应用SARIMA-GRNN组合模型分析肺结核流行的季节性特征  

Application of SARIMA-GRNN model to seasonal distribution of tuberculosis

作　　者：王华[1] 田昌伟[1] 王文明[1] 滕国兴[2] 

机构地区：[1]昆山市疾病预防控制中心,江苏昆山215300 [2]苏州大学公共卫生学院

出　　处：《预防医学》2019年第1期55-58,共4页CHINA PREVENTIVE MEDICINE JOURNAL

基　　金：昆山市社会发展科技计划项目(KS1452)

摘　　要：目的应用季节性差分自回归滑动平均模型(SARIMA)和广义回归神经网络(GRNN)组合模型分析肺结核流行的季节性特征,为预防和控制肺结核提供依据。方法通过国家卫生健康委员会官网收集2005—2017年全国肺结核疫情资料,应用SARIMA-GRNN组合模型分析我国肺结核流行的趋势和季节性特征。结果2005—2016年我国肺结核报告发病率平均每年下降3.17%,并且发病存在明显的季节性规律(3—6月为高峰)。SARIMA(0,1,1)(0,1,1)12模型较好的地拟合了我国肺结核发病长期趋势和季节性,其平均误差率为6.07%,决定系数为0.73。SARIMA(0,1,1)(0,1,1)12-GRNN组合模型的平均误差率为2.56%,决定系数为0.94。SARIMA(0,1,1)(0,1,1)12-GRNN组合模型预测的准确性优于SARIMA(0,1,1)(0,1,1)12模型,2017年的验证数据结果与此一致。结论2005—2016年中国肺结核报告发病率平均每年下降3.17%,肺结核的发病高峰集中在每年3—6月,具有明显的季节性。

关 键 词：肺结核 季节性 季节性差分自回归滑动平均模型 广义回归神经网络 

分 类 号：R183.3[医药卫生—流行病学]