SARIMA和SARIMA-GRNN模型在流行性腮腺炎发病率预测中的应用对比
目的 比较季节性差分自回归移动平均模型(seasonal autoregressive integrated moving average,SARIMA)和SARIMA-广义回归神经网络(general regression neural network,GRNN)组合模型对中国流行性腮腺炎发病的预测效果,指导流行性腮腺炎的预防控制.方法 收集2010年1月-2017年12月全国流行性腮腺炎月发病率数据,构建SARIMA模型和SARIMA-GRNN组合模型,以2018年的实际月发病率进行验证,比较两种模型的拟合效果.结果 流行性腮腺炎的流行特征呈季节性双峰分布.经筛选:SARIMA(2,1,2)×(0,1,1)12模型为相对最优模型(AIC=49.02,AICc=50.12,BIC=63.53);SARIMA-GRNN组合模型的最优光滑因子为0.013.SARIMA模型的MAPE、MAE、RMSE和R2分别为17.221％、0.236、0.252和0.714,SARIMA-GRNN为14.115％、0.181、0.221和0.781.结论 SARIMA-GRNN组合模型拟合和预测效果均优于单纯SARIMA模型,更适合于我国流行性腮腺炎发病率的预测,可为该病的防控提供科学依据.
流行性腮腺炎、预测、季节性自回归移动平均模型、广义回归神经网络
37
国家"十三五"科技重大专项2018ZX10715009
2020-09-24（万方平台首次上网日期，不代表论文的发表时间）
共4页
489-492
