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271 | 下载0

目的 探索流行性腮腺炎月发病数的最佳预测模型,为流腮发病的预测和预警提供理论依据.方法 使用SPSS18.0软件,分别采用单纯自回归移动平均模型(ARIMA模型)、自回归移动平均-多层感知器神经网络模型(ARIMA-MLP组合模型)及自回归移动平均-径向基函数神经网络模型(ARIMA-RBF组合模型)对陕西省2009-2014年流腮月发病数进行拟合,找出最佳预测模型.结果 单纯ARIMA模型拟合优度R2值为0.831,平均绝对误差(MAE)值为267.49;ARIMA-MLP组合模型的R2值为0.881,MAE值为208.01;ARIMA-RBF组合模型的R2值为0.898,MAE值为205.82.结论 ARIMA-RBF组合模型对陕西省流腮月发病数预测效果最佳,可以为流腮发病的预测、预警提供理论依据.

作者:曹磊;张义;刘峰;邓勇;陈飒;张志成;周体操

来源:公共卫生与预防医学 2016 年 27卷 2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:271 | 下载:0
作者:
曹磊;张义;刘峰;邓勇;陈飒;张志成;周体操
来源:
公共卫生与预防医学 2016 年 27卷 2期
标签:
流行性腮腺炎 自回归移动平均模型 多层感知器神经网络模型 径向基函数神经网络模型 Mumps Autoregressive moving average model Multilayer perceptron neural network model Radial basis function neural network model
目的 探索流行性腮腺炎月发病数的最佳预测模型,为流腮发病的预测和预警提供理论依据.方法 使用SPSS18.0软件,分别采用单纯自回归移动平均模型(ARIMA模型)、自回归移动平均-多层感知器神经网络模型(ARIMA-MLP组合模型)及自回归移动平均-径向基函数神经网络模型(ARIMA-RBF组合模型)对陕西省2009-2014年流腮月发病数进行拟合,找出最佳预测模型.结果 单纯ARIMA模型拟合优度R2值为0.831,平均绝对误差(MAE)值为267.49;ARIMA-MLP组合模型的R2值为0.881,MAE值为208.01;ARIMA-RBF组合模型的R2值为0.898,MAE值为205.82.结论 ARIMA-RBF组合模型对陕西省流腮月发病数预测效果最佳,可以为流腮发病的预测、预警提供理论依据.