RNN、JPR及ARIMA 3种模型预测中国农村孕产妇死亡率的比较

作者：尹小兰; 何芯芯; 杜林; 李远盛; 张俊辉^*

来源：中华疾病控制杂志, 2023, 27(11): 1308-1313.

DOI：10.16462/j.cnki.zhjbkz.2023.11.011

• 孕产妇死亡率
• 循环神经网络模型
• Joinpoint回归模型
• 差分自回归移动平均模型
• 预测

目的 利用循环神经网络(recurrent neural network, RNN)模型、Joinpoint回归(Joinpoint regression, JPR)模型、差分自回归移动平均(autoregressive integrated moving average, ARIMA)模型预测中国农村孕产妇死亡率(maternal mortality rate, MMR)的应用价值，并对《“健康中国2030”规划纲要》等文件提出的MMR下降目标能否实现进行统计预测。方法 基于2000―2019年中国农村MMR数据建立RNN、JPR及ARIMA模型，通过平均绝对误差(mean absolute error, MAE)、均方误差(mean squared error, MSE)、均方根误差(root mean square error, RMSE)比较3种模型的回代拟合效果，通过残差及相对误差比较3种模型对2020年中国农村MMR数据进行点预测的效果，利用优选模型对2021―2030年中国农村的MMR进行预测。结果 2000―2020年中国农村的MMR整体呈持续下降趋势。3种模型回代拟合效果由好到差排序为：RNN>JPR>ARIMA,RNN模型的MAE、MSE、RMSE均<0.02。3种模型的点预测效果由好到差排序为：RNN>JPR>ARIMA。最优的RNN模型预测结果显示，2022年中国农村MMR预测值为18.02/10万，能够实现《“健康中国2030”规划纲要》等文件的下降目标；2025及2030年中国农村MMR预测值分别为17.58/10万、17.27/10万，均不能实现《“健康中国2030”规划纲要》等文件的下降目标。结论 RNN模型预测效果优于JPR模型及ARIMA模型，JPR模型预测效果一般，ARIMA模型不太适合本数据的预测。

• 单位
  公共卫生学院; 西南医科大学