基于三种时间序列模型对广州市肾综合征出血热发病率的预测比较研究

目的 利用GM(1,1)、ARIMA和BP神经网络模型探索肾综合征出血热(hemorrhagic fever with renal syndrome,HFRS)预测预警的最优模型,为广州市的HFRS防控预测预警提供科学建议.方法 系统收集广州市2006-2019年HFRS发病数据,采用GM(1,1)、ARIMA和BP神经网络模型以及混合模型对2006-2016年发病率进行拟合建立HFRS预测已经模型,并对2017-2019年发病率进行预测,通过平均相对误差选取最佳预测预警模型.结果 2006-2019年广州市共报告HFRS病例2 453例,年均发病率1.373/10万,2013年发病率最高,为1.794/10万,2019年发病率最低,为0.954/10万.1-4月共报告1 106例病例,占病例总数的45.08％.ARMIA(0,1,1)(0,1,1)12模型预测的平均相对误差最小为27.75％,GM(1,1)、BP神经网络、BP-GM和BP-ARIMA模型预测的平均相对误差分别为33.280％、27.750％、29.670％、46.210％和46.600％.结论 基于月度数据进行建模的ARIMA模型识别异常值的能力更好,且预测的平均相对误差率最小.