【摘 要】
：
目的 建立季节性差分自回归移动平均(seasonal autoregressive integrated moving aver-age,SARIMA)-广义回归神经网络(generalized regression neural network,GRNN)组合模型,为伤寒与副伤寒发病数的预测提供方法学上的新思路.方法 利用2011年1月-2019年12月中国伤寒与副伤寒逐月发病数资料,分别构建SARIMA模型和SARIMA-GRNN组合模型,比较两种模型的拟合和预测效果.结果 最优的SARIMA模型为S
【机 构】
：
510630广州,暨南大学基础医学与公共卫生学院流行病学教研室;518000深圳,深圳市疾病预防与控制中心免疫规划所;510630广州,暨南大学基础医学与公共卫生学院流行病学教研室;518000深圳,
论文部分内容阅读
目的 建立季节性差分自回归移动平均(seasonal autoregressive integrated moving aver-age,SARIMA)-广义回归神经网络(generalized regression neural network,GRNN)组合模型,为伤寒与副伤寒发病数的预测提供方法学上的新思路.方法 利用2011年1月-2019年12月中国伤寒与副伤寒逐月发病数资料,分别构建SARIMA模型和SARIMA-GRNN组合模型,比较两种模型的拟合和预测效果.结果 最优的SARIMA模型为SARIMA(2,1,1)(0,1,1) 12,SARIMA-GRNN组合模型的最优光滑因子(spread)为0.21.评价SARIMA-GRNN组合模型拟合效果的参数均方根误差(root mean squared error,RMSE)、平均绝对误差(mean absolute error,MAE)和平均绝对百分比误差(mean absolute percentage error,MAPE)为90.08、71.44和7.07％,分别小于SARIMA模型的99.44、79.15和7.86％;评价预测效果的RMSE、MAE和MAPE为100.86、75.94和9.57％,均小于SARIMA模型的125.44、97.33和10.89％.结论 SARIMA-GRNN组合模型比传统SARIMA模型更能拟合中国伤寒与副伤寒逐月的发病数,而且预测精度更高,可应用于伤寒与副伤寒逐月发病数的预测.
其他文献
目的 探讨倒班、平均睡眠时间及其联合作用对钢铁工人肝功能异常的影响,为保护钢铁工人肝脏提供理论依据.方法 采用横断面研究,以某钢铁公司6907名工人作为研究对象,并收集信息.采用非条件Logistic回归分析模型和限制性立方样条函数进行分析.结果 肝功能异常的检出率为18.0％,且男性高于女性(19.2％ vs.5.1％).调整混杂因素后,倒班年限和肝功能异常之间存在非线性剂量反应关系.倒班和平均倒班频率＞7夜/月患肝功能异常的风险分别增加1.24倍(OR=1.24,95％ CI:1.04～1.49)和1
目的 分析福建省COVID-19患者的流行病学特征和实验室检查等指标,探讨其进展为重症的危险因素.方法 收集福建省2020年1月22日-3月7日已出现临床最终结局(含痊愈出院、死亡等)的COVID-19确诊病例231例,运用单因素和多因素Logistic回归分析模型分析重症化的危险因素.结果 2020年1月22日-3月7日出院的231例COVID-19患者中,重症和危重症患者占16.88％(39/231).单因素分析显示,重症组患者多合并有基础疾病(71.80％),高于非重症组(34.40％)(x2=18