ARIMA 模型和 BP 神经网络模型在我国乙型肝炎发病预测中的应用

摘要：

目的：探讨适合全国乙肝发病率的预测模型，为乙肝预测预警系统提供参考。方法应用2004－2012年全国乙肝月发病率数据，分别建立 ARIMA 模型和 BP 神经网络模型，利用建立的模型预测2013年1－12月乙肝发病率，采用实际发病率验证与比较两种模型的预测效果，评价指标为平均绝对误差（MAE）、平均绝对误差率（MER）和非线性相关系数（RNL）。结果全国2004－2013年乙肝月发病率在2.79／10万～9.44／10万间波动，序列具有明显的长期趋势。建立的乘积 ARIMA（0，1，1）（0，1，1）12模型预测的 MAE、MER、RNL 分别为0.445、0.065、0.909，BP 神经网络模型分别为0.635、0.093、0.872。ARIMA 模型预测的平均绝对误差和平均绝对误差率要低于 BP 神经网络模型（△MAE＝0.190，△MER＝0.028），非线性相关系数要高于BP 神经网络模型（△RNL＝0.037）。结论 ARIMA 模型和BP 神经网络模型均适用于我国乙肝发病率的预测，且前者的预测效能和非线性拟合能力略优于后者。

关键词：乙型肝炎、发病率、求和自回归移动平均模型、BP 神经网络模型、预测

分类号：R181.2(流行病学与防疫)

在线出版日期：2015-06-04（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：23-26