基于机器学习组合模型的疟疾发病率预测研究
由于疟疾传播的复杂性,运用发病率历史数据和现有时间序列模型难以准确预测其发病率趋势.拟建立一种新的组合模型,以提高模型预测性能,并将其与应用较广泛的组合模型ARIMA-NNAR,ARIMA-LSTM进行比较.其中,以ARIMA(1,1,2)(0,1,0)12为基础建立的ARIMA-NNAR-XGBoost加权组合模型,各项评价指标(RMSE,MAE,MAPE分别为0.160,0.110,11.389%)相比其他模型均有较明显的提高,性能为所列模型中最佳.该模型所需数据简单,预测性能良好,是传染病预测较为方便可行的方法.
疟疾发病率;ARIMA模型;NNAR神经网络;LSTM神经网络;XGBoost算法
52
广东省科技计划项目2017A020219009
2022-03-18(万方平台首次上网日期,不代表论文的发表时间)
共9页
125-133