您的位置:山东大学 -> 科技期刊社 -> 《山东大学学报(医学版)》

山东大学学报(医学版) ›› 2018, Vol. 56 ›› Issue (6): 76-82.doi: 10.6040/j.issn.1671-7554.0.2017.1185

• 公共卫生与管理学 • 上一篇    下一篇

ARIMA乘积季节模型与广义回归神经网络模型在布鲁菌病发病预测的比较

马洁,田野,黄璐,孟维静,王素珍,石福艳   

  1. 潍坊医学院公共卫生与管理学院, 山东 潍坊 261053
  • 收稿日期:2017-11-29 出版日期:2018-06-10 发布日期:2018-06-10
  • 通讯作者: 王素珍. E-mail:wsz6132@sina.con石福艳. E-mail:shifuyan@126.com E-mail:wsz6132@sina.con
  • 基金资助:
    国家自然科学基金(81473071)

Comparison of multiple seasonal ARIMA model and generalized regression neural network model in forecasting the incidence of brucellosis

MA Jie, TIAN Ye, HUANG Lu, MENG Weijing, WANG Suzhen, SHI Fuyan   

  1. School of Public Health and Management, Weifang Medical University, Weifang 261053, Shandong, China
  • Received:2017-11-29 Online:2018-06-10 Published:2018-06-10

摘要: 目的 探讨适合全国布鲁菌病发病的预测模型,为布鲁菌病预测预警系统提供参考。 方法 利用中国疾病预防控制中心2011年1月至2016年12月按月报告的布鲁菌病发病数历史疫情数据,分别建立求和(差分)自回归移动平均(ARIMA)乘积季节预测模型和广义回归神经网络(GRNN)模型,对2017年1~8月月报数进行预测,采用实际发病数与两种模型预测数进行比较,评价指标为平均相对误差、平均绝对误差。 结果 建立的ARIMA(0,1,1)(0,1,1)12乘积季节模型平均绝对误差、平均相对误差分别是989、0.23,GRNN模型平均绝对误差、平均相对误差分别是561、0.14,均小于ARIMA模型。 结论 ARIMA模型和GRNN模型均可用于预测布病的发病数,后者预测效能优于前者。

关键词: 求和(差分)自回归移动平均, 布鲁菌病, 广义回归神经网络模型, 预测, 乘积季节模型, 时间序列

Abstract: Objective To explore suitable model for brucellosis incidence forecasting in China, and to provide reference for forecasting warning system of brucellosis. Methods Autoregressive integrated moving average(ARIMA)model and generalized regression neural network(GRNN)model were fitted with data monthly reported by China Centers for Disease Control from January 2011 to December 2016. The monthly reported data from January to August 2017 were used to evaluate forecast results. The mean absolute error(MAE)and mean relative error(MRE)were evaluated by comparing the actual incidence with the predicted incidence of the two models. Results The MAE and MRE of the ARIMA(0,1,1)(0,1,1)12model were 989, 0.23 and the GRNN model were 561, 0.14, respectively. The MAE and MRE of the GRNN model were less than the ARIMA model. Conclusion Both the ARIMA and GRNN model perform well in forecasting the incidence of brucellosis, while the prediction ability of GRNN model is slightly better than ARIMA model.

Key words: Autoregressive integrated moving average, Multiple seasonal model, Forecast, Generalized regression neural network model, Time series, Brucellosis

中图分类号: 

  • R183
[1] 田德红, 于国伟, 丁国武, 等. ARIMA-DES混合模型在中国布鲁菌病分析和预测中的应用[J]. 中国卫生统计, 2016, 33(2): 245-248. TIAN Dehong, YU Guowei, DING Guowu, et al. Application of ARIMA-DES hybrid model in the analysis and prediction of Chinese brucellosis[J]. Chinese Journal of Health Statistics, 2016, 33(2): 245-248.
[2] 娄鹏威, 王娜, 罗冬梅, 等. 基于季节性动力学模型预测与控制新疆布鲁氏菌病的流行[J]. 公共卫生与预防医学, 2017, 28(1): 13-17. LOU Pengwei, WANG Na, LUO Dongmei, et al. Forecasting and controlling the epidemic of brucellosis in Xinjiang based on seasonal dynamics model[J]. Public Health and Preventive Medicine, 2017, 28(1): 13-17.
[3] 李志军, 范凯, 宋颖. 辽宁省凌海市2011—2015年布病的发病症状及暴露危险因素调查[J]. 锦州医科大学学报, 2017, 38(2): 85-87. LI Zhijun, FAN Kai, SONG Ying. Investigation on the symptoms and exposure risk factors of the disease in Linghai city, Liaoning province from 2011 to 2015[J]. Journal of Jinzhou Medical University, 2017, 38(2): 85-87.
[4] 樊兆峰, 马小平, 邵晓根. 非线性系统RBF神经网络多步预测控制[J]. 控制与决策, 2014, 29(7): 1274-1278. FAN Zhaofeng, MA Xiaoping, SHAO Xiaogen. Multi-step predictive control of nonlinear system RBF neural network[J].Control and Decision, 2014, 29(7): 1274-1278.
[5] 戴文战, 娄海川, 杨爱萍. 非线性系统神经网络预测控制研究进展[J]. 控制理论与应用, 2009, 26(5): 521-530. DAI Wenzhan, LOU Haichuan, YANG Aiping. An overview of neural network predictive control for nonlinear systems[J]. Control Theory & Applications, 2009, 26(5): 521-530.
[6] Goh BS. Convergence of algorithms in optimization and solutions of nonlinear equations[J]. J Optim Theory Appl, 2010, 144(1): 43-55.
[7] 张文茜, 苏海霞, 尚磊, 等. 基于BP神经网络和RBF神经网络预测老年痴呆症疾病进展的对比研究[J]. 现代生物医学进展, 2017, 17(4): 738-741. ZHANG Wenqian, SU Haixia, SHANG Lei, et al. A comparative study on the progression of alzheimers disease based on BP neural network and RBF neural network[J]. Advances in modern biomedical science, 2017, 17(4): 738-741.
[8] 王永斌, 许春杰, 尹素凤, 等. 中国手足口病发病率ARIMA、RBF及ARIMA-RBF组合模型拟合及预测效果比较[J]. 中国公共卫生, 2017, 33(5): 760-763. WANG Yongbin, XU Chunjie, YIN Sufeng, et al. The combined models of ARIMA, RBF and ARIMA-RBF were compared[J]. Chinese Journal of Public Health, 2017, 33(5): 760-763.
[9] 刘红杨, 刘洪庆, 李望晨, 等. 差分自回归移动平均与广义回归神经网络组合模型在丙型肝炎月发病率中的预测应用[J].中国全科医学, 2017, 20(2): 182-186. LIU Hongyang, LIU Hongqing, LI Wangchen, et al. The predictive application of differential self-regression moving average and generalized regression neural network model in the incidence of hepatitis C[J]. Chinese general medicine, 2017, 20(2): 182-186.
[10] 孙振球.医学统计[M]. 北京: 人民出版社, 2010: 66-70.
[11] 沈冰, 高洁, 胡宏, 等. 上海静安区儿童流感样病例就诊百分比预测的自回归求和移动平均模型构建与应用[J]. 公共卫生与预防医学, 2017, 28(4): 58-61. SHEN Bing, GAO Jie, HU Hong, et al. The construction and application of the self-regression summation moving average model for the percentage prediction of pediatric influenza-like cases in Shanghai Jingan district[J]. Public health and Preventive medicine, 2017, 28(4):58-61.
[12] 朱蒙曼, 杨其松, 谢昀, 等. 江西省肾综合征出血热发病率ARIMA模型及其趋势预测[J]. 现代预防医学, 2017, 44(22): 4036-4041. ZHU Mengman, YANG Qisong, XIE Yun, et al. ARIMA model and its trend prediction of hemorrhagic fever with renal syndrome in Jiangxi province[J]. Modern Preventive Medicine, 2017, 44(22): 4036-4041.
[13] 王燕. 应用时间序列分析[M]. 3版. 北京: 中国人民大学出版社, 2012: 158-159.
[14] 梅树江, 周志峰, 马汉武, 等. 深圳市ARIMA在肾综合征出血热发病预测中应用[J]. 中国公共卫生, 2015, 31(7): 936-938. MEI Shujiang, ZHOU Zhifeng, MA Hanwu, et al. The application of ARIMA in the prediction of hemorrhagic fever in renal syndrome[J]. Chinese Journal of Public Health, 2015, 31(7): 936-938.
[15] 梁纪伟, 姜法春, 韩雅琳,等. 应用ARIMA乘积季节模型预测青岛市甲肝发病[J]. 中国公共卫生管理, 2016, 32(6): 780-782,793. LIANG Jiwei, JIANG Fachun, HAN Yalin, et al. The multiple seasonal ARIMA model was used to predict the incidence of hepatitis a in Qingdao[J]. Chinese Journal of Public Health Management, 2016, 32(6): 780-782,793.
[16] 朱奕奕, 冯玮, 赵琦, 等. ARIMA乘积季节模型在上海市甲肝发病预测中的应用[J]. 复旦学报(医学版), 2012, 39(5): 460-464. ZHU Yiyi, FENG Wei, ZHAO Qi, et al. The application of multiple seasonal ARIMA model in the prediction of hepatitis A in Shanghai[J]. Journal of Fudan university(medical edition), 2012, 39(5): 460-464.
[17] Donnan EJ, Fielding JE, Gregory JE, et al. A multistate outbreak of hepatitis a associated with semidried tomatoes in Australia, 2009[J]. Clin Infect Dis, 2012, 54(6): 775-781.
[18] 王文霞,王春红,葛少磊.基于广义回归神经网络的图像修复算法[J].计算机工程与设计,2017,38(11):3125-3130. WANG Wenxia, WANG Chunhong, GE Shaolei. Image restoration algorithm based on generalized regression neural network[J]. Computer engineering and design, 2017, 38(11):3125-3130.
[19] Wang Y, Nie N, Wang M, et al. Mine tailings facilities safety evaluation of GRNN optimized by modified fruit fly algorithm[J]. Computer Engineering, 2015, 41(4): 267-272.
[20] 江帆, 刘辉, 王彬, 等. 基于CNN-GRNN模型的图像识别[J]. 计算机工程, 2017, 43(4): 257-262. JIANG Fan, LIU Hui, WANG Bin, et al. Image recognition based on CNN-GRNN model[J]. Computer Engineering, 2017, 43(4): 257-262.
[21] 卢金娜. 基于优化算法的径向基神经网络模型的改进及应用[D]. 太原: 中北大学, 2015.
[22] 杨召, 叶中辉, 尤爱国,等. 乘积季节ARIMA模型在结核病发病率预测中应用[J]. 中国公共卫生, 2013, 29(4): 469-472. YANG Zhao, YE Zhonghui, YOU Aiguo, et al. Multiple seasonal ARIMA model was applied in the prediction of tuberculosis incidence[J]. Public health in China, 2013, 29(4): 469-472.
[23] Wu W, Guo J, An S, et al. Comparison of two hybrid models for forecasting the incidence of hemorrhagic fever with renal syndrome in Jiangsu Province, China[J]. PLoS One, 2015, 10(8): e0135492. doi:10.1371/journal.
[24] 魏仁惠子, 沈双全, 欧春泉. SARIMA模型与SARIMA-GRNN组合模型在预测广东省登革热疫情中的应用[J]. 中国卫生统计, 2016, 33(5): 746-748. WEI Renhuizi, SHEN Shuangquan, OU Chunquan. The SARIMA model and the SARIMA-GRNN model are used to predict dengue fever in Guangdong province[J]. Chinese Journal of Health Statistics, 2016, 33(5):746-748.
[25] 孟凡东, 吴迪, 隋承光. 2004—2015年中国狂犬病发病数据ARIMA乘积季节模型的建立及预测[J]. 中国卫生统计, 2016, 33(3): 389-391, 395. MENG Fandong, WU Di, SUI Chengguang. The establishment and prediction of the multiple seasonal ARIMA model of rabies in China from 2004 to 2015[J]. Chinese Journal of Health Statistics, 2016, 33(3): 389-391,395.
[1] 刘晓迪,马洁,修璟威,崔庆霞,李望晨,王在翔. 乘积季节模型在我国肺结核疫情预测中的应用[J]. 山东大学学报(医学版), 2018, 56(9): 71-76.
[2] 贾晓倩,崔亮亮,岳克三,李新伟,韩联宇,吴兴彬,周敬文. 济南市大气颗粒物与儿童呼吸系统疾病就诊量的时间序列分析[J]. 《山东大学学报(医学版)》, 2018, 56(11): 84-90.
[3] 陈浪,赵川,陈凤格,白萍. 石家庄市大气颗粒污染物浓度对儿童呼吸系统疾病门诊量的影响[J]. 《山东大学学报(医学版)》, 2018, 56(11): 68-75.
[4] 游颖琦,朱晶颖,张旭辉,张熙,周伟杰. 无锡市大气污染对成人内科门诊量影响的时间序列研究[J]. 《山东大学学报(医学版)》, 2018, 56(11): 53-60.
[5] 满金宇,崔亮亮,韩联宇,于坤坤,吴兴彬,岳克三,周敬文. 2014~2016年济南市空气污染严重地区大气颗粒物对社区人群门诊就诊量的急性效应分析[J]. 《山东大学学报(医学版)》, 2018, 56(11): 61-67.
[6] 肖长春,唐静,李玉荣,翟金霞. 合肥市空气污染与某儿童医院肺炎门诊量关系的时间序列分析[J]. 《山东大学学报(医学版)》, 2018, 56(11): 76-83.
[7] 崔亮亮,张萌,于坤坤,姜超,阮师漫. 济南市大气重点污染物对居民应急呼叫事件的急性影响[J]. 《山东大学学报(医学版)》, 2018, 56(11): 34-41.
[8] 刘晓利,刘芳盈,孟超,李平,张殿平,殷茂荣,翟慎永. 淄博市大气污染物浓度与急救人次关联的时间序列分析[J]. 《山东大学学报(医学版)》, 2018, 56(11): 42-47.
[9] 王志强,徐艳龙,肖长春,冯晓亮,郑莉,李飞,黄发源. 合肥市2014~2016年大气污染物PM2.5对居民循环系统疾病死亡效应的时间序列分析[J]. 《山东大学学报(医学版)》, 2018, 56(11): 48-52.
[10] 曹若明,崔亮亮,姜超,景一鸣,周林,张琳,刘守钦. 济南市大气污染物O3与居民呼吸系统疾病死亡风险的时间序列分析[J]. 《山东大学学报(医学版)》, 2018, 56(11): 91-97.
[11] 满金宇,岳克三,崔亮亮,李新伟,韩联宇,吴兴彬,刘守钦. 2014~2016年济南市历城区大气气态污染物对社区人群门诊就诊影响的时间序列分析[J]. 《山东大学学报(医学版)》, 2018, 56(11): 98-104.
[12] 孙湛,刘仲,张鑫,于志刚,李新伟,崔亮亮,张谊,刘岚铮. 济南市空气细颗粒物浓度和金属及类金属元素变化趋势和预测[J]. 《山东大学学报(医学版)》, 2018, 56(11): 123-129.
[13] 周苗,夏同耀,孙爱玲,李明,申振伟,卞伟玮,蒋正,康凤玲,柳晓涓,薛付忠,刘静. 健康管理人群慢性肾脏病风险预测模型[J]. 山东大学学报(医学版), 2017, 55(6): 98-103.
[14] 孙苑潆,杨亚超,曲明苓,陈雁敏,李敏,王淑康,薛付忠,刘云霞. 健康管理人群代谢综合征发病风险预测模型[J]. 山东大学学报(医学版), 2017, 55(6): 87-92.
[15] 苏萍,杨亚超,杨洋,季加东,阿力木·达依木,李敏,薛付忠,刘言训. 健康管理人群2型糖尿病发病风险预测模型[J]. 山东大学学报(医学版), 2017, 55(6): 82-86.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 高立芬,孙汶生,马春红,张利宁,梁晓红,王晓燕,郭春,陈有海 . pcDNA3-HBV瞬时转染对树突状细胞的影响[J]. 山东大学学报(医学版), 2007, 45(4): 325 -328 .
[2] 毕爱玲,高建新,刘克敬,周玉琴. 三磷酸腺苷诱导体外培养的胚胎大鼠皮层神经细胞凋亡[J]. 山东大学学报(医学版), 2006, 44(12): 1194 -1196 .
[3] 颜军昊,陈子江,李媛,胡京美,高姗姗. 体外受精周期中来源于单原核受精卵胚胎性染色体分析[J]. 山东大学学报(医学版), 2006, 44(6): 545 -548 .
[4] 喻芳,周庚寅,张翠娟,高鹏,马超,李红. 原发性肝癌中HIF-1α、P-gp的表达及相关性的研究[J]. 山东大学学报(医学版), 2007, 45(3): 246 -249 .
[5] 赵红梅,赵蔚明,于修平,赵蕾,王红,郑燕,吕慧,李靖,刘娟,于晗. 沙眼衣原体感染对树突状细胞功能的影响[J]. 山东大学学报(医学版), 2007, 45(10): 973 -976 .
[6] 单宁宁,邹雄,张义,杨晓静,庄学伟,王洪春,侯明 . 小鼠LAK细胞MHC表达水平对其体外杀伤肿瘤活性的影响[J]. 山东大学学报(医学版), 2007, 45(11): 1096 -1100 .
[7] 尹德明,温学森,娄红祥. 地钱愈伤组织的诱导及其细胞培养条件的建立[J]. 山东大学学报(医学版), 2008, 46(4): 433 -437 .
[8] . 成人隐匿性自身免疫性糖尿病患者血清IL10、TGFβ水平及其与胰岛β细胞功能的关系[J]. 山东大学学报(医学版), 2009, 47(10): 15 -18 .
[9] . 培养基对兔骨髓间充质干细胞体外扩增的影响[J]. 山东大学学报(医学版), 2009, 47(10): 50 -53 .
[10] . 融合自杀基因对骨肉瘤细胞作用的实验研究[J]. 山东大学学报(医学版), 2009, 47(10): 54 -59 .