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

Application of Time Series Analysis and Machine Learning Methods in Predic-ting the Incidence of Tuberculosis

二维码有效期 120s

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.

作者付之鸥 ^[1] 周扬 ^[2] 陈诚 ^[2] 郑洪伟 ^[3] 宋伟 ^[4] 李苑 ^[5] 陆伟 ^[2] 彭志行 ^[6] 学术成果认领

作者单位南京医科大学公共卫生学院流行病与卫生统计学系 211166;哈尔滨市宾县卫生健康局 150400 ^[1] 江苏省疾病预防控制中心 210009 ^[2] 中国水利水电科学研究院 100048 ^[3] 哈尔滨市宾县卫生健康局 150400 ^[4] 深圳市宝安区疾病预防控制中心 518101 ^[5] 南京医科大学公共卫生学院流行病与卫生统计学系 211166 ^[6]

关键词时间序列分析机器学习肺结核预测

主题词预测(Forecasting)时间(Time)序列分析(Sequence Analysis)机器学习(Machine Learning)结核, 肺(Tuberculosis, Pulmonary)

栏目名称论著

发布时间 2020-06-04

基金项目

十三五传染病科技重大专项 国家自然科学基金 深圳市科技创新计划项目 江苏省优势学科建设项目