基于经验模态分解的我国布鲁菌病月发病率预测研究

• 作者: 乔贺倩 于国伟 李维德
• 来源期刊: 中国全科医学
• 关键词: 布鲁杆菌病 发病率 预测 经验模态分解 支持向量机 自回归移动平均模型
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 方法学研究
• 页码范围: 1098-1103
• 页数: 6页
• 分类号: R516.7
• 语种: 中文
• DOI: 10.3969/j.issn.1007-9572.2017.00.267

摘要

目的 根据我国布鲁菌病(简称布病)月发病率的波动特征,采用经验模态分解(EMD)和时间序列分析,构建布病月发病率预测模型,并预测2017年我国布病月发病率.方法 从公共卫生科学数据中心和国家卫生计生委疾病预防控制局网站,收集并计算2004年1月—2016年12月我国布病月发病率.选取2004年1月—2015年12月的数据作为训练集建模,2016年1—12月的数据作为测试集验证模型.通过EMD算法将发病率序列分解为本征模态函数(IMF)1~IMF4和趋势项,对IMF1~IMF4建立支持向量机(SVM)模型,对趋势项建立自回归移动平均模型(ARIMA)疏系数模型,最后将5个模型的输出值进行线性加权求和,得出布病月发病率预测值.结果 SVM模型的惩罚参数c的取值范围是0.0884~100.0000,核函数参数g的取值范围是0.0100~128.0000;ARIMA((1,12,24),1,0)模型中,常数项及滞后1、12、24阶的自回归系数分别为0.002003、1.087788、-0.145494、0.028783.本文方法预测2016年1—11月布病发病率的均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)分别为0.0201、0.0169、0.0665,序列未分解单一SVM模型预测2016年1—11月布病发病率的RMSE、MAE、MAPE分别为0.0722、0.0560、0.1975,序列未分解单一ARIMA模型预测2016年1—11月布病发病率的RMSE、MAE、MAPE分别为0.1650、0.1562、0.6100.根据本文方法计算得出2017年1—12月布病发病率预测值为0.2870/10万人~0.3726/10万人.结论 本研究根据相关发病率数据构建了基+于EMD和时间序列分析的我国布病月发病率预测模型,其预测误差较小,预测准确度较高;2017年我国布病月发病率预测值约为0.35/10万人.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于国伟	西北民族大学西部环境健康研究所	54	301	9.0	15.0
2	李维德	兰州大学数学与统计学院	42	387	10.0	18.0
3	乔贺倩	兰州大学数学与统计学院	1	0	0.0	0.0