7种时间序列模型对全国肾综合征出血热发病率预测效果比较

作者：刘天; 姚梦雷; 侯清波; 黄继贵; 吴杨; 杨瑞; 陈红缨^*

来源：中国媒介生物学及控制杂志, 2022, 33(04): 548-554.

• 肾综合征出血热
• 预测模型
• 指数平滑空间状态模型
• 乘积季节自回归移动平均模型
• 中国

目的 比较7种常用时间序列模型对全国肾综合征出血热（HFRS）发病率拟合及预测的效果，为优化HFRS预警方法提供参考。方法 以2004年1月-2017年6月全国HFRS发病率作为训练数据，建立乘积季节自回归移动平均模型（SARIMA）、指数平滑模型（ETS）、时间序列线性模型（TSLM）、自回归神经网络模型（NNAR）、指数平滑空间状态模型（TBATS）、时间序列3次样条平滑模型（TSSPLINE）和时间序列广义回归模型（TSGRNN），并预测2017年7-12月全国HFRS发病率。以2017年7-12月全国HFRS发病率作为测试数据，比较拟合值与训练数据、预测值与测试数据评价模型拟合及预测效果，评价指标包括平均绝对误差百分比（MAPE）和均数标准差（RMSE）。结果 SARIMA(0,1,4)(2,1,1)[12]为SARIMA最优模型，NNAR(16,1,8)[12]为NNAR最优模型。SARIMA、ETS、TSLM、NNAR、TBATS、TSSPLINE和TSGRNN模型拟合的MAPE、RMSE分别为11.46%、0.01,10.25%、0.01,33.91%、0.03,1.84%、0.00,8.92%、0.01,10.82%、0.01和22.29%、0.02。SARIMA、ETS、TSLM、NNAR、TBATS、TSSPLINE和TSGRNN模型预测的MAPE、RMSE分别为20.51%、0.03,17.22%、0.02,55.27%、0.03,36.27%、0.05,18.03%、0.02,118.82%、0.05和38.71%、0.04。结论 TBATS为最优预测预警模型，适于优化HFRS预警模型。

• 单位
  湖北省疾病预防控制中心