7种时间序列模型对全国肾综合征出血热发病率预测效果比较

摘要

目的比较7种常用时间序列模型对全国肾综合征出血热(HFRS)发病率拟合及预测的效果,为优化HFRS预警方法提供参考。方法以2004年1月-2017年6月全国HFRS发病率作为训练数据,建立乘积季节自回归移动平均模型(SARIMA)、指数平滑模型(ETS)、时间序列线性模型(TSLM)、自回归神经网络模型(NNAR)、指数平滑空间状态模型(TBATS)、时间序列3次样条平滑模型(TSSPLINE)和时间序列广义回归模型(TSGRNN),并预测2017年7-12月全国HFRS发病率。以2017年7-12月全国HFRS发病率作为测试数据,比较拟合值与训练数据、预测值与测试数据评价模型拟合及预测效果,评价指标包括平均绝对误差百分比(MAPE)和均数标准差(RMSE)。结果SARIMA(0,1,4)(2,1,1)_([12])为SARIMA最优模型,NNAR(16,1,8)_([12])为NNAR最优模型。SARIMA、ETS、TSLM、NNAR、TBATS、TSSPLINE和TSGRNN模型拟合的MAPE、RMSE分别为11.46%、0.01,10.25%、0.01,33.91%、0.03,1.84%、0.00,8.92%、0.01,10.82%、0.01和22.29%、0.02。SARIMA、ETS、TSLM、NNAR、TBATS、TSSPLINE和TSGRNN模型预测的MAPE、RMSE分别为20.51%、0.03,17.22%、0.02,55.27%、0.03,36.27%、0.05,18.03%、0.02,118.82%、0.05和38.71%、0.04。结论TBATS为最优预测预警模型,适于优化HFRS预警模型。