基于NNAR和SVR的集成模型预测流感发病率。-研究论文

时间是当今生活中的重要因素，因为一切都与之相关。 公民的健康在一个国家的经济增长中起着重要的作用。 由于空气传播的，传染性的，传染性的等疾病固有地是动态的，因此使卫生官员更难于为不可避免的流行做好适当的准备，因此疾病预测已成为必要。 这种传染性疾病是流行性感冒，它是一种呼吸道疾病，通常称为流感，是由流感病毒引起的。 它的症状可能是轻到重，如果不及时治疗可能会致命。 为了根据历史数据预测流感病例，我们提出了一种新颖的模型，该模型是神经网络自回归（NNAR）和支持向量回归（SVR）的集合。 根据不同的误差度量（例如均方根，均值绝对误差和滞后1的自相关函数）对模型的准确性进行了比较。与标准SVR相比，所提出的集成模型显示均方根误差降低了5.42％，平均绝对误差为6.82％。