您当前的位置：
首页 > 文献资料
所属专业：
广义回归神经网络模型文献资料
-
ARIMA模型与GRNN模型对肺结核发病率预测的对比研究
目的 比较自回归移动平均(ARIMA)模型与广义回归神经网络(GRNN)模型对于肺结核发病率的预测性能.方法 根据我国2004年1月至2012年12月的肺结核逐月发病率数据资料,应用Eviews 7.0.0.1建立ARIMA模型,应用Matlab 7.1的神经网络工具箱建立GRNN模型;选取2013年肺结核逐月发病率数据对两种预测模型进行检验,比较预测结果.结果 ARIMA模型和GRNN模型的Theil不等系数(TIC)分别是0.034和0.059,说明ARIMA模型对我国2013年肺结核逐月发病率的拟合程度优于GRNN模型,ARIMA模型相对误差绝对值仅为GRNN模型的57.19％.结论 ARIMA预测模型更适合用于我国肺结核发病率的预测;建议尝试组合模型预测肺结核发病率.
关键词： 回归移动平均模型 广义回归神经网络模型 肺结核 预测 -
ARIMA乘积季节模型与广义回归神经网络模型在布鲁菌病发病预测的比较
目的 探讨适合全国布鲁菌病发病的预测模型,为布鲁菌病预测预警系统提供参考.方法 利用中国疾病预防控制中心2011年1月至2016年12月按月报告的布鲁菌病发病数历史疫情数据,分别建立求和(差分)自回归移动平均(ARIMA)乘积季节预测模型和广义回归神经网络(GRNN)模型,对2017年1～8月月报数进行预测,采用实际发病数与两种模型预测数进行比较,评价指标为平均相对误差、平均绝对误差.结果 建立的ARIMA(0,1,1)(0,1,1)12乘积季节模型平均绝对误差、平均相对误差分别是989、0.23,GRNN模型平均绝对误差、平均相对误差分别是561、0.14,均小于ARIMA模型.结论 ARIMA模型和GRNN模型均可用于预测布病的发病数,后者预测效能优于前者.
关键词： 求和(差分)自回归移动平均 乘积季节模型 布鲁菌病 广义回归神经网络模型 时间序列 预测
