關(guān)趨勢(shì)和相關(guān)程度，如果基本呈線性，則用Pearson秩相關(guān)分析方法，否則采用Spearman秩相關(guān)分析方法建立各氣象要素與呼吸系統(tǒng)疾病死亡人數(shù)的關(guān)聯(lián)性。找出與呼吸系統(tǒng)疾病死亡人數(shù)相關(guān)性較大，且相關(guān)系數(shù)具有統(tǒng)計(jì)學(xué)意義的氣象指標(biāo)。

七天的氣象指標(biāo)包括：平均氣壓（PM，hPa）、平均最高氣壓（PH，hPa）、平均最低氣壓（PL，hPa），氣壓變化幅度（PV）、氣壓平滑指數(shù)（PSI）、平均氣溫（TM，℃）、平均最高氣溫（TH，℃）、平均最低氣溫（TL，℃）、氣溫變化幅度（TE，℃）、氣溫相對(duì)變化幅度（TRE，℃）、氣溫平滑指數(shù)（TSL）、平均濕度（HM，%）、溫濕指數(shù)（THI）［6-7］、風(fēng)寒指數(shù)（WCI）［8-9］和著衣指數(shù)（ICL）［10］。平滑指數(shù)（SI）、溫濕指數(shù)（THI）、風(fēng)寒指數(shù)（WCI）、著衣指數(shù)（ICL）的計(jì)算公式如下：

式中，μ：七天的平均值；δ：七天的標(biāo)準(zhǔn)差；WM：平均風(fēng)速（m·s-1），H代表人體代謝率的75%，單位：W·m-2，本文取輕活動(dòng)量下的代謝率，此時(shí)H＝87W·m-2；a表示人體對(duì)太陽(yáng)輻射的吸收情況，本文取0.06；R表示垂直陽(yáng)光在單位時(shí)間單位面積土地上所接收的太陽(yáng)輻射（W·m-2）；α是太陽(yáng)高度角，取平均狀況且隨緯度變化。氣象指標(biāo)中的氣象因素的平均值、最高、最低值主要描述了氣象條件的基本狀態(tài)，即對(duì)其進(jìn)行靜態(tài)描述；氣象因素的變化幅度、平滑指數(shù)主要描述了氣象條件的變化過程，變化幅度越大、平滑指數(shù)越低，其變化程度就越大，即對(duì)其進(jìn)行動(dòng)態(tài)描述；考慮到氣象因素在舒適度較好的天氣下變化和在舒適度不好的天氣下變化對(duì)人體的影響不同，引入了相對(duì)變化幅度、溫濕指數(shù)、風(fēng)寒指數(shù)和著衣指數(shù)，在溫度相對(duì)變化幅度計(jì)算公式中，假設(shè)24.4℃為人體的最佳舒適溫度。三種舒適度指數(shù)均是通過一系列氣象要素的綜合，來反映人體與周圍環(huán)境的熱量交換情況。

（2）建立人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

①數(shù)據(jù)歸一化處理。為了滿足人工神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)函數(shù)的條件和提高神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度，需要對(duì)其樣本進(jìn)行歸一化處理，將其歸一化到0.1～0.9，其公式為：

其中xij為歸一化后的自變量；Xij為原始變量；min（xij）為自變量Xi中的最小值；max（xi）為自變量Xi中的最大值；i，j分別為自變量序號(hào)和樣本序號(hào)。

②人工神經(jīng)網(wǎng)絡(luò)的建立。采用BP神經(jīng)網(wǎng)絡(luò)，并通過Matlab7.0軟件編程實(shí)現(xiàn)［11］。輸入層的神經(jīng)元為15個(gè)，即2004-2008年的歸一化后的氣象指標(biāo)作為網(wǎng)絡(luò)輸入；輸出層的神經(jīng)元為1個(gè)，用2004-2008年歸一化后的呼吸系統(tǒng)疾病死亡人數(shù)作為網(wǎng)絡(luò)輸出，傳遞函數(shù)為logsig。隱含層為1層，由于隱含層神經(jīng)元數(shù)目沒有統(tǒng)一規(guī)則，本研究通過一些經(jīng)驗(yàn)公式和試湊法［12］等方法反復(fù)試驗(yàn)，確定隱含層神經(jīng)元數(shù)目為20，傳遞函數(shù)為tansig。因此神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)確定為15 -20-1。

③神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與仿真。網(wǎng)絡(luò)訓(xùn)練函數(shù)為trainlm，學(xué)習(xí)率為0.1，最大訓(xùn)練步數(shù)為1000。經(jīng)BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練，建立呼吸系統(tǒng)疾病死亡人數(shù)與氣象因素之間的關(guān)系。把2009年歸一化后的氣象要素作為訓(xùn)練樣本，作為輸入層添加到已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)中，對(duì)訓(xùn)練樣本進(jìn)行仿真驗(yàn)證。最后對(duì)仿真結(jié)果進(jìn)行反歸一化，便可得到2009年呼吸系統(tǒng)疾病死亡人數(shù)的仿真值。

3.BP神經(jīng)網(wǎng)絡(luò)與統(tǒng)計(jì)預(yù)報(bào)的預(yù)測(cè)效果評(píng)價(jià)方法

通過BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與仿真，最終得出了BP神經(jīng)網(wǎng)絡(luò)模型對(duì)應(yīng)的2009年呼吸系統(tǒng)疾病死亡人數(shù)的仿真值。統(tǒng)計(jì)預(yù)報(bào)方程（逐步回歸方法）是氣象學(xué)中較為常用的預(yù)測(cè)方法，其基本原理是運(yùn)用回歸分析原理，采用雙檢驗(yàn)原則，逐步引入和剔除自變量而建立最優(yōu)回歸方程的優(yōu)選方法。該方法要求分析數(shù)據(jù)服從正態(tài)分布和方差齊性。因此在進(jìn)行逐步回歸方法前，對(duì)采集數(shù)據(jù)相關(guān)變量進(jìn)行正態(tài)檢驗(yàn)，運(yùn)用指數(shù)變換對(duì)不服從正態(tài)分布的數(shù)據(jù)進(jìn)行正態(tài)轉(zhuǎn)換。另外，利用Eviews軟件中的廣義最小二乘函數(shù)消除時(shí)間序列數(shù)據(jù)存在的自相關(guān)性。最終建立了以呼吸系統(tǒng)疾病死亡人數(shù)為因變量，其他影響因素為自變量的多元回歸方程，并用該方程預(yù)測(cè)2009年呼吸系統(tǒng)疾病死亡人數(shù)的仿真值。

為了較為客觀地評(píng)價(jià)BP神經(jīng)網(wǎng)絡(luò)和統(tǒng)計(jì)預(yù)報(bào)對(duì)呼吸系統(tǒng)疾病死亡人數(shù)的預(yù)測(cè)能力，分別把兩種方法所得的2009年呼吸系統(tǒng)疾病死亡人數(shù)的仿真值與實(shí)際值進(jìn)行對(duì)比，通過計(jì)算各自的平均絕對(duì)誤差（MAE）、平均絕對(duì)百分比誤差（MAPE）、均方誤差（MSE）和預(yù)測(cè)準(zhǔn)確度（P）等指標(biāo)，比較兩種模型的預(yù)測(cè)效果。

式中：Yt是實(shí)際值；yt是仿真值；n是樣本個(gè)數(shù)。

預(yù)報(bào)結(jié)果及擬合效果分析

1.呼吸系統(tǒng)死亡人數(shù)與氣象要素的關(guān)系

通過計(jì)算呼吸系統(tǒng)疾病死亡人數(shù)與各種氣象指標(biāo)的相關(guān)性，我們發(fā)現(xiàn)氣象因子對(duì)呼吸系統(tǒng)疾病死亡人數(shù)的影響較顯著。呼吸系統(tǒng)疾病死亡人數(shù)與平均溫度（r＝-0.717）、最高溫度（r＝-0.715）、最低溫度（r＝-0.705）呈顯著地負(fù)相關(guān)；與平均氣壓（r＝0.614）、最高氣壓（r＝0.623）、最低氣壓（r＝0.604）呈顯著地正相關(guān)；與濕度（r＝-0.153）呈負(fù)相關(guān)；與溫變幅（r＝0.124）和壓變幅（r＝0.334）呈正相關(guān)；與氣溫平滑指數(shù)（r＝-0.403）和氣壓平滑指數(shù)（r＝0.260）呈顯著地負(fù)相關(guān)；這表明溫度越低、氣壓越高、濕度越小、氣象因素的變幅越大、平滑指數(shù)越小，呼吸系統(tǒng)疾病死亡人數(shù)越多。即寒冷干燥的天氣，再遇到急劇大幅度降溫，較容易誘發(fā)呼吸系統(tǒng)疾病。

人體舒適度是以人類機(jī)體與近地大氣之間的熱交換原理為基礎(chǔ)，從氣象角度評(píng)價(jià)人類在不同氣候條件下舒適感的一項(xiàng)生物氣象指標(biāo)。溫濕指數(shù)、風(fēng)寒指數(shù)和著衣指數(shù)是最為常用的三項(xiàng)評(píng)價(jià)指標(biāo)。呼吸系統(tǒng)疾病死亡人數(shù)與溫濕指數(shù)（r＝-0.711）呈顯著地負(fù)相關(guān)，與風(fēng)寒指數(shù)（r＝0.719）和著衣指數(shù)（r＝0.718）呈顯著地正相關(guān)，這些均表明人體感覺寒冷極不舒適時(shí)，會(huì)導(dǎo)致呼吸系統(tǒng)疾病死亡人數(shù)的增加。

2.預(yù)報(bào)結(jié)果及分析

通過采用改變輸入層節(jié)點(diǎn)數(shù)、隱含層節(jié)點(diǎn)數(shù)、樣本數(shù)和誤差精度等4種方案進(jìn)行實(shí)驗(yàn)。最終將隱含節(jié)點(diǎn)數(shù)定為20（隱含層上神經(jīng)元的個(gè)數(shù)），訓(xùn)練精度為0.005時(shí)，訓(xùn)練了26步達(dá)到目的，最終誤差為0.00485402。此時(shí)網(wǎng)絡(luò)穩(wěn)定性達(dá)到最好，且預(yù)報(bào)和擬合效果也比較好。圖1為網(wǎng)絡(luò)最終訓(xùn)練結(jié)果，它給出了網(wǎng)絡(luò)訓(xùn)練所需的步數(shù)、訓(xùn)練精度及訓(xùn)練的最終誤差。

3.歷史樣本擬合效果

利用訓(xùn)練好的網(wǎng)絡(luò)對(duì)2009年獨(dú)立樣本進(jìn)行預(yù)測(cè)，網(wǎng)絡(luò)模擬預(yù)報(bào)結(jié)果如圖2所示。從圖中可以看出仿真值與實(shí)際值較為接近。

通過計(jì)算BP神經(jīng)網(wǎng)絡(luò)模型和統(tǒng)計(jì)預(yù)報(bào)方程對(duì)呼吸系統(tǒng)疾病死亡人數(shù)的仿真值，將神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型與統(tǒng)計(jì)預(yù)報(bào)方法所得預(yù)報(bào)量的歷史擬合率、預(yù)報(bào)率（具體計(jì)算過程略）進(jìn)行比較。從表1可以得出，無論是MAE、MAPE還是MSE，BP神經(jīng)網(wǎng)絡(luò)的預(yù)報(bào)誤差值均小于統(tǒng)計(jì)預(yù)報(bào)方程預(yù)報(bào)的誤差值，同時(shí)BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)準(zhǔn)確率（80.11%）高于統(tǒng)計(jì)預(yù)報(bào)方程的預(yù)測(cè)準(zhǔn)確率（72.23%）。這表明利用BP神經(jīng)網(wǎng)絡(luò)方法對(duì)呼吸系統(tǒng)疾病死亡人數(shù)進(jìn)行預(yù)測(cè)具有一定的可行性和理論價(jià)值。

圖1 最終訓(xùn)練結(jié)果

圖2 BP網(wǎng)絡(luò)計(jì)算南京呼吸系統(tǒng)疾病死亡人數(shù)擬合曲線

表1 神經(jīng)網(wǎng)絡(luò)方法與統(tǒng)計(jì)預(yù)報(bào)方法擬合率和預(yù)報(bào)率比較

討論與結(jié)論

傳統(tǒng)的統(tǒng)計(jì)方法建立的預(yù)測(cè)方程所涉及的氣象因素比較少，只考慮了一些基本因素，而本研究采用BP神經(jīng)網(wǎng)絡(luò)模型所考慮的氣象指標(biāo)多達(dá)15個(gè)，不僅對(duì)影響呼吸系統(tǒng)疾病死亡的天氣條件描述比較全面，而且還加入了與人體實(shí)際感受密切相關(guān)的三種人體舒適度氣象指標(biāo)。從而建立了有針對(duì)性的個(gè)體化預(yù)報(bào)模型，達(dá)到了較好的預(yù)測(cè)效果。

人工神經(jīng)網(wǎng)絡(luò)擅長(zhǎng)處理知識(shí)背景不是很清楚、模糊、隨機(jī)的大通量信息，特別是非線性系統(tǒng)。憑借其分布式信息存儲(chǔ)方式、并行式信息處理方式、強(qiáng)大的容錯(cuò)性、自組織、自學(xué)習(xí)和自適應(yīng)能力，較好地解決了本研究中變量間不能用精確函數(shù)表達(dá)這一問題。同時(shí)在利用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)呼吸系統(tǒng)疾病死亡人數(shù)的預(yù)測(cè)研究中，只需選擇好輸入和輸出，剩下的事全部由神經(jīng)網(wǎng)絡(luò)來完成，結(jié)果表明該方法簡(jiǎn)便快捷、預(yù)測(cè)效果可靠。

本研究中基于BP神經(jīng)網(wǎng)絡(luò)模型建立的呼吸系統(tǒng)疾病死亡人數(shù)預(yù)測(cè)模型為15-20-1（即有15個(gè)輸入、20個(gè)隱含節(jié)點(diǎn)和1個(gè)輸出），訓(xùn)練精度為0.005，訓(xùn)練了26步達(dá)到目的，最終誤差為0.00485402，預(yù)測(cè)準(zhǔn)確率達(dá)到80.11%以上，比統(tǒng)計(jì)預(yù)報(bào)的預(yù)報(bào)準(zhǔn)確率（72.23%）要高，這說明把神經(jīng)網(wǎng)絡(luò)應(yīng)用到呼吸系統(tǒng)疾病死亡人數(shù)的預(yù)報(bào)中具有一定的可行性和理論價(jià)值。

為了進(jìn)一步提高對(duì)呼吸系統(tǒng)疾病死亡人數(shù)的預(yù)測(cè)效果，考慮到氣象因素只是疾病的一個(gè)誘發(fā)因素，因此可以在網(wǎng)絡(luò)輸入層添加性別、年齡、既往病史等病人的個(gè)體因素以及環(huán)境因素，即選擇與呼吸系統(tǒng)疾病死亡人數(shù)相關(guān)的關(guān)鍵氣象指標(biāo)、環(huán)境指標(biāo)和個(gè)體因素共同作為網(wǎng)絡(luò)輸入，建立新的預(yù)測(cè)模型，從而達(dá)到更為準(zhǔn)確的預(yù)測(cè)。

1.陳正洪，楊宏青，肖勁松，等.武漢市呼吸道和心腦血管疾病的季月旬分布特征分析.數(shù)理醫(yī)藥學(xué)雜志，2000，13（5）.

2.劉佳，蔡亞平.2002-2009年中國(guó)大陸城鄉(xiāng)居民死因分析.中國(guó)衛(wèi)生統(tǒng)計(jì)，2012，29（4）：510-513.

3.程德明，董美階.宜昌市城區(qū)居民呼吸系統(tǒng)疾病死亡率分析.中國(guó)衛(wèi)生統(tǒng)計(jì)，2002，19（1）：132-135.

4.曾韋霖，馬文軍，劉濤，等.構(gòu)建氣溫-死亡關(guān)系模型中溫度指標(biāo)的選擇.中華預(yù)防醫(yī)學(xué)雜志，2012，46（10）：946-951.

5.黃明北，李子淵，白友仙，等.氣象因素與急性腦血管病的相關(guān)研究.氣候與環(huán)境研究，1999，4（1）：35-39.

6.Terjung WH.Physiologic climatesof the contentious United States：a bioclimatic classification based on man.Annual Association o f Applied Geochem istry，1966，5（1）：141-179.

7.呂偉林.體感溫度及其計(jì)算方法.北京氣象，1998，（1）：23-25.

8.Thom EC.Cooling degree days.Air Condition：Heat Ventilation，1958，55（3）：65-72.

9.David DH.Handbook of Applied Meteorology.New York：John W iley＆Sons.Inc，1985，6（7）：778-811.

10.Terjung WH.World pattern of the distribution of monthly com fort index.International Journal of Biometeorology，1968，2（3）：119-151.

11.葛哲學(xué)，孫志強(qiáng)編著.神經(jīng)網(wǎng)絡(luò)理論與MATLAB R2007實(shí)現(xiàn).北京：電子工業(yè)出版社，2008.

12.范佳妮，王振雷，錢鋒.BP人工神經(jīng)網(wǎng)絡(luò)隱層結(jié)構(gòu)設(shè)計(jì)的研究進(jìn)展.控制工程，2005，12（10）：105-109.

（責(zé)任編輯：丁海龍）

Study on Artificial Neural Network Prediction for Respiratory System Death Toll

Zhang Ying，Shao Yi，Wang Shigong，et al（KeylaboratoryofSemi-aridClimateChange，MinisterofEducation，CollegeofAtmosphericSciences，LanzhouUniversity（730000），Lanzhou）

ObjectiveUsing the data of respiratory system deaths andmeteorological factorsw ithin the same time from 2004 to 2009 in Nanjing，and analyzed the correlation betweenmeteorological factorswhich include three human com fortable indexes and respiratory system deaths.MethodsThe back-propagation（BP）artificial neutral network（ANN）model was built and evaluated.ResultsThe result showed：a close relationship exists between themeteorological factors and respiratory system deaths，the ANN predictmodel structure was 15-20-1，15 input notes，20 hidden notes and 1 output note.The training precision was 0.005 and the final error was 0.005 after 26 training steps.The results of forecast showed that predict accuracy over 80.11%.ConclusionsCompared w ith statistical forecastingmethods，thismethod is easy to be finished w ith smaller error，and higher ability on respiratory system deaths on independent prediction，which can provide a new method formedicalmeteorology forecast and have the value of further research.

Respiratory system death toll；Meteorological factors；Back-propagation neutral network；Predictmodel

公益性行業(yè)（氣象）科研專項(xiàng)（GYHY201106034）；“中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)基金”自由探索項(xiàng)目（lzujbky-2012-123）和國(guó)家自然科學(xué)基金項(xiàng)目（41075103）共同資助。

△通信作者：王式功，E-mail：wangsg＠lzu.edu.cn