10.16462/j.cnki.zhjbkz.2022.06.003
三种模型应用于中国2011-2020年梅毒发病趋势分析的比较
目的 比较差分自回归移动平均(autoregressive integrated moving average model,ARIMA)模型、非线性自回归神经网络(nonlinear autoregressive neural network,NAR)模型和长短期记忆神经网络(long-short term memory neural network,LSTM)模型应用于梅毒报告发病预测的效果,优化疫情预测模型.方法 以中国31个省、自治区、直辖市(未包含中国台湾、香港和澳门)2011-2019年梅毒月报告发病率为拟合集,建立ARIMA模型、NAR模型和LSTM模型,比较3种模型的拟合效果.以2020年梅毒月报告发病率为预测集,比较3种模型的预测效果.结果 ARIMA模型、NAR模型和LSTM模型拟合所得的平均绝对误差(mean absolute deviation,MAD)分别为 0.013、0.011 和 0.002,均方根误差(root mean squared error,RMSE)分别为 0.015、0.018 和0.003,平均绝对百分 比误差(mean absolute percentage error,MAPE)分别为 4.266%、3.810%和0.692%;预测所得的 MAD 分别为 0.064、0.049 和 0.044,RMSE 分别为 0.069、0.068 和 0.060,MAPE分别为23.310%、17.629%和 18.575%.结论 LSTM模型拟合预测梅毒报告发病率的效果更好,为梅毒疫情的防控提供数据支撑.
梅毒、ARIMA模型、NAR模型、LSTM模型、预测
26
R181;R183(流行病学与防疫)
浙江省科技厅软科学重点项目2022C25040
2022-07-12(万方平台首次上网日期,不代表论文的发表时间)
共8页
631-638