2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、影響傳染病發(fā)生發(fā)展的因素眾多且相互關(guān)系復(fù)雜,預(yù)測傳染病發(fā)生發(fā)展的模型也是種類繁多。目前對傳染病的預(yù)測方法可分為兩類:一類是線性回歸預(yù)測、時間序列分析、灰色模型、人工神經(jīng)網(wǎng)絡(luò)等單純預(yù)測模型,另一類是通過將兩種或多種預(yù)測模型以一定方法組合得到的組合預(yù)測模型,組合預(yù)測模型可以分成定權(quán)重組合預(yù)測模型和變權(quán)重組合預(yù)測模型兩種。
   研究目的:
   運用灰色模型(Grey Model,簡記為GM)、差分自回歸移動平均模型(Aut

2、oregressive Integrated Moving Average Model,簡記為ARIMA模型)為基礎(chǔ),構(gòu)建基于廣義回歸神經(jīng)網(wǎng)絡(luò)(Generalized Regression Neural Network,簡記為GRNN)的變權(quán)重組合預(yù)測模型,分別擬合傳染病發(fā)病率的情況,對基于GRNN的變權(quán)重組合預(yù)測模型的擬合效果進行評價,提出模型的優(yōu)越性和不足,為變權(quán)重組合預(yù)測模型的研究提供依據(jù)。
   資料和方法:
  

3、 本研究以浙中某市1998-2008年的肺結(jié)核發(fā)病率為研究資料,分別在matlab7.11.0軟件和SAS9.2軟件中構(gòu)建了灰色模型和ARIMA模型,通過預(yù)測2009年的發(fā)病率來比較具體模型的精度,并以這兩種模型為基礎(chǔ),在matlab軟件中構(gòu)建了基于GRNN預(yù)測算法的變權(quán)重組合預(yù)測模型,以簡單平均組合預(yù)測模型、加權(quán)平均組合預(yù)測模型為對照,來評價變權(quán)重組合預(yù)測模型在預(yù)測中的精度。
   主要結(jié)果:
   1.灰色模型

4、r>   利用浙中某市1998-2008年肺結(jié)核月發(fā)病率數(shù)據(jù)構(gòu)建了GM(1,1)模型和殘差修正GM(1,1)模型,并對模型進行評估,發(fā)現(xiàn)GM(1,1)模型和殘差修正GM(1,1)模型的后驗差比值C分別是0.7687和0.6187.結(jié)果顯示殘差修正GM(1,1)模型各項指標較小,認為殘差修正GM(1,1)模型的擬合效果優(yōu)于GM(1,1)模型
   2.ARIMA模型
   利用浙中某市1998-2008年肺結(jié)核月發(fā)病率數(shù)

5、據(jù)構(gòu)建了ARIMA(1,0,0)模型和ARIMA(1,0,1)*(1,1,0)12模型,兩個模型的殘差值白噪聲檢驗顯示:在延遲12階后,ARIMA(1,0,1)*(1,1,0)12模型有統(tǒng)計學意義,而ARIMA(1,0,0)模型則無統(tǒng)計學意義,且前者的AIC值為627.6154,SBC值為630.4982;后者的AIC值為587.4054,SBC值為595.7679,認為后者的擬合效果優(yōu)于前者。故選擇ARIMA(1,0,1)*(1,1,

6、0)12模型來建立組合預(yù)測模型。
   3.組合預(yù)測模型
   以灰色模型和ARIMA模型為基礎(chǔ),構(gòu)建了基于GRNN的組合預(yù)測模型,將此模型和灰色模型、ARIMA模型、簡單平均組合預(yù)測模型和加權(quán)平均組合預(yù)測模型比較,發(fā)現(xiàn)殘差修正GM(1,1)模型的MSE=37.451,MAE=5.692,MAPE=53.69%,MER=48.51%;ARIMA(1,0,1)*(1,1,0)12模型的MSE=18.509,MAE=3.76

7、1,MAPE=35.13%,MER=32.05%;簡單平均組合預(yù)測模型的MSE=28.984,MAE=4.736,MAPE=45.4%,MER=40.4%;加權(quán)平均組合預(yù)測模型的MSE=24.649,MAE=4.274,MAPE=41.0%,MER=36.4%;基于GRNN的組合預(yù)測模型的MSE=9.961,MAE=2.571,MAPE=25.6%,MER=21.9%;各項評價指標都滿足:基于GRNN的組合預(yù)測模型<ARIMA(1,0,

8、1)*(1,1,0)12模型<加權(quán)平均組合預(yù)測模型<簡單平均組合預(yù)測模型<殘差修正GM(1,1)模型,且基于GRNN的組合預(yù)測模型的各項指標與其他模型的指標相差較大,因此可以認為基于GRNN的組合預(yù)測模型的預(yù)測效果最好。
   結(jié)論:
   在本研究中,對肺結(jié)核的月發(fā)病率進行擬合發(fā)現(xiàn)殘差修正GM(1,1)模型預(yù)測精度較經(jīng)典GM(1,1)模型好,但這兩個灰色模型的預(yù)測精度都不如ARIMA模型好。ARIMA(1,0,1)*(

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論