时间序列分析与机器学习方法在预测肺结核发病趋势中的应用

• 全文链接
• 请求原文

作   者：

付之鸥;  周扬;  陈诚;  郑洪伟;  宋伟;  李苑;  陆伟;  彭志行; 

作者机构：

江苏省疾病预防控制中心;  南京医科大学流行病与卫生统计学系;  广东省深圳市宝安区疾病预防控制中心;  中国水利水电科学研究院; 

关键词：

机器学习;  时间序列分析;  预测;  肺结核; 

期刊名称：

中国卫生统计

基金项目：

新发呼吸道传染病预防控制的动力学模型研究

i s s n：

1002-3674

年卷期：

2020 年 02 期

页   码：

190-195

摘   要：

目的研究时间序列分析与机器学习方法在预测肺结核发病趋势中的应用。方法使用江苏省2009-2018年肺结核月度发病率数据,构建时间序列分析(ARIMA模型)、机器学习方法(支持向量回归(SVR)、BP神经网络)和两者的组合方法(ARIMA-SVR、ARIMA-BPANN)共5种预测模型,分析评价各模型预测性能。结果 ARIMA、SVR、BP神经网络、ARIMA-SVR、ARIMA-BPANN均方误差分别为0.0356、0.0364、0.0384、0.0329、0.0336;平均相对误差分别为5.76%、6.19%、6.20%、5.63%、5.70%。结论时间序列分析优于机器学习方法,而二者组合模型预测效果优于单独方法,ARIMA-SVR模型在江苏省肺结核发病趋势预测分析中具有较好的应用价值。