联用自适应相关熵权法和多变量时序模型的丙肝发病率预测研究

摘要

目的 丙型肝炎是一类危害较大、隐匿性较强的传染病，准确的趋势预测是确保精准干预的重要措施。本文旨在证实多变量时序预测方法和互联网数据的有效性，为丙肝预测提供较好的数据和方法基础。方法 纳入2011—2018年重庆市丙肝月发病率的研究数据，包含传染病发病数据和互联网预测数据。为筛选重要特征，本文引入了特征熵值的理论基础，并经过共线性去除、方向性评价和信息量评价等步骤，提出了“自适应相关熵权法”（adaptive correlation entropy weight method,ACEW）以进行特征选择。此后，本文构建了多变量时序模型（CNN-BiLSTM-Attention），并进行了特征性能检验（包括前瞻性评价和后验性评价）和模型效能探究。结果 前瞻性评价揭示ACEW选择出的变量彼此间一致性较低，各变量计算出的权值分布较为均等。后验性评价揭示了ACEW筛选出的特征集在各模型中均可取得最优预测信息。在模型效能探究中，多变量时序预测模型总体性能明显优于单变量模型。当联用ACEW和CNN-BiLSTM-Attention时，测试集的MSE、MAE、RMSE、MAPE和R²分别为0.0223、0.0649、0.0771、5.9285和0.9156。结论 在丙肝发病率预测研究中，本文进行了数据融合和方法改良的研究。改良特征选择方法（ACEW）可为丙肝的调控提供契机，多变量时序预测模型可提升丙肝趋势预测的性能，从而有效控制和预防丙肝，具有较好的公共卫生防控意义。

关键词

特征选择 / 信息熵 / 丙型肝炎 / 时间序列 / 机器学习

基金资助

国家自然科学基金项目(82173621; 81872716)