换一批GM(1,1)模型与LSTM神经网络在肺结核发病数预测中的应用
Application of GM(1,1) model and LSTM neural network in predicting the incidence of pulmonary tuberculosis
摘要目的 运用GM(1,1)灰色预测模型和LSTM神经网络模型对全国肺结核发病数进行拟合,对拟合结果进行比较,为肺结核病防控工作提供科学依据.方法 利用2008—2018年全国肺结核发病数分别构建GM(1,1)灰色预测模型和LSTM神经网络模型,对建立的模型进行拟合,同时运用得到的模型对2019年全国肺结核发病数进行预测.两种模型拟合评价指标为均方根误差(RMSE)和平均绝对百分比误差(MAPE).结果 全国肺结核发病数GM(1,1)灰色预测模型和LSTM神经网络模型的RMSE和MAPE分别为16108.39、15169.81和1.57％、1.15％.两种模型预测2019年全国肺结核发病数分别为777004和822125.结论 LSTM神经网络模型拟合效果优于GM(1,1)模型,预测结果表明2019年全国肺结核年发病数将呈现出减少的趋势,但是肺结核发病数仍然较多.
更多相关知识
医学主题词
结核, 肺(Tuberculosis, Pulmonary)预测(Forecasting)神经网(Nerve Net)神经网络(计算机)(Neural Networks (Computer))目的(Goals)
分类号
R183.3（流行病学与防疫）
栏目名称
DOI
10.3969/j.issn.1006-2483.2019.05.003
发布时间
2019-11-08（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引23
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
