基于奇异谱分析的ARIMA模型在山西省流感预测中的应用

• 作者: 翟梦梦 李国华 高雪芬 王旭春 任浩 李美晨 全帝臣 罗天娥 赵晋芳 陈利民 仇丽霞
• 来源期刊: 现代预防医学
• 关键词: 流感 奇异谱分析 ARIMA BPNN GRNN 预测
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 流行病与统计方法|Epidemiology and Statistical Methods Advances
• 页码范围: 1550-1555
• 页数: 6页
• 分类号: R181.3|R511.7
• 语种: 中文

摘要

目的 分析基于奇异谱分析(singular spectrum analysis,SSA)的自回归移动平均模型(Autoregressive integrated moving average,ARIMA)模型预测流感样病例(influenza like illness,ILI)发病趋势的可行性,为流感防控工作提供合理的预测方法.方法 利用山西省2010年第14周-2017年第13周的流感监测资料以不同长度配比的训练集、测试集构建SSA-ARIMA模型,并与ARIMA、BP神经网络(Back propagation neural network,BPNN)、广义回归神经网络(General Regression Neural Network,GRNN)模型进行比较.采用平均绝对误差(Mean Absolute Error,MAE)、均方误差(Mean Squared Error,MSE)、均方根误差(Root Mean Squared Error,RMSE)比较各模型预测效果.结果 模型拟合方面,SSA-ARIMA模型在预测未来一个月发病趋势时的MAE、MSE、RMSE分别为0.163、0.061、0.248;预测六个月时分别为0.161、0.061、0.248;预测一年时分别为0.168、0.066、0.256;均低于ARIMA、BPNN、GRNN.模型预测方面,在预测未来一个月发病趋势时的MAE、MSE、RMSE分别为0.056、0.005、0.068;预测六个月时分别为0.189、0.081、0.285;预测一年时分别为0.210、0.075、0.273;也均低于ARIMA、BPNN、GRNN.结论 SSA-ARIMA模型对山西省ILI的预测效果优于ARIMA、BPNN、GRNN,可为流感预测提供科学依据.