SARIMA模型和LSTM神经网络在预测深圳市宝安区手足口病疫情中的应用

目的 探讨季节性差分自回归移动平均模型(seasonal autoregressive integrated moving average model,SARIMA)和长短时记忆神经网络(long short term memory,LSTM)预测深圳市宝安区手足口病发病趋势的可行性.方法 选取2009—2018年深圳市宝安区的手足口病月发病率作为训练集分别构建SARIMA模型和LSTM神经网络,预测2019年1—12月的手足口病月发病率,并与真实值比较.结果 相对最优模型SARIMA(0,0,2)(0,1,2)12和LSTM神经网络对2010—2018年的深圳市宝安区手足口病月发病率进行拟合,拟合性能中LSTM神经网络的均方误差(mean squared error,MSE)和均方根误差(root mean squared error,RMSE)均高于SARIMA模型,而平均绝对误差(mean absolute error,MAE)和平均绝对百分比误差(mean absolute percentage error,MAPE)均低于SARIMA模型,表明两种模型的拟合性能基本一致.使用两种模型预测2019年1—12月手足口病月发病率,SARIMA模型预测性能的MSE、RMSE、MAE、MAPE分别为2310.199,48.065,31.990和1.002,LSTM模型预测性能的MSE、RMSE、MAE、MAPE分别为1078.899,32.847,22.046和0.958,表明LSTM神经网络的预测性能高于SARIMA模型.结论 LSTM神经网络能更好地预测深圳市宝安区手足口病发病趋势,可为相关部门制定手足口病防控策略提供依据.