典型文献
三种模型应用于中国2011-2020年梅毒发病趋势分析的比较
文献摘要：
目的 比较差分自回归移动平均(autoregressive integrated moving average model,ARIMA)模型、非线性自回归神经网络(nonlinear autoregressive neural network,NAR)模型和长短期记忆神经网络(long-short term memory neural network,LSTM)模型应用于梅毒报告发病预测的效果,优化疫情预测模型.方法 以中国31个省、自治区、直辖市(未包含中国台湾、香港和澳门)2011-2019年梅毒月报告发病率为拟合集,建立ARIMA模型、NAR模型和LSTM模型,比较3种模型的拟合效果.以2020年梅毒月报告发病率为预测集,比较3种模型的预测效果.结果 ARIMA模型、NAR模型和LSTM模型拟合所得的平均绝对误差(mean absolute deviation,MAD)分别为 0.013、0.011 和 0.002,均方根误差(root mean squared error,RMSE)分别为 0.015、0.018 和0.003,平均绝对百分 比误差(mean absolute percentage error,MAPE)分别为 4.266％、3.810％和0.692％;预测所得的 MAD 分别为 0.064、0.049 和 0.044,RMSE 分别为 0.069、0.068 和 0.060,MAPE分别为23.310％、17.629％和 18.575％.结论 LSTM模型拟合预测梅毒报告发病率的效果更好,为梅毒疫情的防控提供数据支撑.
文献关键词：
梅毒;ARIMA模型;NAR模型;LSTM模型;预测
中图分类号：
作者姓名：
竺晓霞;陈靓;李秀央
作者机构：
310009杭州,浙江大学医学院附属第二医院临床大数据与统计中心,浙江大学流行病与卫生统计学科系
文献出处：
引用格式：
[1]竺晓霞;陈靓;李秀央-.三种模型应用于中国2011-2020年梅毒发病趋势分析的比较)[J].中华疾病控制杂志,2022(06):631-638
A类：
B类：
模型应用,梅毒,发病趋势,差分自回归移动平均,autoregressive,integrated,moving,average,model,ARIMA,非线性自回归神经网络,nonlinear,neural,network,NAR,长短期记忆神经网络,long,short,term,memory,发病预测,疫情预测,直辖市,中国台湾,澳门,报告发病率,合集,拟合效果,模型拟合,平均绝对误差,mean,absolute,deviation,MAD,root,squared,error,RMSE,percentage,MAPE
AB值：
0.381325
相似文献
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。
