典型文献
基于机器学习组合模型的疟疾发病率预测研究
文献摘要：
由于疟疾传播的复杂性,运用发病率历史数据和现有时间序列模型难以准确预测其发病率趋势.拟建立一种新的组合模型,以提高模型预测性能,并将其与应用较广泛的组合模型ARIMA-NNAR,ARIMA-LSTM进行比较.其中,以ARIMA(1,1,2)(0,1,0)12为基础建立的ARIMA-NNAR-XGBoost加权组合模型,各项评价指标(RMSE,MAE,MAPE分别为0.160,0.110,11.389％)相比其他模型均有较明显的提高,性能为所列模型中最佳.该模型所需数据简单,预测性能良好,是传染病预测较为方便可行的方法.
文献关键词：
疟疾发病率;ARIMA模型;NNAR神经网络;LSTM神经网络;XGBoost算法
中图分类号：
作者姓名：
赖晓蓥;钱俊
作者机构：
南方医科大学生物医学工程学院,广东广州510515;香港中文大学生物医学工程学院,香港沙田999077
文献出处：
引用格式：
[1]赖晓蓥;钱俊-.基于机器学习组合模型的疟疾发病率预测研究)[J].数学的实践与认识,2022(02):125-133
A类：
B类：
基于机器学习,学习组,组合模型,疟疾发病率,发病率预测,预测研究,历史数据,时间序列模型,准确预测,拟建,预测性能,ARIMA,NNAR,XGBoost,RMSE,MAE,MAPE,所列,传染病预测
AB值：
0.352751
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。
