刘天， 姚梦雷， 黄继贵， 黄淑琼， 陈红缨， 杨雯雯， 蔡晶， 吴然

疾病预测、预警模型的探讨是目前公共卫生研究的热点问题之一[1]。乘积季节性差分自回归滑动平均模型(seasonal autoregressive integrated mo-ving average，SARIMA)作为传统时间序列模型中最经典的模型，被广泛应用于疾病的预测[2-4]。利用模型早期预测疾病未来流行特征，科学研判疫情态势，为制定有效的防控策略提供参考依据，这对降低疾病的发病率及危害性，减轻疾病对人群健康的影响具有重要意义。近年来，人工神经网络在辅助决策、人工智能领域取得了广泛成功，BPNN神经网络(back propagation neural network，BPNN)模型作为神经网络模型中最经典的模型，也逐步被应用于疾病的预测中[5-6]。然而关于两种模型的预测效果比较仍鲜有报道。本文以荆州市2005年1月—2018年5月乙类传染病逐月发病数为例，分别建立SARIMA模型和BPNN神经网络模型，并比较其拟合及预测效果，探索疾病预测的最优模型，为疾病的精准防控提供科学依据。

1 资料与方法

1.1 资料来源

本研究对荆州市2005年1月—2018年5月乙类传染病发病数进行统计分析，乙类传染病发病数来源于“中国疾病预防控制信息系统”，按现住址、发病日期导出研究期间各月份发病数，收集的病例类型包括临床诊断病例和确诊病例。

1.2 研究方法

运用2005年1月-2017年12月荆州市乙类传染病逐月发病数资料分别构建BPNN神经网络模型和SARIMA模型，分别预测2018年1—5月发病数并与实际值比较，探讨两种模型的拟合及预测效果。

1.2.2 SARIMA模型SARIMA模型的原理参考孙振球等人著作[10]，SARIMA模型一般形式为SARIMA(p，d，q)(P，D，Q)s，其中p、q为自回归和移动平均阶数，d为一般差分次数，P、Q为季节性自回归和移动平均阶数，D为季节性差分次数，s为季节周期。……