基于CEEMD-GWO-SVR集成模型的病毒性肝炎流行趋势预测研究

摘要：

目的 为病毒性肝炎流行趋势分析建立可靠的CEEMD-GWO-SVR集成预测方法.方法 基于分解集成思想,首先利用CEEMD分别将甲型肝炎、乙型肝炎、戊型肝炎发病数的原始时间序列分解为一系列本模特征函数,然后利用GWO-SVR对每个本模特征函数建模,最后集成各本模特征函数的预测得到最终结果.结果 CEEMD-GWO-SVR比GWO-SVR、SARIMA的预测精度提高了2％ ～8％,其中甲型肝炎的MAPE分别降低了5.68％和7.06％,乙型肝炎降低了2.19％和4.34％,戊型肝炎降低了6.14％和4.59％.假设检验的结果也证明了CEEMD-GWO-SVR的预测与实际序列相关性更强.结论 CEEMD-GWO-SVR具有较高的预测精度,可以为病毒性肝炎流行趋势分析提供可靠的预测方法.

关键词：病毒性肝炎、预测、分解集成模型

所属期刊栏目：39

分类号：R512.6(传染病)

资助基金：国家社会科学基金20&ZD120

在线出版日期：2023-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：815-818,823