机构名称：
¥ 2.0
疟疾仍然是一项重大的公共卫生挑战，需要准确的预分辨率模型，以告知塞拉利昂的有效干预策略。本研究比较了Holt-Winters的指数平滑，谐波和人工神经网络（ANN）模型的性能，该数据使用2018年1月至2023年12月的数据进行了比较，并结合了塞拉利昂健康管理信息系统（HMIS）的历史案例记录，以及包括湿度，沉淀和温度的气象学变量。ANN模型表现出卓越的性能，在包括气候变量之前达到了4.74％的平均绝对百分比误差（MAPE）。随着气候变量的包含，这将进一步降低至3.9％，它超过了传统模型，例如Holt-Winners and Harmonic，分别产生了22.53％和17.90％的MAPES。ANN的成功归因于其在数据中捕获复杂的，非线性关系的能力，当时与相关的气候变量增强时特别是。使用优化的ANN模型，我们预测了接下来24个月的疟疾病例，预测从2024年1月到2025年12月的稳定增加，季节性峰值。这项研究强调了在流行病学建模中的机器学习方法，特别是ANNS的潜力，并突出了将环境因素整合到疟疾预测模型中的重要性，推荐ANN模型，以告知更有针对性，有效的疟疾控制策略以改善Sierra Leone和Sirra和Sim-sim-erilra-cil-ial-cil-ial-ial-ial-ial-ial-ial-ial-ial-cor-ial-for。关键字
对塞拉利昂疟疾病例的预测模型的比较评估
主要关键词
相关文件推荐
