10.13213/j.cnki.jeom.2019.19046
应用ARIMA-GRNN组合模型分析江苏尘肺病 发病情况
[背景]尘肺病是中国职业人群中最常见的、危害最严重、影响面最广的职业性疾病,江苏省尘肺病发病情况十分严峻.[目的 ]基于求和自回归移动平均模型(ARIMA)与灰色模型GM(1,1)、广义神经回归网络模型(GRNN)的分别组合,构建适合江苏省尘肺病预测的组合模型.[方法 ]利用2006年1月 —2017年12月江苏省尘肺病逐月新诊断病例资料构建尘肺病ARIMA预测模型,以2018年1—8月的数据作为模型测试值.将拟合尘肺病ARIMA模型时产生的残差值加上阈值3后,再用GM(1,1)模型拟合构建ARIMA-GM组合模型,拟合并预测尘肺发病数.将尘肺病ARIMA模型拟合值作为GRNN模型的输入值,尘肺病的真实发病数作为输出值,构建ARIMA-GRNN组合模型,拟合并预测.评价模型拟合效果的指标分别采用均方误差(MSE)、平均绝对误差(MAE)和平均相对误差(MRE).[结果]三种模型拟合江苏省尘肺病新病例情况的MSE依次为ARIMA-GRNN(0.3214)<ARIMA-GM(0.7046)<ARIMA(0.8079),MAE分别为ARIMA-GRNN(0.3986)<ARIMA-GM(0.6324)<ARIMA(0.6591),MRE分别为ARIMA-GRNN(0.1612)<ARIMA-GM(0.1838)<ARIMA(0.1879).三种模型预测2018年1—8月江苏省尘肺病新诊断情况的MSE依次为ARIMA-GRNN(0.0843)<ARIMA(0.2435)<ARIMA-GM(0.2634),MAE分别为ARIMA-GRNN(0.2345)<ARIMA(0.3887)<ARIMA-GM(0.4161),MRE分别为ARIMA-GRNN(0.0981)<ARIMA(0.1086)<ARIMA-GM(0.1149).各项指标都表明针对研究期间江苏省尘肺病发病情况建立的ARIMA-GRNN模型的拟合及预测误差最小.[结论 ] 在江苏省尘肺病新病例预测中 ARIMA-GRNN 模型优于 ARIMA-GM 模型和单纯的ARIMA模型.
ARIMA、ARIMA-GM、ARIMA-GRNN、尘肺、预测
36
R135.2(劳动卫生)
江苏省青年医学人才项目;江苏省医学创新团队;江苏省"333工程 " 科研项目
2020-07-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
755-760