GM（1,1）灰色模型、马尔可夫链模型及其组合模型和SARIMA模型在甲肝发病数预测中的应用效果比较

doi:10.13217/j.scjpm.2019.0128

华南预防医学 ›› 2019, Vol. 45 ›› Issue (2): 128-132.doi: 10.13217/j.scjpm.2019.0128

GM（1,1）灰色模型、马尔可夫链模型及其组合模型和SARIMA模型在甲肝发病数预测中的应用效果比较

刘天¹, 王芸², 姚梦雷¹, 黄继贵¹, 吴杨³, 童叶青³

1.荆州市疾病预防控制中心,湖北荆州434000;
2.庆阳市疾病预防控制中心;
3.湖北省疾病预防控制中心

收稿日期:2018-11-30 出版日期:2019-04-20 发布日期:2019-05-15
通讯作者: 吴杨,E-mail：6021975@qq.com
作者简介:刘天（1991—）,男,大学本科,医师,主要从事急性传染病预防控制工作
基金资助:
湖北省卫生计生委创新团队项目（WJ2016JT-002）

Comparisons of GM（1,1） gray model, Markov chain model, their combined model, and SARIMA model in predicting monthly reported caseload of hepatitis A

LIU Tian¹, WANG Yun², YAO Meng-lei¹, HUANG Ji-gui¹, WU Yang³, TONG Ye-qing³

1.Jingzhou Municipal Center for Disease Control and Prevention,Jingzhou 434000,China;
2. Qingyang City Center for Disease Control and Prevention; 3. Hubei Provincial Center for Disease Control and Prevention

Received:2018-11-30 Online:2019-04-20 Published:2019-05-15

摘要/Abstract

摘要： 目的比较GM（1,1）灰色模型、马尔可夫链模型及其组合模型和SARIMA模型在甲肝发病数预测中的应用效果。方法利用2010—2014年江西省甲肝逐月发病数数据,分别拟合GM（1,1）灰色模型、马尔可夫链模型、灰色马尔可夫链组合模型和SARIMA模型。利用4个模型预测2015年1—12月甲肝发病数并与实际值比较,采用平均绝对百分比误差（MAPE）、平均误差率（MER）、均方误差（MSE）和平均绝对误差（MAE）4个指标评模型预测效果。结果 2010—2015年江西省累计报告甲肝2 939例,甲肝发病数整体呈逐年下降趋势（r_s=-0.838,P<0.01）。SARIMA（0,1,1）（1,0,0）₁₂为最优SARIMA模型;GM（1,1）灰色模型拟合精度为合格。模型预测的MAPE从低到高依次为灰色马尔可夫链组合模型（23.894%）、SARIMA模型（25.529%）、GM（1,1）灰色模型（28.429%）、马尔可夫链模型（39.426%）;MER从低到高依次为SARIMA模型（21.303%）、灰色马尔可夫链组合模型（25.574%）、灰色模型（30.717%）、马尔可夫链模型（35.203%）;MSE 和MAE 从低到高依次均为SARIMA模型（45.293、4.918）、灰色马尔可夫链组合模型（47.122、5.903）、灰色模型（67.738、7.091）、马尔可夫链模型（85.252、8.126）。结论灰色马尔可夫链组合模型和SARIMA模型预测效果较好,可以用于甲肝发病数的预测。

关键词: 模型, 统计学, 肝炎, 甲型, 预测

Abstract: Objective To compare effects of GM（1,1） gray model, Markov chain model, the gray and Markov chain combined model, and SARIMA model on predicting monthly reported cases of hepatitis A. Methods Using data of monthly reported cases of hepatitis A in Jiangxi Province from 2010 to 2014, GM （1,1） gray model, Markov chain model, combined model of gray and Markov chain, and SARIMA model were fitted respectively. Four models were used to predict the monthly reported cases of hepatitis A from January to December 2015 and compare with actual number of cases. The mean absolute percent error （MAPE）, mean error rate （MER）, mean squared error （MSE） and mean absolute error （MAE） were used to evaluate the model prediction effect. Results A total of 2 939 cases of hepatitis A were reported in Jiangxi Province during this period, and showed a downtrend year by year（r_s= -0.838,P<0.01）.SARIMA（0,1,1）（1,0,0）₁₂ was the optimal SARIMA model; the fitting accuracy of GM（1,1） gray model was qualified. The model predicted MAPE from low to high were the gray Markov chain combined model （23.894%）, SARIMA model （25.529%）, GM （1,1） gray model （28.429%）, and Markov chain model （39.426%））.MER from low to high were SARIMA model （21.303%）, gray Markov chain combined model （25.574%）, gray model （30.717%）, and Markov chain model （35.203%）.MSE and MAE from low to high were the SARIMA model （45.293, 4.918）, gray Markov chain combined model （47.122, 5.903）, gray model （67.738, 7.091）, and Markov chain model （85.252, 8.126）. Conclusions The grey Markov chain combined model and SARIMA model have better prediction results, and can be used to predict the number of hepatitis A cases.

Key words: Models, statistical, Hepatitis A, Forecasting

中图分类号:

R183.7

刘天, 王芸, 姚梦雷, 黄继贵, 吴杨, 童叶青. GM（1,1）灰色模型、马尔可夫链模型及其组合模型和SARIMA模型在甲肝发病数预测中的应用效果比较[J]. 华南预防医学, 2019, 45(2): 128-132.

LIU Tian, WANG Yun, YAO Meng-lei, HUANG Ji-gui, WU Yang, TONG Ye-qing. Comparisons of GM（1,1） gray model, Markov chain model, their combined model, and SARIMA model in predicting monthly reported caseload of hepatitis A[J]. South China Journal of Preventive Medicine, 2019, 45(2): 128-132.

参考文献 14

[1]	邓聚龙. 灰预测与灰决策[M]. 武汉: 华中科技大学出版社,2002:71-76.
[2]	程玮琪, 黄曦敏, 吴国宝, 等. 马尔可夫链:模型、算法与应用[M].北京: 清华大学出版社, 2015:3-5.
[3]	赵玲. 基于马尔可夫链的道路交通事故预测研究及应用[D].西安: 长安大学,2013.
[4]	李小芳. 基于改进灰色马尔可夫模型的城市污水量和COD总量预测[D].天津: 天津大学,2012.
[5]	黄薇. 灰色马尔可夫模型在中国与东盟进出口总额预测中的研究与应用[D].兰州: 兰州商学院,2010.
[6]	陈红缨,李阳.时—空数据模型在传染病监测中的应用[J].公共卫生与预防医学,2017,28(5):78-81.
[7]	黎健,吴寰宇,李燕婷.应用Excel实现上海市乙肝发病灰色模型的预测研究[J].中国卫生资源,2011,14(2):109-110,118.
[8]	王晓文,熊小庆,施勇,等.灰色序列模型GM(1,1)在江西省流感发病趋势预测中的应用[J].江西医药,2017,52(7):702-703.
[9]	翟维辉. 灰色马尔可夫组合预测模型的改进与应用[D]. 西安: 西安建筑科技大学, 2017.
[10]	严薇荣, 徐勇, 杨小兵,等. 基于灰色马尔可夫模型的伤寒副伤寒发病率预测[J]. 数理医药学杂志, 2008, 21(2):137-139.
[11]	陈玲, 程丽君, 赵向军. 恶性肿瘤住院量与住院费用的ARIMA乘积季节模型预测研究[J]. 中国卫生统计, 2017, 34(4):554-557.
[12]	王伶,姚文清.利用时间序列模型分析预测辽宁手足口病疫情趋势[J].中国卫生统计, 2016,33(5):847-849.
[13]	王利莎,梁开宏.基于灰色马尔科夫模型的陕西省铁路客运量预测[J].数学的实践与认识,2018,48(8):166-172.
[14]	蔡文泳, 方积乾, 王心旺. 基于灰色马尔可夫模型的新型农村合作医疗体制基金风险预测[J]. 中国卫生统计, 2014, 31(1):2-5.

[1]	王欣茹, 周璐, 黄琼, 陈少威. 广州市市售湿粉类食品中蜡样芽胞杆菌污染的定量风险评估[J]. 华南预防医学, 2023, 49(8): 965-969.
[2]	秦丽丽, 顾赛男, 翁艳秋, 李松华, 陈文瑶, 程笑, 陈丹青. 基于跨理论模型分析老年冠心病患者自我管理能力现状及影响因素[J]. 华南预防医学, 2023, 49(8): 1049-1053.
[3]	滕瑶瑶, 陈荣, 金红梅, 梅珊珊, 云雪霞, 龙燕, 黄耀刚, 陈逸升, 赵学芹, 杨红玲, 朱春燕. 高脂诱导妊娠期胰岛素抵抗大鼠模型的建立与评价[J]. 华南预防医学, 2023, 49(7): 824-827.
[4]	欧阳筱瑶, 李战胜, 孙舒悦, 井淇, 商茜茜, 李文君, 嵇丽红, 张建华. 健康生态学视角下社区老年2型糖尿病患者轻度认知障碍现状及影响因素分析[J]. 华南预防医学, 2023, 49(7): 828-833.
[5]	吴锦银, 李梦承, 齐从政, 李军涛, 李文学, 杨光宇, 朱伟, 胡前胜, 张岩. 大鼠2型糖尿病脑海马组织损伤模型的构建[J]. 华南预防医学, 2023, 49(6): 792-795.
[6]	黄园嫣, 廖玉宜, 刘超群, 张吉凯. 国产重组乙型肝炎疫苗（酿酒酵母）的安全性、免疫效果及社会效益研究进展[J]. 华南预防医学, 2023, 49(3): 263-267.
[7]	秦初明, 曾建娟, 蒋海莉. 2012—2017年桂林地区乙型肝炎母婴阻断效果及远期效果分析[J]. 华南预防医学, 2023, 49(3): 365-367.
[8]	刘志祥, 郑燕珠, 颜丽香. 河源市397例乙型肝炎母婴阻断实施效果及影响因素研究[J]. 华南预防医学, 2023, 49(2): 202-204.
[9]	阎纯, 龚媛, 黄平, 陈娟, 黄淼. 急性缺血性脑卒中患者早期预后不良及预测模型构建[J]. 华南预防医学, 2023, 49(10): 1213-1217.
[10]	万东华, 江金女, 潘波, 梁华, 吴琳, 何志辉, 陈燕铭. 广东省基层医生对人工智能辅助诊疗技术的应用意愿分析[J]. 华南预防医学, 2023, 49(1): 32-36.
[11]	何薇, 刘辉, 马书言, 刘红梅, 岳永杰, 冯瑄. 复方玉米须枸杞子颗粒对小鼠血糖的影响研究[J]. 华南预防医学, 2023, 49(1): 41-44.
[12]	王钰铭, 张经纬, 顾清, 曾强. 传染病预测模型在新型冠状病毒肺炎疫情中的应用研究进展[J]. 华南预防医学, 2022, 48(9): 1075-1078.
[13]	贾梦山. 2019—2021年周口市病毒性肝炎病例流行特征分析[J]. 华南预防医学, 2022, 48(8): 967-969.
[14]	贾敏, 李红兵, 何微, 梁文革. 2005—2020年宝鸡市丙型肝炎流行特征和发病趋势预测[J]. 华南预防医学, 2022, 48(8): 974-977.
[15]	陈熙璁, 金娟, 孟琳, 周瑾. 连云港市473例慢性乙肝患者乙型肝炎病毒基因型及耐药基因研究[J]. 华南预防医学, 2022, 48(7): 851-853.

GM（1,1）灰色模型、马尔可夫链模型及其组合模型和SARIMA模型在甲肝发病数预测中的应用效果比较

Comparisons of GM（1,1） gray model, Markov chain model, their combined model, and SARIMA model in predicting monthly reported caseload of hepatitis A

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献 14

相关文章 15

Metrics

本文评价

推荐阅读 0