文献类型：期刊文章

作　　者：付之鸥[1,2] 周扬[3] 陈诚[3] 郑洪伟[4] 宋伟[2] 李苑[5] 陆伟[3] 彭志行[1]

Fu Zhiou;Zhou Yang;Chen Cheng(Department of Epidemiology and Health Statistics,Public Health College,Nanjing Medical University(211166),Nanjing)

机构地区：[1]南京医科大学公共卫生学院流行病与卫生统计学系,211166 [2]哈尔滨市宾县卫生健康局,150400 [3]江苏省疾病预防控制中心,210009 [4]中国水利水电科学研究院,100048 [5]深圳市宝安区疾病预防控制中心,518101

出　　处：《中国卫生统计》

基　　金：十三五传染病科技重大专项(2018ZX10715-002);国家自然科学基金(81673275);深圳市科技创新计划项目(JCYJ20160427155352873);江苏省优势学科建设项目。

年　　份：2020

卷　　号：37

期　　号：2

起止页码：190-195

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：目的研究时间序列分析与机器学习方法在预测肺结核发病趋势中的应用。方法使用江苏省2009-2018年肺结核月度发病率数据,构建时间序列分析(ARIMA模型)、机器学习方法(支持向量回归(SVR)、BP神经网络)和两者的组合方法(ARIMA-SVR、ARIMA-BPANN)共5种预测模型,分析评价各模型预测性能。结果 ARIMA、SVR、BP神经网络、ARIMA-SVR、ARIMA-BPANN均方误差分别为0.0356、0.0364、0.0384、0.0329、0.0336;平均相对误差分别为5.76%、6.19%、6.20%、5.63%、5.70%。结论时间序列分析优于机器学习方法,而二者组合模型预测效果优于单独方法,ARIMA-SVR模型在江苏省肺结核发病趋势预测分析中具有较好的应用价值。

关 键 词：时间序列分析 机器学习  肺结核 预测  

分 类 号：R521] O211.61[临床医学类] TP181]