ARIMA乘积季节模型和LSTM深度神经网络对石家庄市手足口病疫情预测效果的比较

作者：高秋菊; 周宇畅; 赵树青; 张世勇^*

来源：中华疾病控制杂志, 2020, 24(01): 73-78.

DOI：10.16462/j.cnki.zhjbkz.2020.01.015

• 手足口病
• ARIMA
• LSTM
• 月发病数
• 预测

目的运用自回归移动平均(autoregressive integrated moving average model,ARIMA)乘积季节模型和长期短期记忆网络(long short term memory,LSTM)对石家庄市手足口病(hand, foot and mouth disease,HFMD)的发病趋势进行预测,为疫情防控工作提供理论依据。方法利用Eviews 8.0和python 3.7.1软件对2013年1月-2018年5月石家庄市HFMD逐月发病数据分别建立ARIMA乘积季节模型和LSTM神经网络,以2018年6月-2019年5月的发病资料检验模型预测精度,最后应用模型预测2019年6月-2019年8月的月发病数。结果最优模型ARIMA(1,0,0)×(1,1,2)12和LSTM神经网络外推预测2018年6月-12月的MAPE分别为22.14和10.03,而外推预测2018年6月至2019年5月的MAPE分别为43.84和25.26,提示LSTM神经网络的拟合效果和预测精度优于ARIMA模型,预测结果与实际情况基本一致。结论 LSTM神经网络对石家庄市HFMD发病趋势的拟合度和预测效果较好,能够为手足口病疫情的预测预警工作提供指导。

• 单位
  石家庄市疾病预防控制中心; 中国人民解放军陆军军医大学