文献

J-GLOBAL ID：201702285923645958   整理番号：17A0268106

SARIMAモデルとと-GRNNモデルは,広東省における登革熱疫情の予測に適用した。【JST・京大機械翻訳】

Application of SARIMA Model and SARIMA-GRNN Hybrid Model in Predicting Incidence Number of Dengue in Guangdong Province

著者 (3件)： Wei Renhuizi (南方医科大学公共衛生学院生物統計学系) ,  Shen Shuangquan (南方医科大学公共衛生学院生物統計学系) ,  Ou Chunquan (南方医科大学公共衛生学院生物統計学系)
資料名： Zhongguo Weisheng Tongji  (Zhongguo Weisheng Tongji)
巻： 33  号： 5  ページ： 746-748,751  発行年： 2016年 
JST資料番号： C2278A  ISSN： 1002-3674  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 目的:季節的差分自己回帰移動平均(SARIMA)モデルと一般化回帰ニューラルネットワークの組合せモデル(SARIMAGRNN)を用いて、広東省デング熱の月発病数を予測し、その予測効果を比較し、デング熱の予測警告と予防に科学的根拠を提供する。【方法】2004年1月から2012年12月までの広東省における2004年1月から2008年12月までのデータを用いて,2つのモデルを構築し,2013年1月から12月までのデータを用いてモデルを予測した。結果:デング熱は明らかな周期性と季節性を示し、周期は1年、8~10月は期であり、爆発年の発病人数は急激に増加した。SARIMA(1,1,3)(1,1,0)_(12)モデルはSARIMA予測部分の最適モデルである。ニューラルネットワークの最適平滑因子は0.04であった。2つのモデルの平均二乗誤差(RMSE)は,SARIMA(105.76)>SARIMA-GRNN(ΜG)であった。平均絶対誤差(MAPE)はSARIMA%(2.78)>SARIMA-GRNN(2.15)であり,平均絶対誤差(MAE)はSARIMA(64.75)>GRNN-ARIMA(58)であった。モデルの決定係数(R2)はSARIMA(0.92)< -GRNN(0.95)であった。結論:両方法はいずれも良好な予測効果がある。SARIMAモデルに基づき,GRNNモデルと結合することによって,予測精度をさらに改善することができた。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *発病 ,  警報 ,  ニューラルネットワーク
準シソーラス用語： 予測精度 ,  決定係数 ,  絶対誤差 ,  平均二乗誤差 ,  季節性 ,  周期性 ,  一般回帰ニューラルネットワーク ,  差分 , 【Automatic Indexing@JST】

著者キーワード (4件)： SARIMA model ,  GRNN ,  Dengue Fever ,  Forecasting

分類 (9件)： 地形データの処理  (RC02050O) ,  肥料の調製,保存  (FB05020N) ,  流出解析  (DC07030N) ,  大気汚染一般  (SB03010B) ,  研究開発  (SA01040R) ,  局地循環,気流  (DC05090N) ,  パターン認識  (JE07000S) ,  水資源  (RC11020F) ,  化学プロセスの解析  (XC01030R)

タイトルに関連する用語 (4件)： モデル ,  広東省 ,  革 ,  予測