SARIMA-SVR组合模型在痢疾发病数预测的应用研究

摘要

目的探讨季节自回归滑动平均模型(seasonal autoregressive integrated moving average,SARIMA)、支持向量回归模型(support vector regression,SVR)及SARIMA-SVR组合模型在全国痢疾发病数预测中的应用效果,为痢疾的防控工作提供科学依据。方法采用2010—2021年我国痢疾月发病数作为训练集,应用Python软件构建SARIMA模型、SVR模型和SARIMA-SVR组合模型,预测2022年1至8月痢疾月发病数趋势,并将其与实际资料进行对比,采用均方根误差(root mean squares error,RMSE)和平均绝对误差(mean absolute error,MAE)衡量模型间的预测效果。结果2010—2021年各年份痢疾发病率的差异有统计学意义(χ^(2)=30.747,P<0.001),总体呈下降趋势(χ^(2)趋势=30.639,P趋势<0.001)。全国痢疾发病趋势具有季节性,其中发病数前3顺位的分别为7月(246755例,14.58%)、8月(244026例,14.42%)和6月(209647例,12.39%)。3种模型中SARIMA-SVR组合模型预测效果的评价指标RMSE、MAE值分别为384.44和282.88;SVR模型RMSE、MAE值分别为436.88和336.71;SARIMA模型RMSE、MAE值分别为704.10和583.10。结论SARIMA-SVR组合模型对我国痢疾发病的预测精度高于单一预测模型,能较好地预测我国痢疾发病趋势,可以用于全国痢疾的中短期预测。