SARIMA-GRNN组合模型在江苏省梅毒月度发病数据预测中的应用
陈海燕1
周罗晶2
1.扬州大学护理·公共卫生学院,江苏 扬州 2250092.江苏省苏北人民医院,江苏 扬州 225001
摘要：目的 构建一个结合季节性自回归积分滑动平均(SARIMA)和广义回归神经网络(GRNN)的组合模型,为江苏省梅毒发病趋势提供新的预测方法.方法 采用江苏省2005年1月至2019年12月的月度梅毒发病数据,分别建立SARIMA模型及SARIMA-GRNN组合模型,并对比分析两模型的拟合度和预测效能.结果 最优的SARIMA模型参数为SARIMA(0,1,1)(0,1,1)12,SARIMA-GRNN组合模型的最佳平滑参数确定为0.11.在对2019年梅毒发病数的预测中,SARIMA模型与SARIMA-GRNN组合模型的均方根误差(RMSE)分别为0.336和0.287,平均绝对百分比误差(MAPE)分别为10.43％和8.83％,平均绝对误差(MAE)分别为0.278和0.245,相较于SARIMA模型,SARIMA-GRNN组合模型的 RMSE 降低了 14.58％,MAPE 降低了 15.33％,MAE 降低了 11.87％,表明 SARIMA-GRNN 组合模型在预测精度上优于SARIMA模型.结论 SARIMA-GRNN组合模型相较于SARIMA模型,在拟合江苏省月度梅毒发病数据上更为精确,预测准确度亦更高,适宜用于该省梅毒发病数的预测.
关键词：梅毒季节性差分自回归移动平均模型广义回归神经网络预测
资助基金：扬州市基础研究计划(联合专项)卫生健康类重点项目(2024-1-03)
论文发表日期：2025-11-28
在线出版日期：2025-12-29（本平台首次上网日期，不代表文献的发表时间）
页数：7( 791-797 )
英文信息