目的:分析季节性差分自回归移动平均模型（SARIMA）、广义相加模型（GAM）和长短期记忆神经网络模型（LSTM）在肾综合征出血热（HFRS）发病率拟合及预测中的效果，为优化HFRS预测模型提供参考。方法:在公共卫生科学数据中心（）收集全国和HFRS发病率居前9位的省份（黑龙江、陕西、吉林、辽宁、山东、河北、江西、浙江和湖南省）2004-2017年HFRS逐月发病率资料，其中，2004-2016年资料作为训练数据，2017年1-12月资料作为测试数据。利用训练数据拟合全国和9个省份HFRS发病率的SARIMA、GAM、LSTM；利用拟合模型预测2017年1-12月HFRS发病率，并与测试数据比较。采用平均绝对百分比误差（ MAPE）评价模型拟合及预测精度， MAPE < 20%时模型拟合或预测效果为好，20%~50%为可接受，> 50%为差。 结果:从总体拟合及预测效果来看，全国和黑龙江、陕西、吉林、辽宁、江西省的最优模型为SARIMA（ MAPE分别为19.68%、20.48%、44.25%、19.59%、23.82%、35.29%），其中，全国和吉林省模型拟合及预测效果为好，其余均为可接受；山东、浙江省的最优模型为GAM（ MAPE分别为18.29%、21.25%），其中，山东省模型拟合及预测效果为好，浙江省为可接受；河北、湖南省的最优模型为LSTM（ MAPE分别为26.52%、22.69%），模型拟合及预测效果均为可接受。从拟合效果来看，GAM在全国数据中拟合精度最高， MAPE =10.44%。从预测效果来看，LSTM在全国数据中预测精度最高， MAPE = 12.23%。 结论:SARIMA、GAM、LSTM均能作为拟合HFRS发病率的最优模型，但不同地区拟合的最优模型表现出较大差异。今后在建立HFRS预测模型时应尽可能多地纳入备选模型进行筛选，以保证较高的拟合及预测精度。

肾综合征出血热;预测;季节性差分自回归移动平均模型;广义相加模型;长短期记忆神经网络模型

刘天;姚梦雷;侯清波;黄继贵;吴杨;陈红缨

荆州市疾病预防控制中心传染病防治所，荆州　434000;长江大学公共卫生研究中心，荆州　434000;湖北省疾病预防控制中心，武汉　430079

中华地方病学杂志

[1]刘天;姚梦雷;侯清波;黄继贵;吴杨;陈红缨-.SARIMA、GAM和LSTM在肾综合征出血热预测中的应用效果比较)[J].中华地方病学杂志,2022(09):709-714

SARIMA,GAM,肾综合征出血热,效果比较,季节性差分自回归移动平均模型,广义相加模型,长短期记忆神经网络模型,HFRS,卫生科,科学数据中心,逐月,年资,训练数据,测试数据,数据拟合,拟合模型,数据比较,平均绝对百分比误差,MAPE,模型拟合,最优模型,吉林省,拟合效果,拟合精度,备选

0.157354