基于机器学习组合模型的疟疾发病率预测研究

来源 :数学的实践与认识 | 被引量 : 0次 | 上传用户:wonderful_world
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
由于疟疾传播的复杂性,运用发病率历史数据和现有时间序列模型难以准确预测其发病率趋势.拟建立一种新的组合模型,以提高模型预测性能,并将其与应用较广泛的组合模型ARIMA-NNAR,ARIMA-LSTM进行比较.其中,以ARIMA(1,1,2)(0,1,0)12为基础建立的ARIMA-NNAR-XGBoost加权组合模型,各项评价指标(RMSE,MAE,MAPE分别为0.160,0.110,11.389%)相比其他模型均有较明显的提高,性能为所列模型中最佳.该模型所需数据简单,预测性能良好,是传染病预测较为方便可行的方法.
其他文献
电力产业链系统是一个复杂的大系统,其协同管理的问题日益成为电力产业的一个重大课题.首先,以产业链原理和协同学理论为指导,建立了电力产业链系统协同管理的指标体系.其次,据此构建电力产业链系统协同管理模型,并进行了序参量的求解分析.第三,以云南水电系统为例,解析出支配云南水电协同发展的关键因素——序参量及其稳定解.第四,通过数据拟合原理定义协同度,并根据序参量稳定值计算出了2004年-2017年各年度的协同度.最后,根据结果进行分析,提出了云南水电协同发展的几点建议.