论文部分内容阅读
影响传染病发生发展的因素众多且相互关系复杂,预测传染病发生发展的模型也是种类繁多。目前对传染病的预测方法可分为两类：一类是线性回归预测、时间序列分析、灰色模型、人工神经网络等单纯预测模型,另一类是通过将两种或多种预测模型以一定方法组合得到的组合预测模型,组合预测模型可以分成定权重组合预测模型和变权重组合预测模型两种。研究目的运用灰色模型(Grey Model,简记为GM)、差分自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记为ARIMA模型)为基础,构建基于广义回归神经网络(Generalized Regression Neural Network,简记为GRNN)的变权重组合预测模型,分别拟合传染病发病率的情况,对基于GRNN的变权重组合预测模型的拟合效果进行评价,提出模型的优越性和不足,为变权重组合预测模型的研究提供依据。资料和方法本研究以浙中某市1998-2008年的肺结核发病率为研究资料,分别在matlab7.11.0软件和SAS9.2软件中构建了灰色模型和ARIMA模型,通过预测2009年的发病率来比较具体模型的精度,并以这两种模型为基础,在matlab软件中构建了基于GRNN预测算法的变权重组合预测模型,以简单平均组合预测模型、加权平均组合预测模型为对照,来评价变权重组合预测模型在预测中的精度。主要结果1.灰色模型利用浙中某市1998-2008年肺结核月发病率数据构建了GM(1,1)模型和残差修正GM(1,1)模型,并对模型进行评估,发现GM(1,1)模型和残差修正GM(1,1)模型的后验差比值C分别是0.7687和0.6187.结果显示残差修正GM(1,1)模型各项指标较小,认为残差修正GM(1,1)模型的拟合效果优于GM(1,1)模型。2.ARIMA模型利用浙中某市1998-2008年肺结核月发病率数据构建了ARIMA(1,0,0)模型和ARIMA(1,0,1)*(1,1,0)12模型,两个模型的残差值白噪声检验显示：在延迟12阶后,ARIMA(1,0,1)*(1,1,0)12模型有统计学意义,而ARIMA(1,0,0)模型则无统计学意义,且前者的AIC值为627.6154,SBC值为630.4982；后者的AIC值为587.4054,SBC值为595.7679,认为后者的拟合效果优于前者。故选择ARIMA(1,0,1)*(1,1,0)12模型来建立组合预测模型。3.组合预测模型以灰色模型和ARIMA模型为基础,构建了基于GRNN的组合预测模型,将此模型和灰色模型、ARIMA模型、简单平均组合预测模型和加权平均组合预测模型比较,发现残差修正GM(1,1)模型的MSE=37.451,MAE=5.692, MAPE=53.69％,MER=48.51％；ARIMA(1,0,1).(1,1,0)12模型的MSE=18.509,MAE=3.761,MAPE=35.13％,MER=32.05％；简单平均组合预测模型的MSE=28.984,MAE=4.736,MAPE=45.4％,MER=40.4％；加权平均组合预测模型的MSE=24.649,MAE=4.274,MAPE=41.0％,MER=36.4％；基于GRNN的组合预测模型的MSE=9.961,MAE=2.571,MAPE=25.6％,MER=21.9％；各项评价指标都满足：基于GRNN的组杏预测模型<ARIMA(1,0,1)*(1,1,0)12模型<加权平均组合预测模型<简单平均组合预测模型<残差修正GM(1,1)模型,且基于GRNN的组合预测模型的各项指标与其他模型的指标相差较大,因此可以认为基于GRNN的组合预测模型的预测效果最好。结论在本研究中,对肺结核的月发病率进行拟合发现残差修正GM(1,1)模型预测精度较经典GM(1,1)模型好,但这两个灰色模型的预测精度都不如ARIMA模型好。ARIMA(1,0,1)*(1,1,0)12模型预测精度较ARIMA(1,0,0)模型好,ARIMA模型存在的主要不足是稳定性和可靠性不够好。基于GRNN的变权重组合模型的预测精度优于两种单项模型和定权重组合预测模型。但模型在外推时仍存在不足。