两种模型对百日咳发病数预测效果的比较研究

作者：卢慧子; 孙磊^*

来源：中国公共卫生管理, 2023, 39(03): 400-406.

DOI：10.19568/j.cnki.23-1318.2023.03.0031

• 百日咳
• RBF神经网络模型
• ARIMA模型

目的 分析2004—2020年我国百日咳发病数据，了解百日咳发病特征及规律，比较径向基函数(Radial Basis Function,RBF)神经网络模型、自回归综合移动平均模型(autoregressive integrated moving average model,ARIMA)对百日咳发病数的预测效果，为防控百日咳提供依据。方法 选取2004—2020年《中国卫生和计划生育统计年鉴》中的百日咳逐月发病数作为拟合数据，建立RBF神经网络模型和ARIMA模型，对2021年1—9月我国百日咳月发病数进行拟合预测，根据国家卫生健康委员会官方网站发布的2021年1—9月百日咳实际月发病数，比较两种模型的预测效果。结果 ARIMA (2,1,0)(1,0,1)12对2021年1—9月发病数预测的平均相对误差为-34.98%,RBF神经网络模型预测百日咳发病数的平均相对误差为-24.75%。RBF神经网络模型在拟合效果数值上优于ARIMA (2,1,0)(1,0,1)12的拟合效果，但差异无统计学意义(Z=-0.839,P=0.402)，尚不能认为RBF神经网络模型拟合效果优于ARIMA模型。结论 RBF神经网络模型和ARIMA模型均能短期预测百日咳发病情况。