基于改进诱导有序加权调和平均（IOWHA）算子的传染病组合预测模型研究
发布时间：2021-04-19 00:02
针对单一模型预测精度不高的问题,提出了一种新的诱导有序加权调和平均（IOWHA）算子和Theil不等系数相结合的传染病组合预测模型,包括ARIMA季节模型和灰色模型,并用其先分别对传染病的发病率进行预测,然后用Theil不等系数与IOWHA算子相结合的方法对预测结果进行组合并求解权重系数。实例应用表明该组合模型的预测精度高于单项模型的预测精度,发挥了各个模型的优势,也说明了组合算法的有效性。
【文章来源】：中华医学图书情报杂志. 2018,27(07)
【文章页数】：9 页
【部分图文】：
组合模型预测的基本步骤
MSE=1n∑ni=1(Xi－^Xi)槡2(18)MAE=1n∑ni=1|Xi－^Xi|(19)MAPE=1n∑ni=1|Xi－^XiXi|(20)3．2ARIMA预测模型的建立与预测3．2．1数据的平稳化采用SPSS24．0件构建ARIMA预测模型。首先判断数据序列是否具有季节性趋势。根据序列图(图3)可以看出，2005－2014年流行性感冒的月发病率呈现出比较明显的季节成分，周期长度为12个月，而且具有不平稳性，存在着一定的上升趋势。对序列进行平稳化处理，经过一阶季节差分(D=1)和一阶差分(d=1)处理后，得到的新数据序列基本稳定(图4)。图3原始数据的序列图图4一阶季节差分和一阶差分差分处理后的序列图3．2．2模型识别经过一阶季节差分和一阶差分处理后，差分序列基本均匀分布在0刻度线上下两侧，差分序列是平稳的，D=1，d=1，因此可建立ARUNA(p，1，q)(P，1，Q)12(图5)。从月发病率的自相关图(ACF)和偏自相关图(PACF)可以看出，q=1，p=0、1或2，Q=0或1，P=0或1，采用BIC信息准则，即BIC值越小，模型精确度越高。各备选模型的正态化BIC中华医学图书情报杂志2018年7月第27卷第7期ChinJMedLibrInfSci，Vol．27No．7July，2018·32·
89ARIMA(1，1，1)(0，1，1)12－2．310ARIMA(1，1，1)(0，1，0)12－1．926ARIMA(1，1，1)(1，1，1)12－2．237ARIMA(1，1，1)(1，1，0)12－2．200ARIMA(2，1，1)(0，1，1)12－2．196ARIMA(2，1，1)(0，1，0)12－1．876ARIMA(2，1，1)(1，1，1)12－2．142ARIMA(2，1，1)(1，1，0)12－2．167图5月发病率的自相关图与偏自相关图图6ARIMA(1，1，1)(0，1，1)12模型拟合效果图3．2．3模型预测利用ARIMA(1，1，1)(0，1，1)12模型预测2015年1－12月河南省流行性感冒的月发病率情况。模型预测值与实际值比较如表2所示。从表2中可以看出，实际值均落在预测值95%的置信区间内，12个月中有7个月的预测精度都在80%以上，2月、9月、10月的预测精度在70%多，只有6月、7月的预测精度在60%多。虽然预测值的波动情况和实际值相比存在差异，但总体来说，模型的预测效果较好。表22015年河南省流行性感冒发病率实际值与ARIMA模型预测值(1/10万)项目1月2月3月4月5月6月7月8月9月10月11月12月实际值1．87261．54201．80161．55231．31411．10531．03651．38721．48471．47311．85252．1460预测值2．08291．86221．97621．71841．57531．44091．37481．56741．78641．83832．07152．4228LCL1．55431．22671．30041．0
【参考文献】：
期刊论文
[1]基于ARIMA模型预测梅毒月发病率的价值[J]. 马晓梅,徐学琴,闫国立,施学忠,刘颖,王瑾瑾,刘晓蕙,裴兰英. 西安交通大学学报(医学版). 2018(01)
[2]乘积季节模型在软件老化评估中的应用研究[J]. 李焱,高强,王勇,刘欣然. 电子科技大学学报. 2017(03)
[3]基于ARIMA和Kalman滤波的道路交通状态实时预测（英文）[J]. Dong-wei XU,Yong-dong WANG,Li-min JIA,Yong QIN,Hong-hui DONG. Frontiers of Information Technology & Electronic Engineering. 2017(02)
[4]ARIMA乘积季节模型预测永嘉县其他感染性腹泻的流行[J]. 王金娜,徐若君,黄大锟,叶寒立,陈晓微,胡永卫,李晓祺,凌锋. 预防医学. 2017(02)
[5]基于ARIMA模型的传染病发展趋势预测与分析[J]. 易燕飞,郝艺达,陶鹤,白文强. 科技展望. 2016(04)
[6]利用遗传算法优化的ARIMA-BP组合模型预测手足口病发病趋势[J]. 吴文博,李虹艾,万鹏程,袁秀琴. 中南医学科学杂志. 2014(06)
[7]建筑安全事故灰色季节指数预测模型及应用[J]. 胡鹰,叶义成,李丹青,胡倩,刘涛. 中国安全科学学报. 2014(04)
[8]改进IOWHA算子组合预测模型[J]. 李松,李妍,王柳. 计算机工程与应用. 2015(03)
[9]支持向量机在传染病发病率预测中的应用[J]. 解合川,任钦,曾海燕,张兴裕,李晓松. 现代预防医学. 2013(22)
[10]组合模型在传染病预测中的应用研究[J]. 蔡海洋,吴庆辉,吕精巧. 计算机仿真. 2012(04)
本文编号：3146423
【文章来源】：中华医学图书情报杂志. 2018,27(07)
【文章页数】：9 页
【部分图文】：
组合模型预测的基本步骤
MSE=1n∑ni=1(Xi－^Xi)槡2(18)MAE=1n∑ni=1|Xi－^Xi|(19)MAPE=1n∑ni=1|Xi－^XiXi|(20)3．2ARIMA预测模型的建立与预测3．2．1数据的平稳化采用SPSS24．0件构建ARIMA预测模型。首先判断数据序列是否具有季节性趋势。根据序列图(图3)可以看出，2005－2014年流行性感冒的月发病率呈现出比较明显的季节成分，周期长度为12个月，而且具有不平稳性，存在着一定的上升趋势。对序列进行平稳化处理，经过一阶季节差分(D=1)和一阶差分(d=1)处理后，得到的新数据序列基本稳定(图4)。图3原始数据的序列图图4一阶季节差分和一阶差分差分处理后的序列图3．2．2模型识别经过一阶季节差分和一阶差分处理后，差分序列基本均匀分布在0刻度线上下两侧，差分序列是平稳的，D=1，d=1，因此可建立ARUNA(p，1，q)(P，1，Q)12(图5)。从月发病率的自相关图(ACF)和偏自相关图(PACF)可以看出，q=1，p=0、1或2，Q=0或1，P=0或1，采用BIC信息准则，即BIC值越小，模型精确度越高。各备选模型的正态化BIC中华医学图书情报杂志2018年7月第27卷第7期ChinJMedLibrInfSci，Vol．27No．7July，2018·32·
89ARIMA(1，1，1)(0，1，1)12－2．310ARIMA(1，1，1)(0，1，0)12－1．926ARIMA(1，1，1)(1，1，1)12－2．237ARIMA(1，1，1)(1，1，0)12－2．200ARIMA(2，1，1)(0，1，1)12－2．196ARIMA(2，1，1)(0，1，0)12－1．876ARIMA(2，1，1)(1，1，1)12－2．142ARIMA(2，1，1)(1，1，0)12－2．167图5月发病率的自相关图与偏自相关图图6ARIMA(1，1，1)(0，1，1)12模型拟合效果图3．2．3模型预测利用ARIMA(1，1，1)(0，1，1)12模型预测2015年1－12月河南省流行性感冒的月发病率情况。模型预测值与实际值比较如表2所示。从表2中可以看出，实际值均落在预测值95%的置信区间内，12个月中有7个月的预测精度都在80%以上，2月、9月、10月的预测精度在70%多，只有6月、7月的预测精度在60%多。虽然预测值的波动情况和实际值相比存在差异，但总体来说，模型的预测效果较好。表22015年河南省流行性感冒发病率实际值与ARIMA模型预测值(1/10万)项目1月2月3月4月5月6月7月8月9月10月11月12月实际值1．87261．54201．80161．55231．31411．10531．03651．38721．48471．47311．85252．1460预测值2．08291．86221．97621．71841．57531．44091．37481．56741．78641．83832．07152．4228LCL1．55431．22671．30041．0
【参考文献】：
期刊论文
[1]基于ARIMA模型预测梅毒月发病率的价值[J]. 马晓梅,徐学琴,闫国立,施学忠,刘颖,王瑾瑾,刘晓蕙,裴兰英. 西安交通大学学报(医学版). 2018(01)
[2]乘积季节模型在软件老化评估中的应用研究[J]. 李焱,高强,王勇,刘欣然. 电子科技大学学报. 2017(03)
[3]基于ARIMA和Kalman滤波的道路交通状态实时预测（英文）[J]. Dong-wei XU,Yong-dong WANG,Li-min JIA,Yong QIN,Hong-hui DONG. Frontiers of Information Technology & Electronic Engineering. 2017(02)
[4]ARIMA乘积季节模型预测永嘉县其他感染性腹泻的流行[J]. 王金娜,徐若君,黄大锟,叶寒立,陈晓微,胡永卫,李晓祺,凌锋. 预防医学. 2017(02)
[5]基于ARIMA模型的传染病发展趋势预测与分析[J]. 易燕飞,郝艺达,陶鹤,白文强. 科技展望. 2016(04)
[6]利用遗传算法优化的ARIMA-BP组合模型预测手足口病发病趋势[J]. 吴文博,李虹艾,万鹏程,袁秀琴. 中南医学科学杂志. 2014(06)
[7]建筑安全事故灰色季节指数预测模型及应用[J]. 胡鹰,叶义成,李丹青,胡倩,刘涛. 中国安全科学学报. 2014(04)
[8]改进IOWHA算子组合预测模型[J]. 李松,李妍,王柳. 计算机工程与应用. 2015(03)
[9]支持向量机在传染病发病率预测中的应用[J]. 解合川,任钦,曾海燕,张兴裕,李晓松. 现代预防医学. 2013(22)
[10]组合模型在传染病预测中的应用研究[J]. 蔡海洋,吴庆辉,吕精巧. 计算机仿真. 2012(04)
本文编号：3146423
本文链接：https://www.wllwen.com/projectlw/xtxlw/3146423.html
