长短时记忆神经网络模型在河北省麻疹疫情发病趋势预测中应用

Predicting trend of measles epidemic in Hebei province:an empirical study with long short-term memory neural network model

导出学术成果认领

摘要目的探讨长短时记忆(LSTM)神经网络模型在麻疹疫情发病趋势预测上的可行性,为科学防控麻疹提供参考依据.方法收集中国疾病预防控制信息系统传染病监测系统中河北省发病日期为2004年1月—2020年12月的51 012例麻疹病例发病数据构建LSTM神经网络模型,选择最优模型对河北省麻疹疫情发病趋势进行预测,并采用均方误差平方根(RMSE)和平均绝对误差(MAE)评价模型预测效果.结果河北省 2004、2005、2006、2007、2008、2009、2010、2011、2012、2013、2014、2015、2016、2017、2018、2019 和 2020 年分别报告麻疹病例 950、4 837、7 953、4 973、2 273、3 359、14 457、79、38、353、5 365、3 825、1 825、287、241、130和67例,从2015年开始河北省麻疹发病数逐年下降,且发病具有明显的季节性;视窗长度分析结果显示,当视窗长度取3时,模型预测效果最好,RMSE和MAE值分别为17.288和12.334;本研究构建LSTM神经网络模型对河北省2017-2020年麻疹发病情况进行预测,模型预测的发病趋势与实际趋势基本一致,RMSE和MAE值在2017、2019和2020年均＜10,但2018年误差略大.结论 LSTM神经网络模型在河北省麻疹疫情发病趋势预测中效果较好,可用于麻疹发病趋势的研判和风险评估.