在缺少关键流行病学数据情况下进行登革热传播建模：SARIMA与SVM时间序列方法对比分析-研究论文

简介：
本研究论文探讨了在缺乏关键流行病学数据的情况下，采用SARIMA和SVM两种时间序列方法对登革热的传播进行模型构建，并进行了详细对比分析。 登革热仍然是菲律宾的主要公共卫生问题，每年导致数百人死亡（Jaymalin 2017）。由于在开发确定性疾病模型过程中获取必要的流行病学参数数据有限，预测作为控制和预防爆发的手段仍是一个挑战。本研究中开发了两个时间序列模型：季节性自回归综合移动平均(SARIMA)和支持向量机(SVM)，这些模型无需事先了解流行病学参数。通过计算均方根误差(RMSE)和平均绝对误差(MAE)，比较了这两种模型在预测菲律宾西米沙鄢地区登革热发病率方面的性能表现。结果显示，这两个模型都能有效预测登革热的发病率，以进行流行病监测，并且这一结论得到了历史数据的支持。 具体来说，在使用相同的数据与设置的情况下，SARIMA 模型的平均 RMSE 和 MAE 分别为 16.8187 和 11.4640；而 SVM 模型则分别为 11.8723 和 7.7369。这表明在预测登革热发病率方面，SVM 相较于 SARIMA 更具优势。 此外，在使用随机森林回归器进行特征排序后发现，滞后一个月的气候变量中降雨强度和价值是影响登革热发病率的主要因素。