一种混合预测技术,用于感染和死于mopox病毒
Hasnain Iftikhar1, Muhammad Daniyal2, Moiz Qureshi3
1Department of Statistics, Quaid-i-Azam University, Islamabad, Pakistan.
Digital health
|October 6, 2023
概括
新的混合模型准确预测mpox病毒 (MPV) 病例和死亡. 这些先进的时间序列和随机模型提供了卓越的预测准确性,对于公共卫生干预和缓解疫情至关重要.
科学领域:
- 流行病学和公共卫生.
- 数学建模的数学建模
- 传染病预测 传染病预测
背景情况:
- 波克斯病毒 (MPV) 病例和死亡人数的增加需要改进预测.
- 准确预测MPV传播对于有效的缓解策略至关重要.
- 现有的时间序列和随机模型需要提高精度.
研究的目的:
- 开发一种混合预测系统,用于mopox病毒 (MPV) 的新病例和死亡人数.
- 引入和评估MPV感染预测的新型混合模型.
- 将新模型的性能与已建立的基准模型进行比较.
主要方法:
- 使用霍德里克-普雷斯科特过器将累积的MPV数据分解为趋势和随机元件.
- 开发两种新的混合预测模型:[模型1名称]和[模型2名称].
- 使用基准模型进行比较分析:自动回归 (AR),自动回归移动平均 (ARMA),非参数自动回归 (NPAR) 和人工神经网络 (ANN).
主要成果:
- 新型混合动力模型 ([Model 1 Name]和[Model 2 Name]) 显著超过了所有基准模型.
- 通过关键指标证明了卓越的表现:根平均平方误差 (RMSE),平均绝对误差 (MAE) 和平均绝对百分比误差 (MAPE).
- 开发的模型代表了疾病预测准确性的重大进步.
结论:
- 新的混合模型为预测MPV爆发提供了更高的准确性.
- 这些模型对预测其他传染病有潜在的应用.
- 公众遵守标准操作程序 (SOP) 对于缓解当前和未来的疫情至关重要.
