【出 处】：《 计算机仿真 》 CSCD 2014年第31卷第9期 237-242页,共7页

【作 者】： 韩帅 ; 李树刚

【摘 要】 在流感暴发趋势预测模型的研究中,传统点预测是估计预测平均值的随机变量,不包含置信水平和预测区间范围等辅助决策的有用信息,导致决策者不能很好把握流感发展趋势。为了解决上述问题,提出利用神经网络上下限估计方法（LUBE）建立预测区间（PI）发展了流感趋势区间预测模型,提出了评价预测区间的宽度范围组合指标（CWC）,运用蚁群算法对神经网络区间预测模型进行训练,并运用上述模型对传染病等应急医疗数据进行了仿真。为了衡量预测区间性能,改进模型与Delta、Bayesian、Holt指数平滑和支持向量机等常用预测模型建立的预测区间进行了对比。结果表明蚁群算法神经网络区间预测模型能够对流感趋势进行更为有效的分析和预测。