基于经验模态分解的我国布鲁菌病月发病率预测研究

2018-03-22乔贺倩李维德于国伟

中国全科医学 2018年9期

乔贺倩，李维德*，于国伟

布鲁菌病（Brucellosis，简称布病）是由布鲁菌属的细菌侵入机体，引起传染-变态反应性的人畜共患传染病。自1905年我国首次报告布病发病患者以来，感染布病的人数逐年增加，尤其是90年代后期，布病疫情越发严重，引起我国有关部门的关注，而预防和控制布病成为当前的重要课题［1］。当前学者对布病的研究主要侧重于对已发生的疾病案例进行流行病学特征分析［2］和时空分布研究［3］，对布病发病率预测的研究较少，而发病率的预测可以改善传染病的预防工作，更好地控制疫情［4］。布病发病率为每10万人中感染布病的人数，发病率预测属于时间序列分析，主要方法有乘积季节模型（SARIMA）［5］、GM（1，1）灰色模型［6］、状态空间模型［7］、趋势外推法［7］、支持向量机（SVM）模型［8］、神经网络［9］等。这些单一模型预测误差大，不能对发病率做出准确预测，为了提高预测精度，可以将组合模型用于发病率预测［10］。此外，基于原始时间序列的建模很难处理序列的非线性、非平稳特征，近年来提出的经验模态分解（EMD）可以突出序列局部特征，具有自适应的优点［11］。本研究将EMD和时间序列分析方法结合起来，首先用EMD把发病率序列分成高低频本征模态函数（IMF）分量和趋势项，然后用SVM预测IMF分量，用自回归移动平均模型（ARIMA）预测趋势项，最后，将各个模型的预测值进行加权求和，得出布病月发病率预测值，结果表明，本研究提出的方法能够有效提高预测精度，降低预测误差。现报道如下。