传染病组合预测模型的构建——基于R软件

作者：刘天; 阮德欣; 侯清波; 陈红缨^*

来源：疾病监测, 2023, 38(09): 1094-1100.

• 组合模型
• R软件
• 预测
• 权重
• 自回归移动平均模型
• 自回归神经网络模型

目的 利用R软件构建传染病组合预测模型，为疾病监测工作者提供参考。方法 以全国（不含香港、澳门特别行政区和台湾省数据）、吉林省、辽宁省、黑龙江省2004—2017年肾综合征出血热（HFRS）逐月发病率作为训练数据拟合模型，2018年1—12月数据用于评价预测效果。组合模型选择自回归移动平均模型（SARIMA）、指数平滑模型（ETS）、自回归神经网络模型（NNETAR）、指数平滑空间状态模型（TBATS）进行组合，采用R软件“forecastHybrid”包构建。单一模型权重相同的组合模型记为组合模型A；单一模型权重根据训练数据拟合效果确定，记为组合模型B。采用平均绝对误差百分比（MAPE）、离均差平方和（RMSE）评价6个模型拟合及预测效果。选取2004—2011年、2004—2012年、2004—2013年、2004—2014年、2004—2015年、2004—2016年、2004—2017年数据作为训练集分别建立模型，预测未来1—12月发病率进行敏感性分析。计算组合模型拟合及预测的MAPE、RMSE顺位累计和评价模型拟合及预测效果稳定性。结果 SARIMA、ETS、NNETAR、TBATS、组合模型A、组合模型B在全国、吉林省、辽宁省、黑龙江省拟合的MAPE依次为11.81%、 9.75%、11.50%、9.71%、8.09%、8.06%;29.63%、15.39%、23.04%、14.60%、16.33%, 16.29%;19.76%、15.48%、3.93%、15.24%、12.66%、7.08%;21.92%、17.96%、6.73%、15.80%、13.55%、 10.29%。上述6个模型在上述4个地区预测的MAPE依次为23.38%、20.35%、11.01%、34.28%、17.03%、16.02%;11.72%、14.26%、24.32%、14.16%、11.93%、11.92%; 28.09%、27.57%、29.19%、27.32%、26.91%、26.49%;23.72%、33.28%、28.96%、33.75%、25.86%、27.31%。上述6个模型在上述4个地区拟合的RMSE依次为0.01、0.01、0.01、0.01、0.01、0.01;0.08、0.08、0.05、0.08、0.05、0.05;0.08、0.07、0.01、0.07、0.04、0.02;0.16、0.16、 0.04、0.15、0.08、0.06。上述6个模型在上述4个地区预测的RMSE依次为0.02、0.01、0.02、 0.02、0.01、0.01;0.03、0.04、0.07、0.04、0.05、0.05;0.07、0.05、0.05、0.05、0.05、0.05;0.13、0.14、0.11、0.14、0.12、0.12。敏感性分析显示，从拟合效果来看，组合模型B总体上在4个地区均居首位；组合模型A居2～4位。从预测效果来看，组合模型在4个地区的2个评价指标中最优位次为首位或第2位。结论 组合模型拟合及预测优于单一模型，根据训练数据拟合效果确定模型权重的组合模型为最优模型。利用R软件通过简单编程即能构建组合模型，值得推广应用。

• 单位
  长江大学; 湖北省疾病预防控制中心