ARIMA乘积季节模型与GRNN模型在猩红热发病预测中的比较

摘要：

目的 探寻适合猩红热发病的预测模型,为猩红热的预防和控制提供科学依据.方法 利用全国2011年1月至2018年12月的猩红热月发病率,通过R 3.6.1软件建立求和自回归移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型和软件Matlab 9.1 创建广义回归神经网络(generalized regression neural netword,GRNN),通过R2比较模型的拟合效果,平均相对误差比较模型预测能力,并对2019年1月-6月发病率进行预测.结果 创建的ARIMA(2,1,2)(0,1,1)12乘积季节模型平稳R2为0.336,预测2019年1-6月的发病率(1/10万)分别为0.637、0.274、0.377、0.579、0.910和0.937,GRNN模型的R2为0.823,预测2019年1-6月发病率(1/10万)分别为0.626、0.178、0.321、0.445、0.789和0.774.模型的平均相对误差分别为31.1％和20.3％.结论 ARIMA模型和GRNN模型均能对猩红热发病率进行预测,但GRNN模型预测能力较前者更优.

关键词：求和自回归移动平均模型、广义回归神经网络、猩红热、发病预测

所属期刊栏目：37

分类号：R181.2(流行病学与防疫)

资助基金：国家自然科学基金;山东省自然科学基金

在线出版日期：2021-02-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：851-854