典型文献
随机森林和SARIMA模型预测我国布鲁氏菌病发病率效果研究
文献摘要：
目的 对比研究随机森林(Random Forest,RF)和季节性差分自回归滑动平均模型(Seasonal Autoregressive Inte-grated Moving Average,SARIMA)两种模型预测布鲁氏菌病发病率的效果.方法 利用2005—2017年中国疾病预防控制信息系统中报告的布鲁氏菌病病例,分别建立随机森林和SARIMA两种模型进行训练和预测,并比较两种模型的预测结果指标值.结果 SARIMA模型和随机森林模型预测结果的R2(R Squared)和均方根误差RMSE(Root Mean Squared Error)分别是0.904、0.034351和0.927、0.03345.结论 两种模型的预测精度都较高,均能够预测我国布鲁氏菌病的发病率,随机森林预测效果略优于SARIMA模型,更具有实用价值.
文献关键词：
布鲁氏菌病;随机森林;SARIMA;ARIMA;机器学习;发病率预测
中图分类号：
作者姓名：
张睿;王晓风;张业武;李言飞
作者机构：
中国疾病预防控制中心,北京 102206
文献出处：
引用格式：
[1]张睿;王晓风;张业武;李言飞-.随机森林和SARIMA模型预测我国布鲁氏菌病发病率效果研究)[J].公共卫生与预防医学,2022(01):1-5
A类：
B类：
SARIMA,布鲁氏菌病,Random,Forest,RF,差分自回归滑动平均模型,Seasonal,Autoregressive,Inte,grated,Moving,Average,疾病预防控制,控制信息,中报,结果指标,指标值,随机森林模型,Squared,RMSE,Root,Mean,Error,发病率预测
AB值：
0.348897
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
