中南医学科学杂志
中南醫學科學雜誌
중남의학과학잡지
JOURNAL OF UNIVERSITY OF SOUTH CHINA(MEDICAL EDITION)
2014年
6期
572-576
,共5页
吴文博%李虹艾%万鹏程%袁秀琴
吳文博%李虹艾%萬鵬程%袁秀琴
오문박%리홍애%만붕정%원수금
ARIMA%遗传算法%BP神经网络%组合模型%手足口病
ARIMA%遺傳算法%BP神經網絡%組閤模型%手足口病
ARIMA%유전산법%BP신경망락%조합모형%수족구병
目的 探讨ARIMA模型及遗传算法优化的ARIMA-BP神经网络组合模型在传染病预测与预警中的应用,为相关部门制定防治措施提供参考. 方法 选择某市2009~ 2013年的手足口病发病数作为研究对象,首先建立ARIMA模型,得到的拟合值作为神经网络输入值,真实观测值作为输出值,带入通过遗传算法优化的BP神经网络中训练,并比较两种模型的预测精度. 结果 对建立的ARIMA(1,0,0)(1,1,0)12模型预测的相对误差为39.89%,决定系数为0.786,经统计检验残差为白噪声序列;组合模型预测的相对误差为26.25%,决定系数为0.852. 结论 该组合模型的预测精度高于ARIMA模型,且对于极值的预测较为精确,可以为其他传染病的预测及建立统计预警提供参考.
目的 探討ARIMA模型及遺傳算法優化的ARIMA-BP神經網絡組閤模型在傳染病預測與預警中的應用,為相關部門製定防治措施提供參攷. 方法 選擇某市2009~ 2013年的手足口病髮病數作為研究對象,首先建立ARIMA模型,得到的擬閤值作為神經網絡輸入值,真實觀測值作為輸齣值,帶入通過遺傳算法優化的BP神經網絡中訓練,併比較兩種模型的預測精度. 結果 對建立的ARIMA(1,0,0)(1,1,0)12模型預測的相對誤差為39.89%,決定繫數為0.786,經統計檢驗殘差為白譟聲序列;組閤模型預測的相對誤差為26.25%,決定繫數為0.852. 結論 該組閤模型的預測精度高于ARIMA模型,且對于極值的預測較為精確,可以為其他傳染病的預測及建立統計預警提供參攷.
목적 탐토ARIMA모형급유전산법우화적ARIMA-BP신경망락조합모형재전염병예측여예경중적응용,위상관부문제정방치조시제공삼고. 방법 선택모시2009~ 2013년적수족구병발병수작위연구대상,수선건립ARIMA모형,득도적의합치작위신경망락수입치,진실관측치작위수출치,대입통과유전산법우화적BP신경망락중훈련,병비교량충모형적예측정도. 결과 대건립적ARIMA(1,0,0)(1,1,0)12모형예측적상대오차위39.89%,결정계수위0.786,경통계검험잔차위백조성서렬;조합모형예측적상대오차위26.25%,결정계수위0.852. 결론 해조합모형적예측정도고우ARIMA모형,차대우겁치적예측교위정학,가이위기타전염병적예측급건립통계예경제공삼고.