本文關(guān)鍵詞：多種模型在梅毒月發(fā)病率預(yù)測(cè)中的比較研究，由筆耕文化傳播整理發(fā)布。

【摘要】：梅毒傳播途徑多、傳染性強(qiáng)，在性傳播疾病中危害僅次于艾滋病，并可促進(jìn)艾滋病的傳播，，對(duì)人體和社會(huì)危害性大，且有年輕化和老齡化的趨勢(shì)，已成為嚴(yán)重的公共衛(wèi)生問(wèn)題。《2013年中國(guó)衛(wèi)生統(tǒng)計(jì)年鑒》顯示：2012年梅毒年發(fā)病率在所有甲類及乙類傳染病中僅次于病毒性肝炎和肺結(jié)核排第三位，死亡率占所有甲類乙類傳染病中第七位，并且我國(guó)梅毒發(fā)病率從2001-2012年一直在增加,2012年發(fā)病率達(dá)30.44/10萬(wàn)。對(duì)梅毒發(fā)病率預(yù)測(cè)可以為梅毒防控提供有用信息。目的：整理我國(guó)2008-2013年梅毒月發(fā)病率資料，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)模型、ARIMA模型、組合模型以及改良的時(shí)間序列分解模型對(duì)2008-2012年我國(guó)梅毒月發(fā)病率進(jìn)行分析，并對(duì)2013年梅毒月發(fā)病率進(jìn)行預(yù)測(cè)。通過(guò)2013年各模型預(yù)測(cè)值與實(shí)際值進(jìn)行比較選擇最優(yōu)模型。應(yīng)用最優(yōu)模型對(duì)2014年我國(guó)梅毒月發(fā)病率進(jìn)行預(yù)測(cè)，并對(duì)我國(guó)2014年梅毒月發(fā)病率疫情進(jìn)行評(píng)價(jià)，為制定梅毒防治策略提供科學(xué)的理論依據(jù)。 方法：通過(guò)查詢中國(guó)疾病預(yù)防控制中心網(wǎng)站和中國(guó)統(tǒng)計(jì)局網(wǎng)站獲得我國(guó)梅毒2008-2013年月發(fā)病例數(shù)和當(dāng)年全國(guó)人口數(shù)，用月發(fā)病例數(shù)除以當(dāng)年人口數(shù)獲得當(dāng)月梅毒發(fā)病率，單位為1/10萬(wàn)。首先，利用BP神經(jīng)網(wǎng)絡(luò)模型、ARIMA模型、組合模型三種不同的方法分析2008-2012年我國(guó)梅毒月發(fā)病率，預(yù)測(cè)2013年梅毒月發(fā)病率數(shù)據(jù)。然后，對(duì)時(shí)間序列分解模型進(jìn)行完善，對(duì)季節(jié)指數(shù)進(jìn)行改良，利用改良后模型擬合2008-2012年梅毒月發(fā)病率數(shù)據(jù)，對(duì)2013年月發(fā)病率進(jìn)行預(yù)測(cè)。通過(guò)2013年各模型預(yù)測(cè)值與實(shí)際值之間的誤差平方和SSE、平均絕對(duì)誤差MAE、均方誤差MSE、以及平均相對(duì)誤差MAPE四個(gè)精度指標(biāo)最小為原則評(píng)價(jià)擬合和預(yù)測(cè)效果，判定四種模型的優(yōu)劣。最后，應(yīng)用最優(yōu)模型預(yù)測(cè)2014年我國(guó)梅毒月發(fā)病率。應(yīng)用整體趨勢(shì)參考值范圍對(duì)2014年梅毒月發(fā)病率疫情進(jìn)行判斷。 結(jié)果：（1）BP神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)結(jié)構(gòu)為：以過(guò)去3年同期發(fā)病率數(shù)據(jù)為網(wǎng)絡(luò)輸入，當(dāng)前同期發(fā)病率為網(wǎng)絡(luò)輸出，隱含層神經(jīng)元數(shù)目為10個(gè)。將BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的2013年梅毒月發(fā)病率與實(shí)際值進(jìn)行比較，預(yù)測(cè)精度SSE=1.4362、MAE=0.2418、MSE=0.0999和MAPE=10.20%。（2）ARIMA模型中各指標(biāo)分別為p=1,d=1,q=1,P=0,D=1,Q=1,S=12，最終模型為ARIMA(1,1,1)(0,1,1)12，各參數(shù)均有統(tǒng)計(jì)學(xué)意義。將ARIMA模型預(yù)測(cè)的2013年梅毒月發(fā)病率與實(shí)際值進(jìn)行比較，預(yù)測(cè)精度SSE=1.1299、MAE=0.2404、MSE=0.0886和MAPE=9.97%。（3）組合預(yù)測(cè)模型中ARIMA對(duì)應(yīng)的權(quán)重1=0.41889，BP神經(jīng)網(wǎng)絡(luò)模型對(duì)應(yīng)的權(quán)重2=0.58111。將組合模型預(yù)測(cè)的2013年梅毒月發(fā)病率與實(shí)際值進(jìn)行比較，預(yù)測(cè)精度SSE=0.9998、MAE=0.1784、MSE=0.0833和MAPE=7.79%。（4）經(jīng)過(guò)完善的時(shí)間序列分解模型乘法過(guò)程預(yù)測(cè)的2013年梅毒月發(fā)病率數(shù)據(jù)與實(shí)際值進(jìn)行比較，預(yù)測(cè)精度SSE=0.3851、MAE=0.1497、MSE=0.0517和MAPE=5.97%。（5）時(shí)間序列分解模型乘法過(guò)程季節(jié)調(diào)整系數(shù)為0.99831，將季節(jié)指數(shù)調(diào)整后的模型預(yù)測(cè)2013年梅毒月發(fā)病率與實(shí)際值進(jìn)行比較，預(yù)測(cè)精度SSE=0.3735、MAE=0.1456、MSE=0.0509和MAPE=5.82%。（6）經(jīng)過(guò)完善的時(shí)間序列分解模型加法過(guò)程預(yù)測(cè)的2013年梅毒月發(fā)病率數(shù)據(jù)與實(shí)際值進(jìn)行比較，預(yù)測(cè)精度SSE=0.3752、MAE=0.1330、MSE=0.0510和MAPE=5.55%。（7）時(shí)間序列分解模型加法過(guò)程季節(jié)調(diào)整系數(shù)為0.06042，季節(jié)指數(shù)調(diào)整后的模型預(yù)測(cè)2013年梅毒月發(fā)病率與實(shí)際值進(jìn)行比較，預(yù)測(cè)精度SSE=0.3634、MAE=0.1302、MSE=0.0502和MAPE=5.44%。（8）應(yīng)用時(shí)間序列分解模型乘法過(guò)程預(yù)測(cè)2014年梅毒月發(fā)病率為2.1633/10萬(wàn)、2.1047/10萬(wàn)、2.8185/10萬(wàn)、2.6471/10萬(wàn)、2.7542/10萬(wàn)、2.7253/10萬(wàn)、2.8357/10萬(wàn)、2.7699/10萬(wàn)、2.6090/10萬(wàn)、2.3858/10萬(wàn)、2.4161/10萬(wàn)、2.3877/10萬(wàn)。（9）應(yīng)用時(shí)間序列分解模型加法過(guò)程預(yù)測(cè)2014年梅毒月發(fā)病率為2.2243/10萬(wàn)、2.1494/10萬(wàn)、2.8056/10萬(wàn)、2.6383/10萬(wàn)、2.7514/10萬(wàn)、2.7072/10萬(wàn)、2.8210/10萬(wàn)、2.7624/10萬(wàn)、2.5953/10萬(wàn)、2.3853/10萬(wàn)、2.4220/10萬(wàn)、2.3829/10萬(wàn)。結(jié)論：（1）應(yīng)用時(shí)間序列分解模型預(yù)測(cè)精度要優(yōu)于ARIMA模型、BP神經(jīng)網(wǎng)絡(luò)模型以及組合模型。（2）時(shí)間序列分解模型季節(jié)指數(shù)改良后的預(yù)測(cè)精度優(yōu)于改良前。（3）應(yīng)用改良后的時(shí)間序列分解模型預(yù)測(cè)2014年梅毒月發(fā)病率，與實(shí)際值相比，預(yù)測(cè)精度較高。（4）預(yù)測(cè)梅毒月發(fā)病率過(guò)程中時(shí)間序列分解加法模型的預(yù)測(cè)精度和時(shí)間序列分解乘法模型的預(yù)測(cè)精度均較好，但加法預(yù)測(cè)模型預(yù)測(cè)精度稍優(yōu)于乘法模型。（5）應(yīng)用整體趨勢(shì)參考值范圍預(yù)測(cè)值判斷2014年我國(guó)梅毒月發(fā)病率屬于可控范圍，與實(shí)際值相符。
【關(guān)鍵詞】：ARIMA模型 BP神經(jīng)網(wǎng)絡(luò)模型 組合模型 時(shí)間序列分解模型 改良 梅毒 預(yù)測(cè)
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R759.1
【目錄】：

• 中文摘要4-7
• Abstract7-13
• 第1章 緒論13-34
• 1.1 梅毒13-16
• 1.1.1 梅毒的流行學(xué)特點(diǎn)13
• 1.1.2 梅毒傳播途徑13-14
• 1.1.3 梅毒預(yù)防與治療14-15
• 1.1.4 梅毒發(fā)病率預(yù)測(cè)研究現(xiàn)狀15-16
• 1.2 BP 神經(jīng)網(wǎng)絡(luò)16-22
• 1.2.1 BP 神經(jīng)網(wǎng)絡(luò)原理17-18
• 1.2.2 BP 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過(guò)程18-22
• 1.2.3 BP 神經(jīng)網(wǎng)絡(luò)應(yīng)用22
• 1.3 ARIMA 模型22-28
• 1.3.1 ARIMA 模型基本原理23-24
• 1.3.2 ARIMA 模型建模步驟24-27
• 1.3.3 ARIMA 模型應(yīng)用27-28
• 1.4 組合模型28-30
• 1.4.1 組合模型原理28-29
• 1.4.2 組合模型預(yù)測(cè)過(guò)程29-30
• 1.4.3 組合模型應(yīng)用30
• 1.5 時(shí)間序列分解模型30-33
• 1.5.1 時(shí)間序列分解模型原理30
• 1.5.2 時(shí)間序列分解模型步驟（以月數(shù)據(jù)乘法為例）30-32
• 1.5.3 時(shí)間序列分解模型應(yīng)用32-33
• 1.6 立題依據(jù)33-34
• 第2章 材料與方法34-36
• 2.1 資料來(lái)源34
• 2.2 研究方法34-35
• 2.3 質(zhì)量控制35
• 2.4 統(tǒng)計(jì)分析35-36
• 第3章 結(jié)果36-67
• 3.1 2008-2013 年我國(guó)梅毒月發(fā)病率基本情況36-38
• 3.2 BP 神經(jīng)網(wǎng)絡(luò)模型38-42
• 3.2.1 數(shù)據(jù)預(yù)處理38
• 3.2.2 構(gòu)建訓(xùn)練樣本集、測(cè)試樣本集和預(yù)測(cè)樣本集38-40
• 3.2.3 確定網(wǎng)絡(luò)結(jié)構(gòu)40-41
• 3.2.4 最優(yōu)模型選擇41
• 3.2.5 BP 神經(jīng)網(wǎng)絡(luò)最優(yōu)模型預(yù)測(cè) 2013 年梅毒月發(fā)病率41-42
• 3.3 ARIMA 模型42-47
• 3.3.1 穩(wěn)定性判斷42
• 3.3.2 參數(shù)判斷42-43
• 3.3.3 最優(yōu)模型選擇43-45
• 3.3.4 最優(yōu)模型檢驗(yàn)45
• 3.3.5 ARIMA 最優(yōu)模型預(yù)測(cè) 2013 年梅毒月發(fā)病率45-47
• 3.4 組合模型47-48
• 3.5 時(shí)間序列分解模型48-63
• 3.5.1 傳統(tǒng)時(shí)間序列分解模型48-51
• 3.5.2 改良時(shí)間序列分解乘法模型51-59
• 3.5.3 改良時(shí)間序列分解加法模型59-63
• 3.6 最優(yōu)模型預(yù)測(cè) 2014 年我國(guó)梅毒月發(fā)病率63-64
• 3.7 評(píng)估 2014 年梅毒月發(fā)病率疫情64-65
• 3.8 2014 年預(yù)測(cè)值與實(shí)際值比較65-67
• 第4章 討論67-73
• 4.1 BP 神經(jīng)網(wǎng)絡(luò)模型67-68
• 4.2 ARIMA 模型68-69
• 4.3 組合預(yù)測(cè)模型69
• 4.4 時(shí)間序列分解模型69-71
• 4.5 其他預(yù)測(cè)模型71
• 4.6 創(chuàng)新點(diǎn)71-73
• 第5章 結(jié)論73-74
• 參考文獻(xiàn)74-82
• 作者簡(jiǎn)介及在學(xué)期間取得的科研成果82-83
• 致謝83

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 魏星;丹子軍;商斌;王文橋;;3種模型在肺結(jié)核發(fā)病率預(yù)測(cè)中的比較研究[J];北京醫(yī)學(xué);2010年09期

2 單銳;王淑花;李玲玲;高東蓮;;基于ARIMA、BP神經(jīng)網(wǎng)絡(luò)與GM的組合模型[J];遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

3 陳秋月;楊泳冰;陳甜甜;;基于時(shí)間序列分解的江蘇省豬肉價(jià)格波動(dòng)分析[J];安徽農(nóng)業(yè)科學(xué);2013年14期

4 苗靜;曹玉珍;楊仁杰;劉蓉;孫惠麗;徐可欣;;基于二維相關(guān)近紅外譜參數(shù)化及BP神經(jīng)網(wǎng)絡(luò)的摻雜牛奶鑒別[J];光譜學(xué)與光譜分析;2013年11期

5 寧?kù)o;宋秀萍;孫良;田亞珍;梁長(zhǎng)流;寧陽(yáng)泉;;時(shí)間序列分析在阜陽(yáng)市細(xì)菌性痢疾發(fā)病預(yù)測(cè)中的應(yīng)用[J];安徽預(yù)防醫(yī)學(xué)雜志;2014年03期

6 孫泗龍;李少博;范辰;劉洪;;基于ARIMA的GDP預(yù)測(cè)模型的構(gòu)建及應(yīng)用[J];遼寧科技大學(xué)學(xué)報(bào);2014年04期

7 林建鋒;譚仕健;;孕產(chǎn)期婦女梅毒血清學(xué)檢測(cè)在阻斷母嬰傳播的診療價(jià)值[J];分子影像學(xué)雜志;2014年03期

8 周先鋒;馮子健;楊維中;李曉松;;小波神經(jīng)網(wǎng)絡(luò)在梅毒發(fā)病率預(yù)測(cè)中的應(yīng)用初探[J];四川大學(xué)學(xué)報(bào)(醫(yī)學(xué)版);2011年04期

9 蔡海洋;吳慶輝;呂精巧;;組合模型在傳染病預(yù)測(cè)中的應(yīng)用研究[J];計(jì)算機(jī)仿真;2012年04期

10 梁祁;胡建利;吳瑩;張永杰;艾靜;劉文東;胡月梅;;應(yīng)用灰色系統(tǒng)GM(1,1)模型預(yù)測(cè)梅毒發(fā)病率[J];江蘇預(yù)防醫(yī)學(xué);2010年06期

  本文關(guān)鍵詞：多種模型在梅毒月發(fā)病率預(yù)測(cè)中的比較研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：414666