
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于SARIMA-LSTM混合模型的甲型和乙型流感流行病学特征及趋势预测研究
《BMC Infectious Diseases》:Forecasting influenza A and B positive case counts using a hybrid seasonal autoregressive integrated moving average and long short-term memory (SARIMA-LSTM) model: an epidemiological study from Jiande, Hangzhou, China
【字体: 大 中 小 】 时间:2026年10月08日 来源:BMC Infectious Diseases 3.2
编辑推荐:
摘要背景流感A和流感B对公共卫生造成了重大负担。本研究利用基于医院的实验室确诊监测数据,旨在表征甲型和乙型流感病例的流行病学特征并预测其时间趋势,以便为缙云医疗机构的流感干预和疫情防治提供证据。方法本描述性研究的数据来源于浙江大学医学院附属第二医院缙云院区病案登记系统,包含2
流感A和流感B对公共卫生造成了重大负担。本研究利用基于医院的实验室确诊监测数据,旨在表征甲型和乙型流感病例的流行病学特征并预测其时间趋势,以便为缙云医疗机构的流感干预和疫情防治提供证据。
本描述性研究的数据来源于浙江大学医学院附属第二医院缙云院区病案登记系统,包含2019年1月至2024年12月实验室确诊的甲型和乙型流感阳性病例。使用Microsoft Excel 2016进行数据整理。在MATLAB R2024a中构建了一个季节性自回归积分滑动平均-长短期记忆(SARIMA-LSTM)混合模型,用于预测甲型和乙型流感实验室确诊阳性病例数的未来趋势。
实验室确诊的甲型和乙型流感病例表现出明显的季节性模式,流行高峰主要出现在冬春季。甲型流感的最佳SARIMA模型为SARIMA (1, 0, 1)(2, 1, 1)?,乙型流感的最佳模型为SARIMA (3, 0, 0)(2, 1, 1)?。在2024年样本外测试集上,与单独使用的SARIMA模型相比,SARIMA-LSTM混合模型将甲型流感的MAE降低了7.3%,RMSE降低了7.1%;乙型流感的MAE降低了7.5%,RMSE降低了7.5%。与单独使用的LSTM模型相比,混合模型使甲型流感的MAE降低了9.4%,RMSE降低了4.6%,乙型流感的MAE降低了8.9%,RMSE降低了9.5%。值得注意的是,SARIMA-LSTM混合模型对乙型流感的预测效果优于甲型流感。
基于医院阳性病例数,甲型和乙型流感表现出明显的冬春季季节性模式。与单独使用的LSTM模型和SARIMA模型相比,SARIMA-LSTM混合模型对甲型和乙型流感均取得了更好的预测效果。该模型可为当地医疗机构和疾控部门分析季节性流感流行趋势提供辅助参考。
不适用。
流感A和流感B对公共卫生造成了重大负担。本研究利用基于医院的实验室确诊监测数据,旨在表征甲型和乙型流感病例的流行病学特征并预测其时间趋势,以便为缙云医疗机构的流感干预和疫情防治提供证据。
本描述性研究的数据来源于浙江大学医学院附属第二医院缙云院区病案登记系统,包含2019年1月至2024年12月实验室确诊的甲型和乙型流感阳性病例。使用Microsoft Excel 2016进行数据整理。在MATLAB R2024a中构建了一个季节性自回归积分滑动平均-长短期记忆(SARIMA-LSTM)混合模型,用于预测甲型和乙型流感实验室确诊阳性病例数的未来趋势。
实验室确诊的甲型和乙型流感病例表现出明显的季节性模式,流行高峰主要出现在冬春季。甲型流感的最佳SARIMA模型为SARIMA (1, 0, 1)(2, 1, 1)?,乙型流感的最佳模型为SARIMA (3, 0, 0)(2, 1, 1)?。在2024年样本外测试集上,与单独使用的SARIMA模型相比,SARIMA-LSTM混合模型将甲型流感的MAE降低了7.3%,RMSE降低了7.1%;乙型流感的MAE降低了7.5%,RMSE降低了7.5%。与单独使用的LSTM模型相比,混合模型使甲型流感的MAE降低了9.4%,RMSE降低了4.6%,乙型流感的MAE降低了8.9%,RMSE降低了9.5%。值得注意的是,SARIMA-LSTM混合模型对乙型流感的预测效果优于甲型流感。
基于医院阳性病例数,甲型和乙型流感表现出明显的冬春季季节性模式。与单独使用的LSTM模型和SARIMA模型相比,SARIMA-LSTM混合模型对甲型和乙型流感均取得了更好的预测效果。该模型可为当地医疗机构和疾控部门分析季节性流感流行趋势提供辅助参考。
不适用。