《表2 三类神经网络模型对该院精神类疾病患者数拟合误差平均值比较》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《SARIMA及神经网络模型在精神类疾病患者预测中的比较研究》
由于原序列呈现出周期性季节波动的非平稳序列特点,因此需要建立混合效应SARI-MA(p,d,q)×(P,D,Q)s。一阶差分后的医院精神类疾病患者的自相关系数(ACF)和偏自相关系数(PACF)图见图3。差分后通过ADF检验,确定ARIMA(p,d,q)×(P,D,Q)s中的和D分别为1和1。此时残差序列自相关函数和偏相关函数在可信区间内,AIC数值越小。通过实验数据分析,自回归部分阶数和移动平均阶数可以选取p=1,q=1,P=1,Q=1。综上得出的最优预测模型为ARIMA(1,1,1)×(1,1,1)3。基于和SARIMA同样的历史数据输入,采用BP神经网络和RBF神经网络模型对2016年1月1日~年12月31日该专科医院精神类疾病患者数进行拟合,取最大神经元个数为3000个,扩展速度为3,误差为0.00001。图3和图4中,三种神经网络均能拟合该院精神类疾病患者数。其中,RBF神经网络训练效果最好,具体拟合误差指标见表2。
图表编号 | XD0097580200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.15 |
作者 | 范馨月、王清青 |
绘制单位 | 贵州大学贵州省公共大数据重点实验室、贵州大学数学与统计学院、贵州医科大学附属医院 |
更多格式 | 高清、无水印(增值服务) |