摘要 : 目的 探讨差分自回归移动平均(autoregressive integrated moving average,ARIMA)-BP神经网络(back-propagation neural network,BPNN)(ARIMA-BPNN)模型预测结核病发病率的准确性,为结核病发病率的短期预测提供依据.方法 以河北省结核病发病率数据为例... 展开 目的 探讨差分自回归移动平均(autoregressive integrated moving average,ARIMA)-BP神经网络(back-propagation neural network,BPNN)(ARIMA-BPNN)模型预测结核病发病率的准确性,为结核病发病率的短期预测提供依据.方法 以河北省结核病发病率数据为例,2005年1月—2016年12月结核病发病率数据作为训练集,2017年1月—2018年12月结核病发病率数据作为验证集.赤池信息量准则(Akaike information criterion,AIC)、贝叶斯信息准则(Bayesian information criterion,BIC)、ljung-box检验以及过度拟合检验确定最优ARIMA模型,继而构建A RIMA-BPNN模型.采用均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)和平均绝对百分比误差(mean absolute percentage error,MAPE)评价模型预测精度.统计分析软件为R 3.4.0,检验水准a=0.05.结果 ARIMA(1,1,2)(0,1,1)12 模型中 AIC=153.32、BIC=167.70、x2=3.38,P=0.760,各参数估计结果比较,差异均有统计学意义(t=-2.86、-1.93、-6.21、-1.75,均P＜0.05),在训练集中拟合度最优.在此模型的基础上,取RMSE最小值(RMSE=0.06)的训练结果作为参数取值(size=2,decay=0.01),建立ARIMA-BPNN模型.验证集中进行预测精度的比较,ARIMA模型的RMSE、MAE和MAPE分别为0.94％、0.24％和6.52％,ARIMA-BPNN模型的RMSE、MAE和MAPE分别为0.10％、0.02％和0.55％.结论 相比ARIMA模型,ARIMA-BPNN模型可提供更高的预测精度,在结核病短期发病率预测中有更好的预测效果. 收起