SARIMA-GRNN组合模型在伤寒与副伤寒逐月发病数预测中的应用

摘要

目的建立季节性差分自回归移动平均(seasonal autoregressive integrated moving average,SARIMA)-广义回归神经网络(generalized regression neural network,GRNN)组合模型,为伤寒与副伤寒发病数的预测提供方法学上的新思路。方法利用2011年1月-2019年12月中国伤寒与副伤寒逐月发病数资料,分别构建SARIMA模型和SARIMA-GRNN组合模型,比较两种模型的拟合和预测效果。结果最优的SARIMA模型为SARIMA(2,1,1)(0,1,1)_(12),SARIMA-GRNN组合模型的最优光滑因子(spread)为0.21。评价SARIMA-GRNN组合模型拟合效果的参数均方根误差(root mean squared error,RMSE)、平均绝对误差(mean absolute error,MAE)和平均绝对百分比误差(mean absolute percentage error,MAPE)为90.08、71.44和7.07%,分别小于SARIMA模型的99.44、79.15和7.86%;评价预测效果的RMSE、MAE和MAPE为100.86、75.94和9.57%,均小于SARIMA模型的125.44、97.33和10.89%。结论SARIMA-GRNN组合模型比传统SARIMA模型更能拟合中国伤寒与副伤寒逐月的发病数,而且预测精度更高,可应用于伤寒与副伤寒逐月发病数的预测。