摘要： 目的 运用长短期记忆网络（LSTM）模型对郑州市手足口病（HFMD）的发病情况进行预测，为手足口病的防疫工作提供理论指导。方法 利用SPSS 26.0软件对HFMD发病数据和气象数据进行Spearman相关性分析，选取相关性较高的影响因素。使用Python 3.9软件建立LSTM神经网络。以2010年至2018年郑州市HFMD逐月发病数作为训练集，以2019年的发病数据作为测试集，建立6种LSTM模型。结果 加入气象因素与经济因素均能提高模型的预测精度，该模型在2019年测试集的平均绝对误差为231.92，均方根误差为273.54，均优于其他类型LSTM模型，并优于常用的差分整合移动平均自回归（ARIMA）模型。结论 在LSTM模型中加入气象因素与经济因素能够提高预测精度，为HFMD的防控工作做出指导。

结合气象与经济因素应用长短期记忆网络模型预测郑州市手足口病的发病趋势

孙进¹, 刘今², 孙明丽³, 刘宇琦⁴, 姜玥⁴, 吴伟⁵

1. 中国医科大学 公共卫生学院, 沈阳 110122;
2. 中国医科大学 第二临床学院, 沈阳 110004;
3. 中国医科大学 附属盛京医院妇产科, 沈阳 110004;
4. 中国医科大学 第一临床学院, 沈阳 110001;
5. 中国医科大学 公共卫生学院流行病学教研室, 沈阳 110122

收稿日期:2022-03-04出版日期:2023-06-30发布日期:2023-05-31
通讯作者:吴伟E-mail:wuwei@cmu.edu.cn
作者简介:孙进（2000-），男，本科在读



关键词: 手足口病, 长短期记忆网络, 传染病预测
Abstract: Objective Using long short term memory (LSTM) model to predict the incidence of hand-foot-mouth disease (HFMD) in Zhengzhou City,to provide theoretical guidance for prevention of HFMD. Methods Spearman correlation analysis was conducted with SPSS 26.0 to identify influencing factors with high correlation. The LSTM neural network was established using Python 3.9. The six models presented in this paper all used the monthly incidence of HFMD in Zhengzhou City from 2010 to 2018 as the training set,and the incidence data in 2019 as the test set. Results Both meteorological and economic factors improved the prediction accuracy of the model. The mean absolute error and rooted mean squared error of the proposed model for the 2019 test set were 231.92 and 273.54,respectively,both of which were better than other LSTM models and superior to commonly used ARIMA models. Conclusion Adding meteorological and economic factors into LSTM models can improve prediction accuracy and guide prevention and control of HFMD.
Key words: hand-food-mouth disease, long short term memory, infectious disease prediction
PDF全文下载地址:

https://journal.cmu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3228