多种模型在梅毒月发病率预测中的比较研究

发布时间：2017-06-02 08:17

  本文关键词：多种模型在梅毒月发病率预测中的比较研究，由笔耕文化传播整理发布。

【摘要】：梅毒传播途径多、传染性强，在性传播疾病中危害仅次于艾滋病，并可促进艾滋病的传播，，对人体和社会危害性大，且有年轻化和老龄化的趋势，已成为严重的公共卫生问题。《2013年中国卫生统计年鉴》显示：2012年梅毒年发病率在所有甲类及乙类传染病中仅次于病毒性肝炎和肺结核排第三位，死亡率占所有甲类乙类传染病中第七位，并且我国梅毒发病率从2001-2012年一直在增加,2012年发病率达30.44/10万。对梅毒发病率预测可以为梅毒防控提供有用信息。目的：整理我国2008-2013年梅毒月发病率资料，应用BP神经网络模型、ARIMA模型、组合模型以及改良的时间序列分解模型对2008-2012年我国梅毒月发病率进行分析，并对2013年梅毒月发病率进行预测。通过2013年各模型预测值与实际值进行比较选择最优模型。应用最优模型对2014年我国梅毒月发病率进行预测，并对我国2014年梅毒月发病率疫情进行评价，为制定梅毒防治策略提供科学的理论依据。 方法：通过查询中国疾病预防控制中心网站和中国统计局网站获得我国梅毒2008-2013年月发病例数和当年全国人口数，用月发病例数除以当年人口数获得当月梅毒发病率，单位为1/10万。首先，利用BP神经网络模型、ARIMA模型、组合模型三种不同的方法分析2008-2012年我国梅毒月发病率，预测2013年梅毒月发病率数据。然后，对时间序列分解模型进行完善，对季节指数进行改良，利用改良后模型拟合2008-2012年梅毒月发病率数据，对2013年月发病率进行预测。通过2013年各模型预测值与实际值之间的误差平方和SSE、平均绝对误差MAE、均方误差MSE、以及平均相对误差MAPE四个精度指标最小为原则评价拟合和预测效果，判定四种模型的优劣。最后，应用最优模型预测2014年我国梅毒月发病率。应用整体趋势参考值范围对2014年梅毒月发病率疫情进行判断。 结果：（1）BP神经网络模型的网络结构为：以过去3年同期发病率数据为网络输入，当前同期发病率为网络输出，隐含层神经元数目为10个。将BP神经网络模型预测的2013年梅毒月发病率与实际值进行比较，预测精度SSE=1.4362、MAE=0.2418、MSE=0.0999和MAPE=10.20%。（2）ARIMA模型中各指标分别为p=1,d=1,q=1,P=0,D=1,Q=1,S=12，最终模型为ARIMA(1,1,1)(0,1,1)12，各参数均有统计学意义。将ARIMA模型预测的2013年梅毒月发病率与实际值进行比较，预测精度SSE=1.1299、MAE=0.2404、MSE=0.0886和MAPE=9.97%。（3）组合预测模型中ARIMA对应的权重1=0.41889，BP神经网络模型对应的权重2=0.58111。将组合模型预测的2013年梅毒月发病率与实际值进行比较，预测精度SSE=0.9998、MAE=0.1784、MSE=0.0833和MAPE=7.79%。（4）经过完善的时间序列分解模型乘法过程预测的2013年梅毒月发病率数据与实际值进行比较，预测精度SSE=0.3851、MAE=0.1497、MSE=0.0517和MAPE=5.97%。（5）时间序列分解模型乘法过程季节调整系数为0.99831，将季节指数调整后的模型预测2013年梅毒月发病率与实际值进行比较，预测精度SSE=0.3735、MAE=0.1456、MSE=0.0509和MAPE=5.82%。（6）经过完善的时间序列分解模型加法过程预测的2013年梅毒月发病率数据与实际值进行比较，预测精度SSE=0.3752、MAE=0.1330、MSE=0.0510和MAPE=5.55%。（7）时间序列分解模型加法过程季节调整系数为0.06042，季节指数调整后的模型预测2013年梅毒月发病率与实际值进行比较，预测精度SSE=0.3634、MAE=0.1302、MSE=0.0502和MAPE=5.44%。（8）应用时间序列分解模型乘法过程预测2014年梅毒月发病率为2.1633/10万、2.1047/10万、2.8185/10万、2.6471/10万、2.7542/10万、2.7253/10万、2.8357/10万、2.7699/10万、2.6090/10万、2.3858/10万、2.4161/10万、2.3877/10万。（9）应用时间序列分解模型加法过程预测2014年梅毒月发病率为2.2243/10万、2.1494/10万、2.8056/10万、2.6383/10万、2.7514/10万、2.7072/10万、2.8210/10万、2.7624/10万、2.5953/10万、2.3853/10万、2.4220/10万、2.3829/10万。结论：（1）应用时间序列分解模型预测精度要优于ARIMA模型、BP神经网络模型以及组合模型。（2）时间序列分解模型季节指数改良后的预测精度优于改良前。（3）应用改良后的时间序列分解模型预测2014年梅毒月发病率，与实际值相比，预测精度较高。（4）预测梅毒月发病率过程中时间序列分解加法模型的预测精度和时间序列分解乘法模型的预测精度均较好，但加法预测模型预测精度稍优于乘法模型。（5）应用整体趋势参考值范围预测值判断2014年我国梅毒月发病率属于可控范围，与实际值相符。
【关键词】：ARIMA模型 BP神经网络模型 组合模型 时间序列分解模型 改良 梅毒 预测
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R759.1
【目录】：

• 中文摘要4-7
• Abstract7-13
• 第1章 绪论13-34
• 1.1 梅毒13-16
• 1.1.1 梅毒的流行学特点13
• 1.1.2 梅毒传播途径13-14
• 1.1.3 梅毒预防与治疗14-15
• 1.1.4 梅毒发病率预测研究现状15-16
• 1.2 BP 神经网络16-22
• 1.2.1 BP 神经网络原理17-18
• 1.2.2 BP 神经网络学习过程18-22
• 1.2.3 BP 神经网络应用22
• 1.3 ARIMA 模型22-28
• 1.3.1 ARIMA 模型基本原理23-24
• 1.3.2 ARIMA 模型建模步骤24-27
• 1.3.3 ARIMA 模型应用27-28
• 1.4 组合模型28-30
• 1.4.1 组合模型原理28-29
• 1.4.2 组合模型预测过程29-30
• 1.4.3 组合模型应用30
• 1.5 时间序列分解模型30-33
• 1.5.1 时间序列分解模型原理30
• 1.5.2 时间序列分解模型步骤（以月数据乘法为例）30-32
• 1.5.3 时间序列分解模型应用32-33
• 1.6 立题依据33-34
• 第2章 材料与方法34-36
• 2.1 资料来源34
• 2.2 研究方法34-35
• 2.3 质量控制35
• 2.4 统计分析35-36
• 第3章 结果36-67
• 3.1 2008-2013 年我国梅毒月发病率基本情况36-38
• 3.2 BP 神经网络模型38-42
• 3.2.1 数据预处理38
• 3.2.2 构建训练样本集、测试样本集和预测样本集38-40
• 3.2.3 确定网络结构40-41
• 3.2.4 最优模型选择41
• 3.2.5 BP 神经网络最优模型预测 2013 年梅毒月发病率41-42
• 3.3 ARIMA 模型42-47
• 3.3.1 稳定性判断42
• 3.3.2 参数判断42-43
• 3.3.3 最优模型选择43-45
• 3.3.4 最优模型检验45
• 3.3.5 ARIMA 最优模型预测 2013 年梅毒月发病率45-47
• 3.4 组合模型47-48
• 3.5 时间序列分解模型48-63
• 3.5.1 传统时间序列分解模型48-51
• 3.5.2 改良时间序列分解乘法模型51-59
• 3.5.3 改良时间序列分解加法模型59-63
• 3.6 最优模型预测 2014 年我国梅毒月发病率63-64
• 3.7 评估 2014 年梅毒月发病率疫情64-65
• 3.8 2014 年预测值与实际值比较65-67
• 第4章 讨论67-73
• 4.1 BP 神经网络模型67-68
• 4.2 ARIMA 模型68-69
• 4.3 组合预测模型69
• 4.4 时间序列分解模型69-71
• 4.5 其他预测模型71
• 4.6 创新点71-73
• 第5章 结论73-74
• 参考文献74-82
• 作者简介及在学期间取得的科研成果82-83
• 致谢83

【参考文献】

中国期刊全文数据库 前10条

1 魏星;丹子军;商斌;王文桥;;3种模型在肺结核发病率预测中的比较研究[J];北京医学;2010年09期

2 单锐;王淑花;李玲玲;高东莲;;基于ARIMA、BP神经网络与GM的组合模型[J];辽宁工程技术大学学报(自然科学版);2012年01期

3 陈秋月;杨泳冰;陈甜甜;;基于时间序列分解的江苏省猪肉价格波动分析[J];安徽农业科学;2013年14期

4 苗静;曹玉珍;杨仁杰;刘蓉;孙惠丽;徐可欣;;基于二维相关近红外谱参数化及BP神经网络的掺杂牛奶鉴别[J];光谱学与光谱分析;2013年11期

5 宁静;宋秀萍;孙良;田亚珍;梁长流;宁阳泉;;时间序列分析在阜阳市细菌性痢疾发病预测中的应用[J];安徽预防医学杂志;2014年03期

6 孙泗龙;李少博;范辰;刘洪;;基于ARIMA的GDP预测模型的构建及应用[J];辽宁科技大学学报;2014年04期

7 林建锋;谭仕健;;孕产期妇女梅毒血清学检测在阻断母婴传播的诊疗价值[J];分子影像学杂志;2014年03期

8 周先锋;冯子健;杨维中;李晓松;;小波神经网络在梅毒发病率预测中的应用初探[J];四川大学学报(医学版);2011年04期

9 蔡海洋;吴庆辉;吕精巧;;组合模型在传染病预测中的应用研究[J];计算机仿真;2012年04期

10 梁祁;胡建利;吴莹;张永杰;艾静;刘文东;胡月梅;;应用灰色系统GM(1,1)模型预测梅毒发病率[J];江苏预防医学;2010年06期

  本文关键词：多种模型在梅毒月发病率预测中的比较研究，由笔耕文化传播整理发布。

本文编号：414666