10.13421/j.cnki.hjwsxzz.2022.11.005
宁波市老年人总死亡风险的预测模型比较研究
目的 探讨比较多变量长短期记忆神经网络(LSTM)与多元自回归移动平均模型(ARIMAX)在宁波市老年人总死亡人数预测中的效果.方法 收集2014年1月1日—2018年12月31日宁波市老年人总死亡人数、气象因素及空气污染物数据.以2014年1月1日—2018年2月28日的周数据为训练集建立多变量LSTM及ARIMAX模型,以2018年3月1日—2018年12月31日周数据为测试集预测周死亡数,并根据均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、拟合优度(R2)等预测误差评价指标及预测曲线图比较两模型预测效果.结果 本研究共收集2014年1月1日—2018年12月31日宁波市老年人死亡人数146606人,平均每周死亡人数的中位数为76人.周平均最高温度、相对湿度、降水量分别为23.37℃、80.53%、0.86 mm,周平均SO2、NO2、CO、O3-8 h、PM10、PM2.5质量浓度分别为11.71μg/m3、37.43μg/m3、0.79 mg/m3、95.43μg/m3、58.43μg/m3、35.93μg/m3.通过气象因素与空气污染物的Spearman秩相关分析,最终将最高温度、相对湿度、降水量、O3-8 h及PM2.5五个因素纳入分析.通过多变量LSTM和ARIMAX(3,1,2)模型进行预测,两模型的预测误差评价指标RMSE、MAE、MAPE和R2值分别为4.90、3.77、4.77、0.82和8.68、5.80、7.53、0.97,ARIMAX的曲线拟合度优于多变量LSTM模型.结论 对于2018年3月1日—2018年12月31日宁波市老年人周死亡人数预测,ARIMAX模型的预测能力优于多变量LSTM.
多元自回归移动平均模型、多变量长短期记忆神经网络、时间序列研究、预测、老年人、死亡风险
12
R122(环境卫生、环境医学)
国家科技基础资源调查专项2017FY101201
2023-02-13(万方平台首次上网日期,不代表论文的发表时间)
共7页
797-803