换一批基于ARIMA模型和ARIMA-SVM组合模型的流行性感冒的发病预测研究
Influenza disease prediction based on ARIMA and ARIMA-SVM combination models
摘要目的 探讨ARIMA-SVM组合模型在流感发病预测中的应用,并与单纯ARIMA模型的预测效果比较.方法 利用2017-2022年北京市流感发病数据拟合建立ARIMA模型和ARIMA-SVM组合模型,对2023年流感发病进行预测,并与实际流感数据进行验证比较,评价模型的预测效果.结果 北京市2017年1月-2023年12月共报告流感病例报告数1 250 797例,月均发病14 890例.构建最佳的ARIMA模型的为ARIMA(6,0,6)(0,1,2)365,模型预测相对误差范围在 0.01％～165.62％之间,RMSE=570.07,MAPE=157.36％.ARIMA-SVM 模型预测相对误差在 0.00％～18.87％之间,RMSE=0.26,MAPE=1.90％.组合模型预测结果较单一 ARIMA模型精度高.结论 ARIMA与SVM联合模型对流感发病的拟合精度优于单一 ARIMA模型,可用于流感发病的短期预测,组合模型不仅考虑了传染病发病数据的周期性特点,又克服了小样本、非线性的缺点,亦可推广到其他的传染病的发病预测,为传染病的预测、疾病控制以及资源的配置利用提供政策支持.
更多相关知识
关键词
ARIMA模型ARIMA-SVM模型流感发病数预测模型ARIMA modelARIMA-SVM combination modelInfluenzaIncidence casesPrediction model
栏目名称
发布时间
2024-11-28（万方平台首次上网日期，不代表论文的发表时间）
- 浏览29
- 被引2
- 下载8
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
