EMD-LSTM模型在山西省肺结核发病率预测中的应用

摘要

目的 探讨基于经验模态分解(EMD)和奇异谱分析(SSA)的长短时记忆神经网络(LSTM)模型预测山西省肺结核发病率的可行性，为山西省肺结核疫情防控工作提供合理的预测方法。方法 收集并整理国家公共卫生科学数据中心2007年1月至2018年12月山西省肺结核报告发病率月度数据，以2007年1月至2017年12月数据作为训练集分别建立LSTM、SSA-LSTM、EMD-LSTM模型，预测2018年1—12月的肺结核报告月发病率，采用均方误差(MSE)、平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)四个指标来评价模型的预测性能。结果 EMD-LSTM模型的预测性能最优，在预测肺结核未来一年发病趋势时的MSE、MAE、RMSE、MAPE分别为0.036、0.140、0.189、0.045;相较于LSTM模型预测性能分别提高了66.36%、38.33%、42.38%和41.56%;相较于SSA-LSTM模型分别提高了28.00%、9.68%、15.25%和16.67%。结论 与单一LSTM模型相比，EMD-LSTM和SSA-LSTM模型的预测性能均得到有效提升；但EMD-LSTM模型的预测效果优于SSA-LSTM模型。因此EMD-LSTM模型更适合山西省肺结核发病趋势预测，可为肺结核防控政策提供理论依据。

关键词

肺结核 / 长短时记忆神经网络 / 经验模态分解 / 奇异谱分析 / 预测