应用ARIMA-GRNN组合模型分析江苏尘肺病发病情况

作者：卞子龙; 汤佳琪; 倪春辉; 朱宝立; 张恒东; 丁帮梅; 沈涵; 韩磊^*

来源：环境与职业医学, 2019, 36(08): 755-760.

DOI：10.13213/j.cnki.jeom.2019.19046

• ARIMA
• ARIMA-GM
• ARIMA-GRNN
• 尘肺
• 预测

[背景]尘肺病是中国职业人群中最常见的、危害最严重、影响面最广的职业性疾病,江苏省尘肺病发病情况十分严峻。[目的 ]基于求和自回归移动平均模型(ARIMA)与灰色模型GM(1,1)、广义神经回归网络模型(GRNN)的分别组合,构建适合江苏省尘肺病预测的组合模型。[方法 ]利用2006年1月—2017年12月江苏省尘肺病逐月新诊断病例资料构建尘肺病ARIMA预测模型,以2018年1—8月的数据作为模型测试值。将拟合尘肺病ARIMA模型时产生的残差值加上阈值3后,再用GM(1,1)模型拟合构建ARIMA-GM组合模型,拟合并预测尘肺发病数。将尘肺病ARIMA模型拟合值作为GRNN模型的输入值,尘肺病的真实发病数作为输出值,构建ARIMA-GRNN组合模型,拟合并预测。评价模型拟合效果的指标分别采用均方误差(MSE)、平均绝对误差(MAE)和平均相对误差(MRE)。[结果]三种模型拟合江苏省尘肺病新病例情况的MSE依次为ARIMA-GRNN(0.321 4)<ARIMAGM(0.704 6)<ARIMA(0.807 9),MAE分别为ARIMA-GRNN(0.398 6)<ARIMA-GM(0.632 4)<ARIMA(0.659 1),MRE分别为ARIMA-GRNN(0.161 2)<ARIMA-GM(0.183 8)<ARIMA(0.187 9)。三种模型预测2018年1—8月江苏省尘肺病新诊断情况的MSE依次为ARIMA-GRNN(0.084 3)<ARIMA(0.243 5)<ARIMA-GM(0.263 4),MAE分别为ARIMA-GRNN(0.234 5)<ARIMA(0.388 7)<ARIMA-GM(0.416 1),MRE分别为ARIMA-GRNN(0.098 1)<ARIMA(0.108 6)<ARIMA-GM(0.114 9)。各项指标都表明针对研究期间江苏省尘肺病发病情况建立的ARIMA-GRNN模型的拟合及预测误差最小。[结论 ]在江苏省尘肺病新病例预测中ARIMA-GRNN模型优于ARIMA-GM模型和单纯的ARIMA模型。

• 单位
  江苏省疾病预防控制中心