向小東,黃 飄

(福州大學(xué) 經(jīng)濟(jì)與管理學(xué)院,福建 福州 350116)

在互聯(lián)網(wǎng)飛速發(fā)展的環(huán)境下，突發(fā)傳染病事件極易引起網(wǎng)民的高度關(guān)注，從2003年的SARS到2013年的H7N9，這些突發(fā)傳染病事件直接威脅到我國人民的生命和財(cái)產(chǎn)安全。公眾對突發(fā)傳染病的病源、病理突變、治療問題等相關(guān)信息給予了高度關(guān)注，突發(fā)傳染病網(wǎng)絡(luò)輿情熱度在短時間內(nèi)達(dá)到最高點(diǎn)，從而造成整個網(wǎng)絡(luò)環(huán)境的動蕩。對突發(fā)傳染病網(wǎng)絡(luò)輿情事件進(jìn)行管理已經(jīng)成為突發(fā)事件應(yīng)急管理的重要內(nèi)容之一，準(zhǔn)確預(yù)測突發(fā)傳染病輿情事件的熱度，把握輿情的長期發(fā)展趨勢，對于輿情管理有著積極的意義。

在網(wǎng)絡(luò)輿情熱度預(yù)測領(lǐng)域，部分學(xué)者采用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行研究。如陳福集等[1]基于改進(jìn)的ABC-BP模型對網(wǎng)絡(luò)輿情熱度走勢進(jìn)行預(yù)測研究。游丹丹等[2]采用改進(jìn)的粒子群和BP神經(jīng)網(wǎng)絡(luò)對輿情熱度進(jìn)行預(yù)測。DONG等[3]采用發(fā)帖數(shù)構(gòu)建時間序列，建立PSO-BPNN預(yù)測模型，并運(yùn)用該模型對輿情熱度進(jìn)行預(yù)測。曾子明等[4]采用信息熵確定輿情熱度指標(biāo)的權(quán)重，從而計(jì)算熱度值，建立BP神經(jīng)網(wǎng)絡(luò)模型并對突發(fā)傳染病輿情熱度進(jìn)行預(yù)測。

另外，一些學(xué)者采用非神經(jīng)網(wǎng)絡(luò)方法進(jìn)行網(wǎng)絡(luò)輿情熱度預(yù)測研究。如徐旖旎等[5-7]利用馬爾可夫鏈的輿情熱度趨勢分析模型預(yù)測熱度的變化區(qū)間。蘭月新等[8]基于灰色關(guān)聯(lián)度方法、多維度Logistic模型對每個平臺輿情信息進(jìn)行預(yù)測。王衛(wèi)姣等[9]基于LDA和KNN的組合模型預(yù)測帖子的熱度趨勢。張茂元等[10]使用EEMD-based KSC組合算法對網(wǎng)絡(luò)輿情事件進(jìn)行聚類，在此基礎(chǔ)上構(gòu)建類模型庫，采用最小二乘法選取模型庫中均方差和最小的模型，并用該模型對熱點(diǎn)輿情事件進(jìn)行預(yù)測分析。CHEN等[11]采用粗糙集理論篩選輿情指標(biāo)體系，引入模糊綜合評價法預(yù)測和評估輿情發(fā)展趨勢。安璐等[12]構(gòu)建決策樹模型并對突發(fā)傳染病的微博影響力進(jìn)行預(yù)測。

綜上可知，學(xué)者們在網(wǎng)絡(luò)輿情熱度預(yù)測領(lǐng)域開展了較多的研究工作，并且取得了一定進(jìn)展，這為網(wǎng)絡(luò)輿情管理提供了一些有價值的信息。但是鮮有學(xué)者運(yùn)用組合模型進(jìn)行突發(fā)傳染病輿情熱度預(yù)測研究，且現(xiàn)有突發(fā)傳染病輿情預(yù)測的精度并不理想，預(yù)測準(zhǔn)確度有待改善。因此，筆者在已有研究基礎(chǔ)上構(gòu)建EEMD-NAR神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型，定義百度指數(shù)為輿情熱度值，以期提高NAR神經(jīng)網(wǎng)絡(luò)模型對突發(fā)傳染病輿情熱度的預(yù)測精度，為政府部門開展輿情管理工作提供決策依據(jù)。

1 EEMD-NAR神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型

網(wǎng)絡(luò)輿情熱度預(yù)測的準(zhǔn)確性依賴于對歷史數(shù)據(jù)變化特征的正確把握，原始的時間序列因其影響因素較多，呈現(xiàn)出不平穩(wěn)、非線性的狀態(tài)，而神經(jīng)網(wǎng)絡(luò)預(yù)測模型對非線性、不平穩(wěn)序列的擬合度有限，因此已有研究采用神經(jīng)網(wǎng)絡(luò)預(yù)測突發(fā)傳染病輿情的精度并不理想。為了提升神經(jīng)網(wǎng)絡(luò)的預(yù)測精度，筆者引入EEMD-NAR神經(jīng)網(wǎng)絡(luò)組合模型開展突發(fā)傳染病網(wǎng)絡(luò)輿情熱度預(yù)測研究。

1.1 EEMD模型

HUANG等[13]為了分析非線性、非平穩(wěn)序列提出了EMD方法，該方法將原始時間序列分解成一組簡單信號，包含了原始信號不同時間的局部特征信息。但EMD常常會出現(xiàn)不同模態(tài)的混淆，即模式混疊，因此WU等[14]在EMD基礎(chǔ)上加入白噪聲，從而得到了集成經(jīng)驗(yàn)?zāi)B(tài)分解方法(ensemble empirical mode decomposition，EEMD)?？梢姡珽EMD是在EMD的基礎(chǔ)上提出的一種噪聲輔助數(shù)據(jù)分析方法，EEMD的重點(diǎn)工作是將白噪聲加入信號中進(jìn)行多次 EMD分解，將分解多次的IMF取均值并將其定義為最終的IMF分量，IMF分量是對原始序列進(jìn)行分解之后的不同頻率的時間序列分量。EEMD的分解過程如下：

(1)設(shè)定加入高斯白噪聲的次數(shù)為N，將第i次加入噪聲后的序列記為Yi(t)。

(2)識別要分解序列Yi(t)的最大值和最小值，分別采用三次樣條插值擬合Yi(t)的上包絡(luò)線e(t)max和下包絡(luò)線e(t)min。

(3)計(jì)算上包絡(luò)線和下包絡(luò)線的平均值：

m(t)=(e(t)max+e(t)min)/2

(1)

(4)提取出平均值m(t)，得到新序列d(t):

d(t)=Yi(t)-m(t)

(2)

(5)判斷d(t)是否滿足IMF分量的條件，若滿足，則ci=d(t)；若不滿足，則令d(t)作為原始序列，重新回到步驟(2)繼續(xù)進(jìn)行k次篩選，直到第k個新序列dk(t)滿足IMF分量的條件。

(6)第一個篩選出來的IMF分量為c1，并通過式(3)將c1從序列中分離出來，然后將r1作為要分解的數(shù)據(jù)，重復(fù)步驟(2)～步驟(5)，即可得到c2,c3,…,cn，由式(4)即可得到r2,r3,…,rn。直到滿足以下條件之一，則結(jié)束分解過程:①rn或者cn小于給定的數(shù)值；②rn為單調(diào)函數(shù)，無法繼續(xù)分解出更多的分量。

r1=Yi(t)-c1

(3)

r2=r1-c2，r3=r2-c3，…，rn=rn-1-cn

(4)

(7)用限值標(biāo)準(zhǔn)差SD來判別第k次篩選出來的序列dk(t)是否為IMF分量，SD的定義式如式(5)所示。當(dāng)SD小于閾值α?xí)r，說明當(dāng)前篩選序列為IMF分量，α取值一般為0.2～0.3。將所有加入噪聲的Yi(t)序列按照步驟(2)～步驟(7)進(jìn)行處理后，可得到不同尺度的本征模函數(shù)和趨勢項(xiàng)。

(5)

(8)將N次分解的結(jié)果進(jìn)行均值處理，得到EEMD分解后最終的IMF，即：

(6)

其中，IMFij表示序列第i次加入噪聲后分解得到的第j個IMF。

最終的結(jié)果可以表示為：

(7)

其中，RES為將原始序列分解后的殘差序列。

1.2 NAR神經(jīng)網(wǎng)絡(luò)模型

NAR(nonlinear auto regressive)神經(jīng)網(wǎng)絡(luò)是非線性自回歸模型，是一種基于動態(tài)神經(jīng)網(wǎng)絡(luò)的時間序列預(yù)測模型，由輸入層、輸出層和隱含層構(gòu)成，將歷史數(shù)據(jù)在輸入層輸入，經(jīng)隱含層神經(jīng)元加權(quán)之后形成輸出層的輸入，輸出層輸出未來數(shù)據(jù)的預(yù)測值。模型中的每一個輸出全部指向神經(jīng)網(wǎng)絡(luò)層的輸入中，將擬合值與實(shí)際值之間的誤差反饋到神經(jīng)網(wǎng)絡(luò)中，作為下一次輸出的調(diào)整參數(shù)依據(jù)，從而完成對神經(jīng)網(wǎng)絡(luò)的調(diào)整。NAR神經(jīng)網(wǎng)絡(luò)模型可以表示為：

y(t)=f(y(t-1),y(t-2),…,y(t-m))

(8)

其中，m為延時層階數(shù)。

NAR神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖如圖1所示，左邊的y(t)表示輸入，右邊的y(t)表示輸出數(shù)據(jù)；1∶3表示輸入與輸出的延時層階數(shù)m；w表示連接權(quán)；b表示閾值。

NAR神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練步驟為：①將樣本數(shù)據(jù)進(jìn)行劃分，設(shè)置訓(xùn)練集、驗(yàn)證集和測試集的比例；②設(shè)置延時層階數(shù)；③設(shè)置隱含層節(jié)點(diǎn)數(shù)；④采用NAR神經(jīng)網(wǎng)絡(luò)模型對樣本數(shù)據(jù)進(jìn)行訓(xùn)練，通過誤差自相關(guān)圖以及目標(biāo)值與輸出值誤差圖來判斷擬合效果，若不符合要求，則重復(fù)步驟③；⑤保存訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)各項(xiàng)參數(shù)，預(yù)測數(shù)據(jù)，觀測并記錄誤差值。

圖1 NAR神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

1.3 EEMD-NAR神經(jīng)網(wǎng)絡(luò)組合模型

EEMD-NAR神經(jīng)網(wǎng)絡(luò)組合模型預(yù)測流程如圖2所示，EEMD具有對復(fù)雜序列進(jìn)行預(yù)處理的優(yōu)勢，將輿情事件熱度指標(biāo)構(gòu)成的不平穩(wěn)、非線性原始時間序列進(jìn)行離散分解，分解成一組較為平穩(wěn)的序列，然后采用NAR神經(jīng)網(wǎng)絡(luò)分別對各部分進(jìn)行預(yù)測建模，最后將各部分預(yù)測結(jié)果相加就得到網(wǎng)絡(luò)輿情熱度預(yù)測值。

圖2 突發(fā)傳染病網(wǎng)絡(luò)輿情熱度預(yù)測流程圖

在預(yù)測過程中，為了評價預(yù)測模型的性能，筆者采用相對誤差RE和平均相對誤差MRE作為衡量模型預(yù)測精度的指標(biāo)。RE、MRE值越小，表明模型預(yù)測精度越高。其中，相對誤差和平均相對誤差的定義分別為：

(9)

(10)

2 突發(fā)傳染病輿情熱度預(yù)測

2.1 樣本數(shù)據(jù)

百度指數(shù)是統(tǒng)計(jì)網(wǎng)民在百度上針對關(guān)鍵詞的搜索量，通過科學(xué)分析并計(jì)算關(guān)鍵詞在百度上搜索量的加權(quán)和獲得，反映網(wǎng)民的主動搜索量和某一類事件受網(wǎng)民的關(guān)注程度，由于其在搜索引擎產(chǎn)品中極高的市場占有率及數(shù)據(jù)的可獲得性，受到學(xué)者們的廣泛關(guān)注?？紤]以上因素，筆者采用百度指數(shù)作為輿情事件熱度值，研究對象為2015年上半年人民網(wǎng)輿情監(jiān)測室廣受關(guān)注的“MERS (中東呼吸綜合征) 病毒衛(wèi)生突發(fā)事件”，通過百度指數(shù)搜索關(guān)鍵字“MERS”得到事件爆發(fā)后的數(shù)據(jù)，選取5月28日—8月7日作為研究時間段，共得到72個數(shù)據(jù)。

2.2 預(yù)測及結(jié)果分析

采用Matlab2017b作為模型構(gòu)建及仿真繪圖的工具，試驗(yàn)環(huán)境是samsung電腦，將72個數(shù)據(jù)作為原始序列進(jìn)行EEMD后，分解成5個IMF分量和1個殘差序列，具體結(jié)果如圖3所示。由圖3可知，IMF分量圍繞零均線上下波動，且隨著分量值的增大，其頻率逐次降低，表示不同因素影響下的輿情熱度值波動特征；殘差序列是長期趨勢項(xiàng)，代表輿情熱度值隨時間變化的趨勢，該時間序列是先上升而后下降。IMF1～I(xiàn)MF5的數(shù)據(jù)波動比較明顯，具有非均勻變化的特點(diǎn)，且各分量變化曲線比原輿情熱度值時間序列曲線更光滑、平穩(wěn)。

圖3 2015年5月27日—8月7日百度指數(shù)時間序列EEMD分解圖

在EEMD對原始序列進(jìn)行分解的基礎(chǔ)上，采用NAR神經(jīng)網(wǎng)絡(luò)分別對各分量及殘差序列構(gòu)建預(yù)測模型。在預(yù)測過程中，先將待預(yù)測分量或殘差序列進(jìn)行歸一化，并取前65個數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，后7個數(shù)據(jù)作為測試數(shù)據(jù)。為了避免模型過度擬合，將65個訓(xùn)練數(shù)據(jù)分成3組：訓(xùn)練集70%、驗(yàn)證集15%、測試集15%。將NAR神經(jīng)網(wǎng)絡(luò)延時層數(shù)設(shè)置為3，由于當(dāng)前選取隱含層節(jié)點(diǎn)數(shù)的方法并沒有成熟的理論依據(jù)，故只能依靠仿真過程中不斷訓(xùn)練，根據(jù)最小誤差來選取隱含層節(jié)點(diǎn)數(shù)。經(jīng)重復(fù)試驗(yàn)，筆者將神經(jīng)網(wǎng)絡(luò)預(yù)測模型隱含層節(jié)點(diǎn)數(shù)取為10。訓(xùn)練過程中，若試驗(yàn)結(jié)果的訓(xùn)練數(shù)據(jù)自相關(guān)誤差在上下置信區(qū)間內(nèi)，且擬合誤差在目標(biāo)誤差0.005以下，則說明訓(xùn)練結(jié)果較好，可以開始對后面的數(shù)據(jù)進(jìn)行預(yù)測。EEMD-NAR神經(jīng)網(wǎng)絡(luò)預(yù)測模型的具體參數(shù)設(shè)置如表1所示。

表1 EEMD-NAR神經(jīng)網(wǎng)絡(luò)預(yù)測模型訓(xùn)練參數(shù)

NAR神經(jīng)網(wǎng)絡(luò)首先對IMF1構(gòu)建預(yù)測模型，模型訓(xùn)練結(jié)果分別如圖4和圖5所示，除了lag=0(0階自相關(guān))時，其他的自相關(guān)系數(shù)都不超過上下置信區(qū)間，誤差也都在限定范圍內(nèi)，足以證明NAR神經(jīng)網(wǎng)絡(luò)對IMF1的訓(xùn)練結(jié)果可信，且目標(biāo)值與輸出值誤差圖中誤差線也較少，表明訓(xùn)練誤差較小，訓(xùn)練結(jié)果較為理想。同理，在IMF2～I(xiàn)MF5及殘差序列訓(xùn)練過程中，選取同樣的參數(shù)設(shè)置，結(jié)果顯示IMF2～I(xiàn)MF5及殘差序列的訓(xùn)練誤差也控制在限定范圍內(nèi)，訓(xùn)練結(jié)果可信。

圖4 IMF1自相關(guān)誤差圖

圖5 IMF1目標(biāo)值與輸出值誤差圖

圖6 基于EEMD-NAR的各分量及殘差序列預(yù)測結(jié)果圖

NAR神經(jīng)網(wǎng)絡(luò)對各分量及殘差序列構(gòu)建的模型訓(xùn)練完成后，隨即對后7個測試數(shù)據(jù)進(jìn)行預(yù)測。預(yù)測結(jié)果如圖6所示，可知其預(yù)測準(zhǔn)確度隨著分量逐漸趨于平穩(wěn)而提高，表明NAR神經(jīng)網(wǎng)絡(luò)對非線性序列的擬合度有限，NAR神經(jīng)網(wǎng)絡(luò)預(yù)測平穩(wěn)序列的準(zhǔn)確度會高于非平穩(wěn)序列。

在NAR神經(jīng)網(wǎng)絡(luò)對各部分進(jìn)行預(yù)測分析之后，將模型輸出值進(jìn)行反歸一化處理可得到各分量及殘差序列的預(yù)測值，在此基礎(chǔ)上將其相加即可獲得原始數(shù)據(jù)的預(yù)測結(jié)果。

為了驗(yàn)證此組合模型預(yù)測的有效性，筆者建立單一NAR、BP神經(jīng)網(wǎng)絡(luò)模型直接對原始時間序列進(jìn)行預(yù)測，通過比較單一模型與組合模型的預(yù)測結(jié)果來說明組合模型的優(yōu)越性。在單一神經(jīng)網(wǎng)絡(luò)預(yù)測過程中，將前65個數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，后7個數(shù)據(jù)作為測試數(shù)據(jù)。NAR神經(jīng)網(wǎng)絡(luò)模型延時層數(shù)、隱含層數(shù)分別為3、10，將65個訓(xùn)練數(shù)據(jù)分成70%訓(xùn)練集、15%驗(yàn)證集、15%測試集，模型其他參數(shù)設(shè)置見表1。在BP神經(jīng)網(wǎng)絡(luò)對原始序列的預(yù)測過程中，采用 Matlab 中的神經(jīng)網(wǎng)絡(luò)工具箱，經(jīng)過反復(fù)試驗(yàn)，發(fā)現(xiàn)當(dāng)輸入層、隱含層、輸出層節(jié)點(diǎn)數(shù)分別為3、10、1時，其擬合效果最好，因而將BP神經(jīng)網(wǎng)絡(luò)模型的輸入層、隱含層、輸出層節(jié)點(diǎn)數(shù)設(shè)置為3、10、1，訓(xùn)練函數(shù)采用 Trainglm，傳遞函數(shù)為Tansig。

組合模型和單一NAR、BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果對比圖如圖7所示，可以看出EEMD-NAR神經(jīng)網(wǎng)絡(luò)組合模型較單一神經(jīng)網(wǎng)絡(luò)模型預(yù)測精度有顯著提升，組合模型的預(yù)測值更接近真實(shí)值。

為了進(jìn)一步衡量預(yù)測模型的準(zhǔn)確性，通過式(9)和式(10)計(jì)算相對誤差及平均相對誤差，預(yù)測誤差如表2所示。由表2可以看出，BP、NAR、EEMD-NAR模型的平均相對誤差分別為0.091 2、0.234 8、0.067 5，EEMD-NAR神經(jīng)網(wǎng)絡(luò)組合模型的平均相對誤差小于單一神經(jīng)網(wǎng)絡(luò)模型，而且該模型的預(yù)測精度在NAR神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上顯著提高。EEMD-NAR神經(jīng)網(wǎng)絡(luò)組合模型的相對誤差大部分都在7%以下，相對誤差較單一NAR神經(jīng)網(wǎng)絡(luò)模型大幅度減小，在BP神經(jīng)網(wǎng)絡(luò)模型基礎(chǔ)上也有所降低，而且組合模型的最大相對誤差為0.164 4，遠(yuǎn)小于單一BP、NAR神經(jīng)網(wǎng)絡(luò)模型的最大相對誤差0.234 1和0.472 4。

圖7 預(yù)測結(jié)果對比圖

綜上，筆者采用EEMD-NAR神經(jīng)網(wǎng)絡(luò)組合模型對突發(fā)傳染病輿情熱度進(jìn)行預(yù)測，其預(yù)測精度達(dá)到了93.25%，說明了EEMD-NAR神經(jīng)網(wǎng)絡(luò)組合模型在突發(fā)傳染病輿情熱度預(yù)測方面的有效性，同時該組合模型還在一定程度上提高了NAR神經(jīng)網(wǎng)絡(luò)預(yù)測模型的精度。

表2 試驗(yàn)結(jié)果對比

3 結(jié)論

突發(fā)傳染病發(fā)生后，由于嚴(yán)重危及到社會公眾的生命安全，事件相關(guān)信息往往迅速在網(wǎng)絡(luò)上傳播交流，從而形成網(wǎng)絡(luò)輿情，準(zhǔn)確掌握網(wǎng)絡(luò)輿情發(fā)展的變化趨勢對于輿情管理有積極的影響。筆者采用EEMD-NAR神經(jīng)網(wǎng)絡(luò)組合模型對突發(fā)傳染病輿情熱度進(jìn)行預(yù)測，定義百度指數(shù)作為輿情熱度指標(biāo)構(gòu)成原始時間序列，進(jìn)而分析突發(fā)傳染病輿情事件的發(fā)展趨勢。選取2015年“MERS”案例事件進(jìn)行仿真試驗(yàn)，試驗(yàn)結(jié)果證明EEMD-NAR神經(jīng)網(wǎng)絡(luò)組合模型較單一模型相對誤差、平均相對誤差均有所降低，預(yù)測結(jié)果準(zhǔn)確度更高。該組合模型充分利用EEMD、NAR兩者的優(yōu)勢，提高了單一模型預(yù)測的準(zhǔn)確度，同時也是對突發(fā)傳染病輿情領(lǐng)域預(yù)測方法的有益補(bǔ)充，可幫助政府部門快速、準(zhǔn)確地把握突發(fā)傳染病輿情的發(fā)展趨勢，為突發(fā)傳染病輿情管理提供決策支持。