基于经验模态分解的我国布鲁菌病月发病率预测研究

目的根据我国布鲁菌病(简称布病)月发病率的波动特征,采用经验模态分解(EMD)和时间序列分析,构建布病月发病率预测模型,并预测2017年我国布病月发病率。方法从公共卫生科学数据中心和国家卫生计生委疾病预防控制局网站,收集并计算2004年1月—2016年12月我国布病月发病率。选取2004年1月—2015年12月的数据作为训练集建模,2016年1—12月的数据作为测试集验证模型。通过EMD算法将发病率序列分解为本征模态函数(IMF)1~IMF4和趋势项,对IMF1~IMF4建立支持向量机(SVM)模型,对趋势项建立自回归移动平均模型(ARIMA)疏系数模型,最后将5个模型的输出值进行线性加权求和,得出布病月发病率预测值。结果 SVM模型的惩罚参数c的取值范围是0.088 4~100.000 0,核函数参数g的取值范围是0.010 0~128.000 0;ARIMA((1,12,24),1,0)模型中,常数项及滞后1、12、24阶的自回归系数分别为0.002 003、1.087 788、-0.145 494、0.028 783。本文方法预测2016年1—11月布病发病率的均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)分别为0.020 1、0.016 9、0.066 5,序列未分解单一SVM模型预测2016年1—11月布病发病率的RMSE、MAE、MAPE分别为0.072 2、0.056 0、0.197 5,序列未分解单一ARIMA模型预测2016年1—11月布病发病率的RMSE、MAE、MAPE分别为0.165 0、0.156 2、0.610 0。根据本文方法计算得出2017年1—12月布病发病率预测值为0.287 0/10万人~0.372 6/10万人。结论本研究根据相关发病率数据构建了基+于EMD和时间序列分析的我国布病月发病率预测模型,其预测误差较小,预测准确度较高;2017年我国布病月发病率预测值约为0.35/10万人。

微博实名制推行受阻因素分析

微博实名制作为一项制度安排,由于缺乏配套措施和指导性的规范在推行过程中受到很大的阻碍,实名有名无实。在此情况下,本文从理论角度入手,比较微博实名制与匿名制各自的优缺点,同时探讨实名制所需的法律与技术支持。其次,通过问卷调查得出的数据构建因子模型,深入分析其影响因素。最后在以上分析讨论的基础上,提出了自己的建议,以期对微博实名制的发展做出一点贡献。