摘要:目的运用自回归移动平均(autoregressive integrated moving average model,ARIMA)乘积季节模型和长期短期记忆网络(long short term memory,LSTM)对石家庄市手足口病(hand,foot and mouth disease,HFMD)的发病趋势进行预测,为疫情防控工作提供理论依据。方法利用Eviews 8.0和python 3.7.1软件对2013年1月-2018年5月石家庄市HFMD逐月发病数据分别建立ARIMA乘积季节模型和LSTM神经网络,以2018年6月-2019年5月的发病资料检验模型预测精度,最后应用模型预测2019年6月-2019年8月的月发病数。结果最优模型ARIMA(1,0,0)×(1,1,2)12和LSTM神经网络外推预测2018年6月-12月的MAPE分别为22.14和10.03,而外推预测2018年6月至2019年5月的MAPE分别为43.84和25.26,提示LSTM神经网络的拟合效果和预测精度优于ARIMA模型,预测结果与实际情况基本一致。结论LSTM神经网络对石家庄市HFMD发病趋势的拟合度和预测效果较好,能够为手足口病疫情的预测预警工作提供指导。
关键词:手足口病 arima lstm 月发病数 预测
单位:陆军军医大学士官学校部队防疫防护教研室; 石家庄050081; 石家庄市疾病预防控制中心流行病防治所; 石家庄050011
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
相关期刊
Journal of Rare Earths Neural Regeneration Research Rare Metals Cell Research Earthquake Engineering and Engineering Vibration Hepatobiliary Pancreatic Diseases International Journal of Integrative Agriculture Hepatobiliary Pancreatic Diseases International Acta Metallurgica Sinica Nuclear Science and Techniques