中国医院统计
中國醫院統計
중국의원통계
Chinese Journal of Hospital Statistics
2015年
5期
352-355
,共4页
组合模型%SARIMA%径向基%甲型病毒性肝炎%时间序列
組閤模型%SARIMA%徑嚮基%甲型病毒性肝炎%時間序列
조합모형%SARIMA%경향기%갑형병독성간염%시간서렬
Composite prediction model%SARIMA%Radial basis function%Hepatitis%A Time series
目的：利用SARIMA、RBFNN、组合模型对2011年甲型病毒性肝炎月发病数进行预测并比较,探讨最优线性组合模型在甲型病毒性肝炎发病数预测中的实用价值。方法选取2005年至2010年我国内地法定报告的甲型病毒性肝炎月发病数资料分别建立季节性求和自回归移动平均模型以及径向基神经网络模型后,将2两种模型的拟合结果与原始发病数建立线性回归模型,比较3种模型的预测精度。结果 SARIMA模型预测结果的平均绝对误差、平均相对误差以及均方误差值分别是413.667、0.154、0.392。径向基神经网络预测结果的平均绝对误差、平均相对误差以及均方误差值分别是291.833、0.118、0.344。组合模型拟合预测结果的平均绝对误差,平均相对误差以及均方误差值分别是202.333、0.082、0.286。由此得出,组合模型的拟合值及其预测值的3个指标均最小,其次为径向基神经网络,SARIMA的各指标值最大。结论最优线性组合模型在甲型病毒性肝炎发病数预测中具有较高的预测精度,可以用于指导甲型病毒性肝炎的预防与控制。
目的：利用SARIMA、RBFNN、組閤模型對2011年甲型病毒性肝炎月髮病數進行預測併比較,探討最優線性組閤模型在甲型病毒性肝炎髮病數預測中的實用價值。方法選取2005年至2010年我國內地法定報告的甲型病毒性肝炎月髮病數資料分彆建立季節性求和自迴歸移動平均模型以及徑嚮基神經網絡模型後,將2兩種模型的擬閤結果與原始髮病數建立線性迴歸模型,比較3種模型的預測精度。結果 SARIMA模型預測結果的平均絕對誤差、平均相對誤差以及均方誤差值分彆是413.667、0.154、0.392。徑嚮基神經網絡預測結果的平均絕對誤差、平均相對誤差以及均方誤差值分彆是291.833、0.118、0.344。組閤模型擬閤預測結果的平均絕對誤差,平均相對誤差以及均方誤差值分彆是202.333、0.082、0.286。由此得齣,組閤模型的擬閤值及其預測值的3箇指標均最小,其次為徑嚮基神經網絡,SARIMA的各指標值最大。結論最優線性組閤模型在甲型病毒性肝炎髮病數預測中具有較高的預測精度,可以用于指導甲型病毒性肝炎的預防與控製。
목적：이용SARIMA、RBFNN、조합모형대2011년갑형병독성간염월발병수진행예측병비교,탐토최우선성조합모형재갑형병독성간염발병수예측중적실용개치。방법선취2005년지2010년아국내지법정보고적갑형병독성간염월발병수자료분별건립계절성구화자회귀이동평균모형이급경향기신경망락모형후,장2량충모형적의합결과여원시발병수건립선성회귀모형,비교3충모형적예측정도。결과 SARIMA모형예측결과적평균절대오차、평균상대오차이급균방오차치분별시413.667、0.154、0.392。경향기신경망락예측결과적평균절대오차、평균상대오차이급균방오차치분별시291.833、0.118、0.344。조합모형의합예측결과적평균절대오차,평균상대오차이급균방오차치분별시202.333、0.082、0.286。유차득출,조합모형적의합치급기예측치적3개지표균최소,기차위경향기신경망락,SARIMA적각지표치최대。결론최우선성조합모형재갑형병독성간염발병수예측중구유교고적예측정도,가이용우지도갑형병독성간염적예방여공제。
Objective To explore the application value of optimal linear composite prediction model in forecasting the incidence number of hepatitis A ( HA) . Methods Seasonal autoregressive integrated moving average ( SARIMA) model and ra-dial basis function neural network ( RBFNN) were developed based on the monthly incidence of HA in mainland China from 2005 to 2010. Linear regression model between the true incidence and the simulated values of SARIMA and RBFNN were also devel-oped. The incidence values of 2011 were predicted with the three models and their forecasting efficiency was compared. Results The mean average error ( MAE) , mean average percentage error ( MAPE) and root mean square error ( RMSE) of predicted values by SARIMA model were 413. 667, 0. 154, 0. 392 respectively. The MAE, MAPE, RMSE of predicted values by RBFNN were 291. 833,0. 118,0. 344 respectively. The MAE, MAPE, RMSE of predicted values by optimal linear composite prediction model were 202. 333,0. 082,0. 286 respectively. So the MAE, MAPE, RMSE of predicted values by optimal linear composite prediction model were all lower than those individual models. Conclusion The result indicates that the optimal linear composite prediction model can be well applied to forecast the incidence of HA.
