中国全科医学 ›› 2020, Vol. 23 ›› Issue (11): 1338-1343.DOI: 10.12114/j.issn.1007-9572.2019.00.562
刘天1,姚梦雷1,黄继贵1,吴杨2,陈琦2,童叶青2,陈红缨2*
LIU Tian1,YAO Menglei1,HUANG Jigui1,WU Yang2,CHEN Qi2,TONG Yeqing2,CHEN Hongying2*
摘要: 背景 流行性腮腺炎(流腮)是中国极为严重的疾病。充分认识中国流腮的规律性并构建模型预测,对其预防和控制有重要意义。目的 评价季节性自回归移动平均模型(SARIMA)、指数平滑模型、SARIMA-广义回归神经网络(GRNN)组合模型和指数平滑-GRNN组合模型在流腮发病率拟合及预测中的应用效果。方法 利用全国2004年1月—2016年6月的流腮逐月发病率数据拟合、训练模型,建立SARIMA、指数平滑模型、SARIMA-GRNN组合模型和指数平滑-GRNN组合模型。预测2016年7—12月流腮的逐月发病率并与实际值比较,采用平均绝对误差百分比(MAPE)、平均误差率(MER)、均方误差(MSE)和平均绝对误差(MAE)评价模型拟合及预测效果。结果 SARIMA(0,0,2)(0,1,1)12为最优SARIMA模型;Holt-Winters相乘模型为最优指数平滑模型,SARIMA-GRNN组合模型和指数平滑-GRNN组合模型的SPREAD最优参数分别为0.026、0.031。SARIMA模型、指数平滑模型、SARIMA-GRNN组合模型和指数平滑-GRNN组合模型拟合的MAPE、MER、MSE和MAE依次分别为15.350%、14.976%、0.336、0.286,14.346%、14.249%、0.326、0.272,7.390%、6.320%、0.034、0.123,6.952%、5.776%、0.028、0.113。SARIMA模型、指数平滑模型、SARIMA-GRNN组合模型和指数平滑-GRNN组合模型预测的MAPE、MER、MSE和MAE依次分别为11.998%、12.260%、0.022、0.138,39.582%、38.462%、0.199、0.432,8.892%、9.677%、0.020、0.109,8.872%、9.672%、0.021、0.109。结论 指数平滑-GRNN组合模型为最优模型,拟合及预测效果最好,用于全国流腮发病率预测精度高;SARIMA-GRNN组合模型次之;SARIMA模型拟合及预测效果一般;指数平滑模型拟合效果较好,但预测效果较差。