基于ARIMA-GRNN组合模型的传染病发病率预测

现实世界中传染病发病率受多种因素影响，具有不规则、混沌等非线性特征。因此单纯利用传统的时间序列模型有时难以对系统进行理想的拟合。利用径向基神经元和线性神经元建立起来的广义回归神经网络GRNN，由于训练速度快，非线性映射性能很强，因而常用于函数逼近。本文应用串联的方法建立ARI-MA和GRNN的组合模型对传染病发病率进行预测。以弥补ARIMA模型非线性映射性能弱的不足，提高预测的精度。