论文部分内容阅读
目的艾滋病已在我国广泛流传并日趋严重,该病病死率高,且无彻底治疗的药物及有效的疫苗,目前已成为我国乃至全世界严重的公共卫生问题和社会事件,严重危害人类生命健康,造成重大社会经济损失。建立和发展艾滋病预测预警技术,及早发现疾病发展趋势,对艾滋病防控工作意义重大。艾滋病预测方法在我国起步较晚,90年代才得以较为迅速的发展,目前大多数学者在艾滋病发病预测中主要以传统线性模型为主,也有部分学者尝试采用非线性预测模型,研究的结果显示两种预测模型对艾滋病发病率的拟合和预测效果都尚可。我国艾滋病发病率数据资料呈现出线性与非线性并存的特征,本研究拟采用具有代表性的传统线性模型ARIMA模型和非线性的BP神经网路模型同时分别对艾滋病月发病率建立模型并展开预测,比较两种不同模型拟合预测效果,探讨适合我国的AIDS发病率预测的预测模型,为艾滋病防控提供科学可行的疾病预测模型。方法以我国卫生部公布的2004-2014年艾滋病月发病率为研究对象,采用ARIMA模型和BP神经网络模型分别对我国艾滋病月发病率建立模型寻求最佳结构并开展预测分析,并通过均方误差(MSE)、平均绝对误差(MAE)、平均绝对百分误差(MAPE)三个指标比较分析两模型的拟合效果和预测效果,最后对两模型进行评估和比较。结果以我国2004-2013年艾滋病月发病率为原始数据建模,对2014年的艾滋病月发病率开展预测,并与已知的2014年实际月发病率作预测值的参照值,验证模型拟合效果。(1)ARIMA建模,最终选定ARIMA(0,1,1)(0,1,1)12结构为时间序列的最佳模型,白噪声检验LB(18)=14.853,P>0.05,提示模型有效。其拟合误差指标值分别为:MSE=0.168,MAE = 0.026,MAPE = 22.589;预测误差指标值分别为:MSE=0.0006,MAE=0.190,MAPE=0.785。(2)BP 神经网络建模,最终选定LM算法的3-8-1结构的BP神经网络模型为最优,训练误差MSE=0.0019,迭代16次完成。其拟合误差指标值分别为:MSE=0.0004,MAE=0.0143,MAPE=9.9072;预测误差指标值分别为:MSE=0.0009,MAE=0.0083,MAPE=0.3405。由上结果可见BP神经网络模型的拟合误差和预测误差均小于ARIMA模型,预测的准确性比ARIMA模型高。结论ARIMA模型和BP神经网络模型均可以用在艾滋病月发病率的预测中,但非线性BP神经网络模型的拟合和预测效果与传统线性ARIMA模型相比,体现了人工智能的优势,预测精度明显高于传统ARIMA模型,且BP神经网络建模方法较ARIMA模型简单,不需要事先了解各变量间的相关关系,适用性非常强;ARIMA预测模型则比较适用于相对短期预测分析,随着预测时间的推移,预测效果逐渐下降。本研究中两种方法均只考虑艾滋病时间序列在时间上的变化规律,但BPNN为非线性模型,它可以容纳更多维的输入来加强其预测的精准度,可研究的空间比ARIMA模型大,模型的完善度及预测精度的可提高性更大。本研究提示,在将来的AIDS发病率研究上BP神经网络模型更为合适,可进步空间巨大。