7种时间序列模型对全国肾综合征出血热发病率预测效果比较

摘要：

目的 比较7种常用时间序列模型对全国肾综合征出血热(HFRS)发病率拟合及预测的效果,为优化HFRS预警方法提供参考.方法 以2004年1月-2017年6月全国HFRS发病率作为训练数据,建立乘积季节自回归移动平均模型(SARIMA)、指数平滑模型(ETS)、时间序列线性模型(TSLM)、自回归神经网络模型(NNAR)、指数平滑空间状态模型(TBATS)、时间序列3次样条平滑模型(TSSPLINE)和时间序列广义回归模型(TSGRNN),并预测2017年7-12月全国HFRS发病率.以2017年7-12月全国HFRS发病率作为测试数据,比较拟合值与训练数据、预测值与测试数据评价模型拟合及预测效果,评价指标包括平均绝对误差百分比(MAPE)和均数标准差(RMSE).结果 SARIMA(0,1,4)(2,1,1)[12]为 SARIMA 最优模型,NNAR(16,1,8)[12]为 NNAR 最优模型.SARIMA、ETS、TSLM、NNAR、TBATS、TSSPLINE 和 TSGRNN 模型拟合的 MAPE、RMSE 分别为 11.46％、0.01,10.25％、0.01,33.91％、0.03,1.84％、0.00,8.92％、0.01,10.82％、0.01 和 22.29％、0.02.SARIMA、ETS、TSLM、NNAR、TBATS、TSSPLINE 和TSGRNN 模型预测的 MAPE、RMSE 分别为 20.51％、0.03,17.22％、0.02,55.27％、0.03,36.27％、0.05,18.03％、0.02,118.82％、0.05和38.71％、0.04.结论 TBATS为最优预测预警模型,适于优化HFRS预警模型.

关键词：肾综合征出血热、预测模型、指数平滑空间状态模型、乘积季节自回归移动平均模型、中国

所属期刊栏目：33

分类号：R515.1;R183(传染病)

资助基金：湖北省卫生和计划生育委员会联合基金项目WJ2018H256

在线出版日期：2022-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：548-554