SARIMA-RBF組合模型在流行性腮腺炎流行趨勢預測中的應用
發(fā)布時間:2025-03-15 03:07
目的探討SARIMA-RBF組合模型擬合及預測我國流行性腮腺炎(流腮)流行趨勢的應用。方法利用全國2004—2015年流腮逐月發(fā)病率建立SARIMA模型。將基于SARIMA模型的擬合值作為輸入向量,實際值作為輸出向量,根據(jù)時間因素作為輸入向量與否建立2個SARIMA-RBF組合模型(加入時間因素記為組合模型A,不加入時間因素記為組合模型B)。運用SARIMA模型和2個SARIMA-RBF組合模型預測2016年7—12月流腮發(fā)病率并與實際值比較,采用平均絕對百分比誤差(MAPE)、平均誤差率(MER)、均方誤差(MSE)和平均絕對誤差(MAE)評價模型擬合及預測效果。結(jié)果 SARIMA(0,1,1)(0,1,1)12為最優(yōu)SARIMA模型。SARIMA模型、組合模型A和組合模型B擬合的MAPE分別為15.724%、12.217%、13.941%,MER分別為15.168%、10.179%、14.042%,MSE分別為0.336、0.167、0.713,MAE分別為0.296、0.199、0.274。預測的MAPE分別為12.069%、7.904%、9.598%,MER分別為12.331%...
【文章頁數(shù)】:5 頁
【文章目錄】:
1 材料和方法
1.1 資料來源
1.2 方法
1.2.1 SARIMA
1.2.2 RBF模型
1.2.3 季節(jié)指數(shù)
1.2.4 SARIMA-RBF組合模型
1.3 統(tǒng)計分析及模型評價
2 結(jié)果
2.1 基本情況
2.2 SARIMA模型
2.3 SARIMA-RBF組合模型
2.4 3個模型擬合及預測效果比較
3 討論
本文編號:4035060
【文章頁數(shù)】:5 頁
【文章目錄】:
1 材料和方法
1.1 資料來源
1.2 方法
1.2.1 SARIMA
1.2.2 RBF模型
1.2.3 季節(jié)指數(shù)
1.2.4 SARIMA-RBF組合模型
1.3 統(tǒng)計分析及模型評價
2 結(jié)果
2.1 基本情況
2.2 SARIMA模型
2.3 SARIMA-RBF組合模型
2.4 3個模型擬合及預測效果比較
3 討論
本文編號:4035060
本文鏈接:http://sikaile.net/yixuelunwen/chuanranbingxuelunwen/4035060.html
上一篇:上海H7N9禽流感與武漢新冠肺炎疫情早期控制流程的比較
下一篇:沒有了
下一篇:沒有了
最近更新
教材專著