10.16462/j.cnki.zhjbkz.2020.01.015
ARIMA乘积季节模型和LSTM深度神经网络对石家庄市手足口病疫情预测效果的比较
目的 运用自回归移动平均(autoregressive integrated moving average model,ARIMA)乘积季节模型和长期短期记忆网络(long short term memory,LSTM)对石家庄市手足口病(hand,foot and mouth disease,HFMD)的发病趋势进行预测,为疫情防控工作提供理论依据.方法 利用Eviews 8.0和python 3.7.1软件对2013年1月-2018年5月石家庄市HFMD逐月发病数据分别建立ARIMA乘积季节模型和LSTM神经网络,以2018年6月-2019年5月的发病资料检验模型预测精度,最后应用模型预测2019年6月-2019年8月的月发病数.结果 最优模型ARIMA(1,0,0)×(1,1,2)12和LSTM神经网络外推预测2018年6月-12月的MAPE分别为22.14和10.03,而外推预测2018年6月至2019年5月的MAPE分别为43.84和25.26,提示LSTM神经网络的拟合效果和预测精度优于ARIMA模型,预测结果与实际情况基本一致.结论 LSTM神经网络对石家庄市HFMD发病趋势的拟合度和预测效果较好,能够为手足口病疫情的预测预警工作提供指导.
手足口病、ARIMA、LSTM、月发病数、预测
24
R512.57(传染病)
2020-04-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
73-78