刘红杨，刘洪庆，李望晨，赵 晶

    ·论著·

    ·方法学研究·

    差分自回归移动平均与广义回归神经网络组合模型在丙型肝炎月发病率中的预测应用

    刘红杨，刘洪庆*，李望晨，赵 晶

    目的 探讨差分自回归移动平均(ARIMA)与广义回归神经网络(GRNN)组合模型在丙型肝炎月发病率中预测建模效果及应用前景，为疫情预测提供依据。方法 2015年5月—2016年5月，选取山东省疾病预防控制中心法定传染病直报系统2004—2014年丙型肝炎月度发病率数据及山东省统计局发布的同期人口资料。对2004—2014年山东省丙型肝炎月发病率数据构建ARIMA模型，验证拟合精度并外推预测；将ARIMA模型拟合值作为GRNN模型的输入，实际值作为GRNN模型的输出，对样本进行训练和预测。比较单纯ARIMA模型和ARIMA-GRNN组合模型在丙型肝炎月发病率中的预测效果。结果 2004—2014年山东省丙型肝炎年均发病率为17.28/10万，并随着时间的推移呈上升趋势(Z=29.05，P1 资料与方法

    1.1 资料来源 2015年5月—2016年5月，选取山东省疾病预防控制中心法定传染病直报系统2004—2014年丙型肝炎月度发病率数据及山东省统计局发布的同期人口资料，数据真实、可靠。

    1.2 方法

    1.2.1 ARIMA(p，d，q)模型 ARIMA模型是20世纪70年代初BOX等[6]提出的著名的时间序列预测方法。该模型较灵活，在预测过程中既考虑了序列依存性，又考虑了随机波动的干扰性，对短期预测的精度较高，故广泛应用于各类对象的定量预测。建模过程分为4步：序列平稳性检验及平稳化处理、模型识别、参数估计和模型检验、预测应用。本研究利用2004—2013年山东省丙型肝炎月发病率数据建立模型并拟合外推，以2014年实际数据检验模型预测效果。

    1.2.2 ARIMA-GRNN组合模型 GRNN模型最早由美国学者SPECHT[7]在1991年提出，是径向基神经网络(RBFNN)的一个分支，适用于解决非线性问题，具有良好的全局逼近性和最佳逼近性质，是一种新颖有效的前馈式神经网络模型。该模型有输入层、径向基隐含层和线性输出层3层组织构成。GRNN中的调节参数仅有一个，即光滑因子。一般光滑因子越小，GRNN对样本的逼近性能就越强；光滑因子越大，GRNN对样本的逼近过程就越平滑。由于GRNN模型的学习全部依赖数据样本，所以其能尽量避免人为等主观因素对预测结果产生的影响。GRNN模型在于逼近能力、分类能力和学习速度方面有较强的优势 ......