SARIMA和SARIMA-GRNN模型在流行性腮腺炎發(fā)病率預(yù)測中的應(yīng)用對比
發(fā)布時間:2021-02-25 12:09
目的比較季節(jié)性差分自回歸移動平均模型(seasonal autoregressive integrated moving average,SARIMA)和SARIMA-廣義回歸神經(jīng)網(wǎng)絡(luò)(general regression neural network,GRNN)組合模型對中國流行性腮腺炎發(fā)病的預(yù)測效果,指導(dǎo)流行性腮腺炎的預(yù)防控制。方法收集2010年1月-2017年12月全國流行性腮腺炎月發(fā)病率數(shù)據(jù),構(gòu)建SARIMA模型和SARIMA-GRNN組合模型,以2018年的實(shí)際月發(fā)病率進(jìn)行驗(yàn)證,比較兩種模型的擬合效果。結(jié)果流行性腮腺炎的流行特征呈季節(jié)性雙峰分布。經(jīng)篩選:SARIMA(2,1,2)×(0,1,1)12模型為相對最優(yōu)模型(AIC=49.02,AICc=50.12,BIC=63.53);SARIMA-GRNN組合模型的最優(yōu)光滑因子為0.013。SARIMA模型的MAPE、MAE、RMSE和R2分別為17.221%、0.236、0.252和0.714,SARIMA-GRNN為14.115%、0.181、0.221和0.781。結(jié)論 SARI...
【文章來源】:中國衛(wèi)生統(tǒng)計(jì). 2020,37(04)北大核心
【文章頁數(shù)】:4 頁
【部分圖文】:
全國流行性腮腺炎月發(fā)病率的時序圖
從2010年1月-2017年12月,全國流行性腮腺炎的發(fā)病率呈現(xiàn)整體下降趨勢,以12個月為周期呈季節(jié)性波動,全年有兩個發(fā)病高峰,即4-7月和10月-次年1月。(2)差分平穩(wěn)化。對原序列做1階差分和12步差分進(jìn)行平穩(wěn)化,對差分后的序列進(jìn)行ADF檢驗(yàn),Dickey-Fuller統(tǒng)計(jì)量為-5.741(P=0.010),說明序列平穩(wěn)。(3)選擇模型參數(shù)。短期相關(guān)特征根據(jù)差分后12階以內(nèi)的ACF和PACF確定,自相關(guān)系數(shù)和偏自相關(guān)系數(shù)均拖尾,p和q的確定從1階開始反復(fù)嘗試,由于3階以上模型的大部分參數(shù)不顯著,因此P≤2,q≤2。根據(jù)12階的偏自相關(guān)系數(shù)在兩倍標(biāo)準(zhǔn)差范圍外,嘗試季節(jié)自相關(guān)特征P=0,Q≤1,見圖2。(2)模型檢驗(yàn)。
用forecast函數(shù)預(yù)測2018年12個月的發(fā)病率,2018年的實(shí)際發(fā)病率均在預(yù)測值的95%CI,預(yù)測值及95%置信區(qū)間見圖3。3.SARIMA-GRNN組合模型
【參考文獻(xiàn)】:
期刊論文
[1]應(yīng)用ARIMA-GRNN組合模型分析江蘇塵肺病發(fā)病情況[J]. 卞子龍,湯佳琪,倪春輝,朱寶立,張恒東,丁幫梅,沈涵,韓磊. 環(huán)境與職業(yè)醫(yī)學(xué). 2019(08)
[2]季節(jié)性ARIMA模型在江門市手足口病疫情預(yù)測中的應(yīng)用[J]. 黃國,朱宇平,黃煥鶯. 中國衛(wèi)生統(tǒng)計(jì). 2019(01)
[3]2010-2017年棗莊市流行性腮腺炎流行病學(xué)特征分析和模型預(yù)測[J]. 孫喜望,于娟娟,張宏,胡瀟,李夫國. 中華疾病控制雜志. 2019(02)
[4]江西農(nóng)村地區(qū)傳染病癥狀監(jiān)測數(shù)據(jù)報(bào)告質(zhì)量及其影響因素研究[J]. 尹浩,趙琦,周昌明,宋肖肖,陶韜,徐飚. 中華疾病控制雜志. 2016(11)
[5]應(yīng)用SARIMA模型預(yù)測南通市流行性腮腺炎發(fā)病趨勢[J]. 陶長余,張志蘭. 中國衛(wèi)生統(tǒng)計(jì). 2016(01)
[6]乘積季節(jié)自回歸積分滑動平均模型在流行性腮腺炎發(fā)病率預(yù)測中的應(yīng)用[J]. 惠石生,陳立章,劉富強(qiáng),歐陽艷昊. 中華預(yù)防醫(yī)學(xué)雜志. 2015 (12)
[7]我國流行性腮腺炎流行病學(xué)特征及其防控策略分析[J]. 于湘熹. 現(xiàn)代預(yù)防醫(yī)學(xué). 2015(15)
[8]煙臺市2011—2013年學(xué)校傳染病流行特征分析[J]. 張紅杰,叢良滋,趙旭明,崔偉紅. 中國學(xué)校衛(wèi)生. 2015(02)
[9]三種模型在肺結(jié)核發(fā)病預(yù)測中的應(yīng)用[J]. 張國良,后永春,舒文,朱士玉,聶紹發(fā),許奕華. 中國衛(wèi)生統(tǒng)計(jì). 2013(04)
[10]流行性腮腺炎疫情時間序列模型建立與應(yīng)用[J]. 陳超,田鑫,周劍惠,張運(yùn)祥,林琳,劉影,李大強(qiáng),曹鳳瑞,程濤,王爽,常新. 中國公共衛(wèi)生. 2012(02)
本文編號:3050948
【文章來源】:中國衛(wèi)生統(tǒng)計(jì). 2020,37(04)北大核心
【文章頁數(shù)】:4 頁
【部分圖文】:
全國流行性腮腺炎月發(fā)病率的時序圖
從2010年1月-2017年12月,全國流行性腮腺炎的發(fā)病率呈現(xiàn)整體下降趨勢,以12個月為周期呈季節(jié)性波動,全年有兩個發(fā)病高峰,即4-7月和10月-次年1月。(2)差分平穩(wěn)化。對原序列做1階差分和12步差分進(jìn)行平穩(wěn)化,對差分后的序列進(jìn)行ADF檢驗(yàn),Dickey-Fuller統(tǒng)計(jì)量為-5.741(P=0.010),說明序列平穩(wěn)。(3)選擇模型參數(shù)。短期相關(guān)特征根據(jù)差分后12階以內(nèi)的ACF和PACF確定,自相關(guān)系數(shù)和偏自相關(guān)系數(shù)均拖尾,p和q的確定從1階開始反復(fù)嘗試,由于3階以上模型的大部分參數(shù)不顯著,因此P≤2,q≤2。根據(jù)12階的偏自相關(guān)系數(shù)在兩倍標(biāo)準(zhǔn)差范圍外,嘗試季節(jié)自相關(guān)特征P=0,Q≤1,見圖2。(2)模型檢驗(yàn)。
用forecast函數(shù)預(yù)測2018年12個月的發(fā)病率,2018年的實(shí)際發(fā)病率均在預(yù)測值的95%CI,預(yù)測值及95%置信區(qū)間見圖3。3.SARIMA-GRNN組合模型
【參考文獻(xiàn)】:
期刊論文
[1]應(yīng)用ARIMA-GRNN組合模型分析江蘇塵肺病發(fā)病情況[J]. 卞子龍,湯佳琪,倪春輝,朱寶立,張恒東,丁幫梅,沈涵,韓磊. 環(huán)境與職業(yè)醫(yī)學(xué). 2019(08)
[2]季節(jié)性ARIMA模型在江門市手足口病疫情預(yù)測中的應(yīng)用[J]. 黃國,朱宇平,黃煥鶯. 中國衛(wèi)生統(tǒng)計(jì). 2019(01)
[3]2010-2017年棗莊市流行性腮腺炎流行病學(xué)特征分析和模型預(yù)測[J]. 孫喜望,于娟娟,張宏,胡瀟,李夫國. 中華疾病控制雜志. 2019(02)
[4]江西農(nóng)村地區(qū)傳染病癥狀監(jiān)測數(shù)據(jù)報(bào)告質(zhì)量及其影響因素研究[J]. 尹浩,趙琦,周昌明,宋肖肖,陶韜,徐飚. 中華疾病控制雜志. 2016(11)
[5]應(yīng)用SARIMA模型預(yù)測南通市流行性腮腺炎發(fā)病趨勢[J]. 陶長余,張志蘭. 中國衛(wèi)生統(tǒng)計(jì). 2016(01)
[6]乘積季節(jié)自回歸積分滑動平均模型在流行性腮腺炎發(fā)病率預(yù)測中的應(yīng)用[J]. 惠石生,陳立章,劉富強(qiáng),歐陽艷昊. 中華預(yù)防醫(yī)學(xué)雜志. 2015 (12)
[7]我國流行性腮腺炎流行病學(xué)特征及其防控策略分析[J]. 于湘熹. 現(xiàn)代預(yù)防醫(yī)學(xué). 2015(15)
[8]煙臺市2011—2013年學(xué)校傳染病流行特征分析[J]. 張紅杰,叢良滋,趙旭明,崔偉紅. 中國學(xué)校衛(wèi)生. 2015(02)
[9]三種模型在肺結(jié)核發(fā)病預(yù)測中的應(yīng)用[J]. 張國良,后永春,舒文,朱士玉,聶紹發(fā),許奕華. 中國衛(wèi)生統(tǒng)計(jì). 2013(04)
[10]流行性腮腺炎疫情時間序列模型建立與應(yīng)用[J]. 陳超,田鑫,周劍惠,張運(yùn)祥,林琳,劉影,李大強(qiáng),曹鳳瑞,程濤,王爽,常新. 中國公共衛(wèi)生. 2012(02)
本文編號:3050948
本文鏈接:http://sikaile.net/yixuelunwen/chuanranbingxuelunwen/3050948.html
最近更新
教材專著