一种基于ARIMA-EEMD-LSTM的混合模型用于手足口病预测

科学领域:

• 流行病学 流行病学
• 数据科学数据科学数据科学
• 计算生物学 计算生物学

背景情况:

• 手足口腔疾病 (HFMD) 是一种普遍的传染病,影响着全球儿童.
• 现有的HFMD预测模型缺乏足够的准确性,需要改进预测方法.

研究的目的:

• 开发和评估一种新的混合模型,用于预测HFMD趋势.
• 为了提高HFMD发病预测的准确性.

主要方法:

• 开发了一个混合模型,集成自回归集成移动平均 (ARIMA),集体实证模式分解 (EEMD) 和长短期记忆 (LSTM).
• 利用来自中国重庆的2015年1月1日至2023年7月27日每日HFMD发病率数据.
• 模型性能使用根平均平方误差 (RMSE),平均绝对误差 (MAE) 和确定系数 (R2) 进行评估,将ARIMA-EEMD-LSTM与ARIMA,LSTM,ARIMA-LSTM和EEMD-LSTM进行比较.

主要成果:

• 该ARIMA-EEMD-LSTM模型显示出优异的预测准确度,RMSE为4.37,MAPE为2.94和R2为0.996.
• EEMD-LSTM模型是第二个表现最好的模型,实现了6.20的RMSE,3.98的MAPE和0.996.99的R2.
• 集体实证模式分解 (EEMD) 将残余序列分解为11个内在模式函数,增强预测能力.

结论:

• 在HFMD预测方面,ARIMA-EEMD-LSTM模型显著超过了ARIMA,LSTM,ARIMA-LSTM和EEMD-LSTM模型.
• 将EEMD与预测模型集成,大大提高了预测准确度.
• 拟议的混合模型为HFMD流行病预防和控制提供了一个强大的工具,为疾病时间序列建模提供了新的见解.