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15 | 下载0

目的 探讨Prophet与ARIMA模型2种预测方法在四川省COVID-19累计确诊病例的预测价值.方法 通过四川省卫生健康委员会官网收集2022年1月1日至4月8日四川省COVID-19累计确诊病例,分别采用ARIMA模型与Prophet模型进行建模预测,采用MAE、MAPE、RMSE等3个指标评价预测效果.结果 ARIMA(0,2,1)为最优模型,且模型参数差异有统计学意义(P<0.001),模型的残差为白噪声序列(P=0.095);建立了包括趋势、节假日、周、日成分的Prophet模型;Prophet模型在训练集和测试集的MAE、MAPE和RMSE值均小于ARIMA(0,2,1)模型.结论Prophet模型能够较好的预测四川省COVID-19累计确诊病例,在传染病领域具有较好的推广应用价值.

作者:赵大仁

来源:预防医学情报杂志 2023 年 39卷 6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:15 | 下载:0
作者:
赵大仁
来源:
预防医学情报杂志 2023 年 39卷 6期
标签:
COVID-19 Prophet模型 ARIMA模型 预测 COVID-19 Prophet model ARIMA model prediction
目的 探讨Prophet与ARIMA模型2种预测方法在四川省COVID-19累计确诊病例的预测价值.方法 通过四川省卫生健康委员会官网收集2022年1月1日至4月8日四川省COVID-19累计确诊病例,分别采用ARIMA模型与Prophet模型进行建模预测,采用MAE、MAPE、RMSE等3个指标评价预测效果.结果 ARIMA(0,2,1)为最优模型,且模型参数差异有统计学意义(P<0.001),模型的残差为白噪声序列(P=0.095);建立了包括趋势、节假日、周、日成分的Prophet模型;Prophet模型在训练集和测试集的MAE、MAPE和RMSE值均小于ARIMA(0,2,1)模型.结论Prophet模型能够较好的预测四川省COVID-19累计确诊病例,在传染病领域具有较好的推广应用价值.