论文部分内容阅读
目的本研究通过对辽宁省甲肝数据进行描述性分析和统计,了解辽宁省甲肝发病趋势及流行特征,利用辽宁省非沿海地区甲肝发病数据建立差分自回归移动平均模型(ARIMA模型)、反向传播神经网络模型(BPNN模型)、差分自回归移动平均-反向传播神经网络组合模型(ARIMA-BPNN组合模型),对比预测效果,选择最优预测模型,探讨疾病流行规律,实现甲肝暴发和流行的早期预警,为甲肝防控提供科学依据。方法通过查询中国疾病监测信息报告管理系统得到2004—2016年辽宁省及各市甲肝月发病数据,由辽宁省统计年鉴获得人口数据,月发病率=月发病数/当年人口数X105。采用描述性分析方法对数据进行分析,描述辽宁省甲肝发病的流行强度、时间、地区、年龄、职业等流行病学特征。通过2004—2015年辽宁省非沿海地区甲肝月发病率数据建立ARIMA模型、BPNN模型及ARIMA-BPNN组合模型,对2016年甲肝发病进行预测,根据2016年各模型预测值与实际值之间的均方误差(MSE)和平均相对误差(MAPE)2个预测精度指标评价预测效果,精度指标越小,预测效果越好,得到最优预测模型。结果(1)通过2004—2016年辽宁省甲肝流行特征分析表明,辽宁省甲肝发病呈先下降后上升趋势,高发时间为每年的2～4月份左右。高危地区出现在辽宁省沿海地区。发病人群中所有年龄组男性的发病人数均多于女性,年龄集中在25～39岁年龄段。农民仍然是主要发病职业,家务及待业比例上升。(2)本研究以辽宁省非沿海地区甲肝月发病率为拟合对象,分别建立ARIMA模型、BPNN模型及ARIMA-BPNN组合模型,建立的ARIMA模型各参数为p=1,d=1,q=1,P=0,D=1,Q=1,S=12,模型为 ARIMA(1,1,1)(0,1,1)12,预测 2016年发病率,得到MSE为0.0060、MAPE为0.4485;BPNN模型通过反复尝试确定网络结构为3-10-1,即网络输入是用过去3年历史同期发病率数据,网络输出是下1年同期发病率,隐含层神经元数为10,预测2016年发病率,得到MSE为0.0109、MAPE为0.3523;组合模型是将ARIMA模型预测值作为BPNN模型的网络输入,实际值为网络输出,通过不断尝试所构建,预测2016年发病率,得到MSE为0.0061、MAPE为0.4518;通过预测精度比较,最终选取ARIMA模型为最优预测模型。结论(1)辽宁省甲肝发病仍以沿海地区为主,青壮年发病居多,应在继续做好甲肝常规免疫的同时,有针对性的开展甲肝免疫策略研究对防控甲肝具有重要意义。(2)本研究拟合的非沿海地区甲肝预测模型中,实际值在ARIMA(1,1,1)(0,1,1)12模型的预测范围内,可以采用ARIMA(1,1,1)(0,1,1)12模型对未来辽宁省非沿海的甲肝发病率进行预测,为应对甲肝疫情提供支持工具。