南京医科大学学报(自然科学版)

作者：赵子平，许 可，吴 莹，时影影，沈文琪，彭志行，刘文东，鲍倡俊，周明浩

单位：南京医科大学公共卫生学院，江苏 南京 211166；江苏省疾病预防控制中心传染病防制所，江苏 南京 210009,,江苏省疾病预防控制中心传染病防制所，江苏 南京 210009,,江苏省疾病预防控制中心传染病防制所，江苏 南京 210009,,江苏省疾病预防控制中心传染病防制所，江苏 南京 210009,,江苏省疾病预防控制中心传染病防制所，江苏 南京 210009,,南京医科大学公共卫生学院，江苏 南京 211166,,江苏省疾病预防控制中心传染病防制所，江苏 南京 210009,,江苏省疾病预防控制中心传染病防制所，江苏 南京 210009,,江苏省卫生健康委员会，江苏 南京 210008,

关键词：LSTM神经网络模型;SARIMA模型;猩红热;预测

基金：江苏省卫生健康委科研项目（Z2019006）

目的：探究季节性差分自回归滑动平均（seasonal autoregressive integrated moving average，SARIMA）模型和长短时记忆神经网络（long-short term memory neural network，LSTM）模型在江苏省猩红热发病趋势预测中的应用，为疫情防控工作提供理论依据。方法：以江苏省2005—2017年猩红热的逐月发病数据与气象数据作为训练数据，拟合SARIMA模型和LSTM模型，以江苏省2018—2019猩红热的逐月发病数据与气象数据作为测试集，检验模型的预测精度。结果：江苏省猩红热流行具有明显的季节性特征，每年4—6月和11月—次年1月为高发时间段。最优SARIMA模型为SARIMA（3，1，2）（1，1，1）12，最优LSTM的结构为以过去3个月的发病数据结合气象公因子作为模型输入，当前周期发病数为对应的期望输出，建立4层LSTM，每层包含32个长短时记忆神经元，以及1层全连接层。两种模型测试集的平均绝对误差百分比分别为35.97%、16.94%；均方根误差分别为227.85、152.46。提示LSTM神经网络的拟合效果和前瞻性预测精度优于SARIMA模型。结论：LSTM模型对江苏省猩红热发病趋势拟合和预测效果较好，可以用于流行趋势研判和风险评估，为优化和调整猩红热监测、防控策略和措施提供依据。

来源：2022年第2期

《南京医科大学学报(自然科学版)》期刊编辑部

查看南京医科大学学报(自然科学版)杂志2022年第2期