您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览186 | 下载54

目的 评价ARIMA和GM(1,1)模型在细菌性痢疾发病预测的应用效果,为选择适宜的预测方法提供依据.方法 利用深圳沙井街道2006-2013年的细菌性痢疾的发病数据构建ARIMA模型和GM(1,1)模型,评价拟合效果.结果 建立的ARIMA(1,1,1)(0,1,1)12模型为:(1-0.623B)(1-B)(1-B12)Yt=(1-0.963B)(1-0.72B12)et,GM(1,1)模型为:Y(t+1)=-190.506e-0.230031 +250.126.两个模型的平均误差率(MER)分别为2.91%和6.24%;决定系数分别为0.994和0.967. 结论 ARIMA模型对细菌性痢疾发病率预测的效果较好,但在预测传染病发病的时候,尽可能地使用多种模型进行拟合,挑选出效果最好的.

作者:郑磊;刘德坚;许贤

来源:实用预防医学 2015 年 22卷 3期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:186 | 下载:54
作者:
郑磊;刘德坚;许贤
来源:
实用预防医学 2015 年 22卷 3期
标签:
ARIMA模型 灰色模型 细菌性痢疾 预测 ARIMA model GM(1,1) gray model Bacillary dysentery Forecasting
目的 评价ARIMA和GM(1,1)模型在细菌性痢疾发病预测的应用效果,为选择适宜的预测方法提供依据.方法 利用深圳沙井街道2006-2013年的细菌性痢疾的发病数据构建ARIMA模型和GM(1,1)模型,评价拟合效果.结果 建立的ARIMA(1,1,1)(0,1,1)12模型为:(1-0.623B)(1-B)(1-B12)Yt=(1-0.963B)(1-0.72B12)et,GM(1,1)模型为:Y(t+1)=-190.506e-0.230031 +250.126.两个模型的平均误差率(MER)分别为2.91%和6.24%;决定系数分别为0.994和0.967. 结论 ARIMA模型对细菌性痢疾发病率预测的效果较好,但在预测传染病发病的时候,尽可能地使用多种模型进行拟合,挑选出效果最好的.

Baidu
map