本文關(guān)鍵詞：基于GRNN的變權(quán)重組合預(yù)測(cè)模型在傳染病發(fā)病率預(yù)測(cè)中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

文檔介紹：
【精品】畢業(yè)論文優(yōu)秀畢業(yè)論文本科論文專業(yè)學(xué)術(shù)論文參考文獻(xiàn)資料流行病與衛(wèi)生統(tǒng)計(jì)專業(yè)優(yōu)秀論文--基于GRNN的變權(quán)重組合預(yù)測(cè)模型在傳染病發(fā)病率預(yù)測(cè)中的應(yīng)用關(guān)鍵詞:灰色模型ARIMA模型發(fā)病率預(yù)測(cè)傳染病摘要:影響傳染病發(fā)生發(fā)展的因素眾多且相互關(guān)系復(fù)雜,預(yù)測(cè)傳染病發(fā)生發(fā)展的模型也是種類繁多。目前對(duì)傳染病的預(yù)測(cè)方法可分為兩類:一類是線性回歸預(yù)測(cè)、時(shí)間序列分析、灰色模型、人工神經(jīng)網(wǎng)絡(luò)等單純預(yù)測(cè)模型,另一類是通過將兩種或多種預(yù)測(cè)模型以一定方法組合得到的組合預(yù)測(cè)模型,組合預(yù)測(cè)模型可以分成定權(quán)重組合預(yù)測(cè)模型和變權(quán)重組合預(yù)測(cè)模型兩種。研究目的:運(yùn)用灰色模型(GreyModel,簡記為GM)、差分自回歸移動(dòng)平均模型(AutoregressiveIntegratedMovingAverageModel,簡記為ARIMA模型)為基礎(chǔ),構(gòu)建基于廣義回歸神經(jīng)網(wǎng)絡(luò)(work,簡記為GRNN)的變權(quán)重組合預(yù)測(cè)模型,分別擬合傳染病發(fā)病率的情況,對(duì)基于GRNN的變權(quán)重組合預(yù)測(cè)模型的擬合效果進(jìn)行評(píng)價(jià),提出模型的優(yōu)越性和不足,為變權(quán)重組合預(yù)測(cè)模型的研究提供依據(jù)。資料和方法:本研究以浙中某市1998-2008年的肺結(jié)核發(fā)病率為研究資料,分別在matlab7.11.0軟件和SAS9.2軟件中構(gòu)建了灰色模型和ARIMA模型,通過預(yù)測(cè)2009年的發(fā)病率來比較具體模型的精度,... 內(nèi)容來自轉(zhuǎn)載請(qǐng)標(biāo)明出處.

  本文關(guān)鍵詞：基于GRNN的變權(quán)重組合預(yù)測(cè)模型在傳染病發(fā)病率預(yù)測(cè)中的應(yīng)用，由筆耕文化傳播整理發(fā)布。