單純ARIMA模型和ARIMA-GRNN組合模型在猩紅熱月發(fā)病率中的預(yù)測效果比較
發(fā)布時間:2020-08-26 09:28
【摘要】:摘要目的整理某市1985年~2008年猩紅熱月發(fā)病率資料,探討單純求和自回歸滑動平均(ARIMA)模型和求和自回歸滑動平均模型與廣義回歸神經(jīng)網(wǎng)絡(luò)(ARIMA-GRNN)組合模型在1985年~2008年猩紅熱月發(fā)病率的擬合與預(yù)測研究中的應(yīng)用。方法收集1985年~2008年猩紅熱月發(fā)病率和1985年~2006年每月氣象因素資料。用秩相關(guān)對猩紅熱月發(fā)病率與氣象因素間進行單因素分析。對1985年~2008年猩紅熱月發(fā)病率資料進行統(tǒng)計分析,選取合適時間段資料用于模型的擬合。先對資料建立ARIMA模型,然后將猩紅熱月發(fā)病率的ARIMA模型擬合值作為GRNN網(wǎng)絡(luò)的輸入,猩紅熱月發(fā)病率的實際值作為網(wǎng)絡(luò)的輸出來訓練網(wǎng)絡(luò)。最后比較單純ARIMA模型和ARIMA-GRNN組合模型的效果。結(jié)果猩紅熱月發(fā)病率可能與平均氣溫、平均相對濕度和最低氣溫有統(tǒng)計學關(guān)聯(lián)。由于時間序列分析具有以時間變量綜合代替各影響因素的優(yōu)點,不需要知道影響結(jié)局變量的相關(guān)因素,所以在后期建模時沒有考慮氣象因素對猩紅熱發(fā)病率的影響。1985年~2008年猩紅熱月發(fā)病率資料經(jīng)過初步分析,最后選取1990年~2008年猩紅熱月發(fā)病率為建模數(shù)據(jù)。經(jīng)Cox-Stuarts趨勢檢驗,提示1990年~2008年猩紅熱月發(fā)病率沒有上升或者下降的趨勢,同時白噪聲檢驗也提示1990年~2008年猩紅熱月發(fā)病率不是白噪聲序列而是蘊含一定量的信息。SPSS19.0提供的Expert Modeler建模器提示ARIMA(0 , 0 , 2)×(1 , 0 , 1)12模型為最優(yōu)模型,模型表達式為(1 - 0.974 B~(12))X_t= 0.15 +(1 + 0.366 B + 0.363 B~2 )(1 - 0.863B~(12) )ε_t。該模型殘差通過白噪聲檢驗,Box-Ljung Q統(tǒng)計量為15.857(P=0.322)。光滑因子從0.001開始取值,每次增加一個單位量0.001到0.02,分別對待估點進行預(yù)測,計算待估點預(yù)測值與實際值誤差序列的誤差均方根(RMSE)值,最后光滑因子確定為0.007,此時待估點的RMSE值達到最小為0.04356。單純ARIMA模型和ARIMA-GRNN組合模型的平均誤差率(MER)分別為35.5%、31.2%;決定系數(shù)(R~2)分別為0.703、0.761。結(jié)論單純ARIMA模型和ARIMA-GRNN組合模型均可以用于1990年~2008年猩紅熱月發(fā)病率的擬合與預(yù)測的研究中,而ARIMA-GRNN組合模型的效果要優(yōu)于單純ARIMA模型。
【學位授予單位】:安徽醫(yī)科大學
【學位級別】:碩士
【學位授予年份】:2011
【分類號】:R181.3
【圖文】:
神經(jīng)元個數(shù)為訓練樣本數(shù)。第三層為線性輸出層,其權(quán)函數(shù)是規(guī)范化點積權(quán)函數(shù),計算網(wǎng)絡(luò)的輸出。廣義回歸神經(jīng)網(wǎng)絡(luò)是一種新穎有效的前饋式神經(jīng)網(wǎng)絡(luò)模型,通常用來實現(xiàn)函數(shù)逼近,其結(jié)構(gòu)如圖2。廣義回歸神經(jīng)網(wǎng)絡(luò)的初始化就是對訓練樣本的學習過程,學習樣本確定,則圖 2 廣義回歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig 2 Structure schedule of general regression neural network
22圖 3 1985~2008 年猩紅熱月發(fā)病率時序圖Fig 3 The sequence chart of the monthly incidence of scarlet fever from 1985 to2008
圖 4 不同年份猩紅熱月發(fā)病率時序圖Fig 4 The sequence chart of the monthly incidence of scarlet fever grouped by year3.1.2 猩紅熱月發(fā)病率與各氣象因素的相關(guān)性分析在全球氣候普遍變暖的情況下,氣象因素與疾病的關(guān)系愈來愈受到人們關(guān)注。本研究收集 1985 年~2006 年各月降水量、平均氣壓、平均氣溫、平均相對濕度和最低氣溫等氣象因素,各氣象因素的時序圖見圖 5~圖 9。本研究為了探討猩紅熱月發(fā)病率與降水量、氣壓、平均氣溫、相對濕度和最低氣溫間的統(tǒng)計學關(guān)聯(lián),為以后的猩紅熱發(fā)病率與氣象因素的研究提供線索,對猩紅熱月發(fā)病率與降水量、平均氣壓、平均氣溫、平均相對濕度和最低氣溫等氣象因素進行單因素分析。對各氣象因素進行正態(tài)性檢驗,正態(tài)性檢驗結(jié)果提示各氣象因素來自偏態(tài)分布總體,所以用 Spearman 秩相關(guān)衡量猩紅熱與各氣象因素間的相關(guān)性,Spearman 秩相關(guān)分析結(jié)果見表 4,同時用中位數(shù)、最小值和最大值對各氣象因素進行統(tǒng)計描述,結(jié)果
本文編號:2805000
【學位授予單位】:安徽醫(yī)科大學
【學位級別】:碩士
【學位授予年份】:2011
【分類號】:R181.3
【圖文】:
神經(jīng)元個數(shù)為訓練樣本數(shù)。第三層為線性輸出層,其權(quán)函數(shù)是規(guī)范化點積權(quán)函數(shù),計算網(wǎng)絡(luò)的輸出。廣義回歸神經(jīng)網(wǎng)絡(luò)是一種新穎有效的前饋式神經(jīng)網(wǎng)絡(luò)模型,通常用來實現(xiàn)函數(shù)逼近,其結(jié)構(gòu)如圖2。廣義回歸神經(jīng)網(wǎng)絡(luò)的初始化就是對訓練樣本的學習過程,學習樣本確定,則圖 2 廣義回歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig 2 Structure schedule of general regression neural network
22圖 3 1985~2008 年猩紅熱月發(fā)病率時序圖Fig 3 The sequence chart of the monthly incidence of scarlet fever from 1985 to2008
圖 4 不同年份猩紅熱月發(fā)病率時序圖Fig 4 The sequence chart of the monthly incidence of scarlet fever grouped by year3.1.2 猩紅熱月發(fā)病率與各氣象因素的相關(guān)性分析在全球氣候普遍變暖的情況下,氣象因素與疾病的關(guān)系愈來愈受到人們關(guān)注。本研究收集 1985 年~2006 年各月降水量、平均氣壓、平均氣溫、平均相對濕度和最低氣溫等氣象因素,各氣象因素的時序圖見圖 5~圖 9。本研究為了探討猩紅熱月發(fā)病率與降水量、氣壓、平均氣溫、相對濕度和最低氣溫間的統(tǒng)計學關(guān)聯(lián),為以后的猩紅熱發(fā)病率與氣象因素的研究提供線索,對猩紅熱月發(fā)病率與降水量、平均氣壓、平均氣溫、平均相對濕度和最低氣溫等氣象因素進行單因素分析。對各氣象因素進行正態(tài)性檢驗,正態(tài)性檢驗結(jié)果提示各氣象因素來自偏態(tài)分布總體,所以用 Spearman 秩相關(guān)衡量猩紅熱與各氣象因素間的相關(guān)性,Spearman 秩相關(guān)分析結(jié)果見表 4,同時用中位數(shù)、最小值和最大值對各氣象因素進行統(tǒng)計描述,結(jié)果
【引證文獻】
相關(guān)博士學位論文 前1條
1 余志剛;我國糧食宏觀調(diào)控的計量分析與政策選擇[D];吉林大學;2012年
相關(guān)碩士學位論文 前1條
1 趙妍;ARIMA模型和控制圖法在豬肺疫預(yù)測預(yù)警中的應(yīng)用研究[D];東北農(nóng)業(yè)大學;2013年
本文編號:2805000
本文鏈接:http://www.wukwdryxk.cn/yixuelunwen/liuxingb/2805000.html
最近更新
教材專著