Accurate and reliable forecasts of

Accurate and reliable forecasts of diarrhoeal outpatient visits are necessary for the health authorities to ensure the appropriate action for the control of the outbreak. In this study, a novel forecasting model based on hybridization the Firefly Algorithm (FA) and Support Vector Regression (SVR) has been proposed to forecast the diarrhoeal outpatient visits in Shanghai. The performance of SVR models depends upon the appropriate choice of SVR parameters. In this study, FA has been employed for determining the parameters. The rainfall, temperature, relative humidity and diarrhoeal outpatient visits have been considered as input variables. Time series of diarrhoeal outpatient visits of children and adult has been obtained for a period of January 2006 to December 2011. Further, the rainfall, relative humidity and temperature data have been obtained from meteorological records. The performance of the proposed SVR-FA model has been compared with Multivariable Linear Regression (MRL) method, Artificial Neural Networks (ANNs) and also with SVR. The results indicate that the proposed model performs best based on two error measures, namely mean squared error (RMSE) and mean absolute percent error (MAPE).

ผลลัพธ์ (ไทย) 1:

คาดการณ์ที่แม่นยำ และเชื่อถือได้ของผู้ป่วยนอก diarrhoeal จำเป็นสำหรับหน่วยงานด้านสุขภาพเพื่อให้การดำเนินการที่เหมาะสมสำหรับการควบคุมการระบาด ในการศึกษานี้ แบบจำลองคาดการณ์นวนิยายตาม hybridization หิ่งห้อยอัลกอริทึม (FA) และสนับสนุนแบบเวกเตอร์ถดถอย (SVR) ได้รับการเสนอชื่อเพื่อคาดการณ์ผู้ป่วยนอก diarrhoeal เยี่ยมในเซี่ยงไฮ้ ประสิทธิภาพการทำงานของ SVR รุ่นขึ้นหลากหลาย SVR พารามิเตอร์ที่เหมาะสม ในการศึกษานี้ FA มีการจ้างงานสำหรับการกำหนดพารามิเตอร์ ฝนตก อุณหภูมิ ความชื้นสัมพัทธ์ และ diarrhoeal ผู้ป่วยนอกเข้าชมได้รับการพิจารณาเป็นตัวแปรที่ป้อนเข้า ลำดับเวลาของผู้ป่วยนอก diarrhoeal เข้าชมเด็ก และผู้ใหญ่ได้รับในช่วงมกราคม 2549 ถึง 2554 ธันวาคม เพิ่มเติม ฝน ความชื้นสัมพัทธ์ และอุณหภูมิข้อมูลได้ถูกรับจากระเบียนอุตุนิยมวิทยา มีการเปรียบเทียบประสิทธิภาพของรุ่น SVR FA เสนอ วิธีการถดถอยเชิงเส้นของ Multivariable (MRL) เครือข่ายประสาทเทียม (ANNs) และยัง มี SVR คือผลลัพธ์บ่งชี้ว่า แบบจำลองที่เสนอทำส่วนตามมาตรการข้อผิดพลาดสอง หมายถึง ข้อผิดพลาดที่ยกกำลังสอง (RMSE) และหมายถึง ข้อผิดพลาดเป็นเปอร์เซ็นต์แน่นอน (MAPE)

ผลลัพธ์ (ไทย) 2:

การคาดการณ์ที่ถูกต้องและเชื่อถือได้ของการเข้าชมผู้ป่วยนอกโรคอุจจาระร่วงเป็นสิ่งจำเป็นสำหรับหน่วยงานด้านสุขภาพเพื่อให้แน่ใจว่าการดำเนินการที่เหมาะสมในการควบคุมการระบาดของโรค ในการศึกษานี้รูปแบบการพยากรณ์นวนิยายขึ้นอยู่กับขั้นตอนวิธีการผสมพันธุ์หิ่งห้อย (เอฟเอ) และการสนับสนุนเวกเตอร์ถดถอย (SVR) ได้รับการเสนอที่จะคาดการณ์การเข้าชมผู้ป่วยนอกโรคอุจจาระร่วงในเซี่ยงไฮ้ ประสิทธิภาพการทำงานของรุ่น SVR ขึ้นอยู่กับทางเลือกที่เหมาะสมของพารามิเตอร์ SVR ในการศึกษานี้เอฟเอได้รับการว่าจ้างในการกำหนดค่าพารามิเตอร์ ปริมาณน้ำฝนอุณหภูมิความชื้นและการเข้าชมผู้ป่วยนอกโรคอุจจาระร่วงได้รับการพิจารณาเป็นตัวแปร อนุกรมเวลาของการเข้าชมผู้ป่วยนอกโรคอุจจาระร่วงของเด็กและผู้ใหญ่ได้รับในช่วงเวลาของเดือนมกราคม 2006 ถึงเดือนธันวาคม 2011 นอกจากนี้ปริมาณน้ำฝนความชื้นสัมพัทธ์และข้อมูลอุณหภูมิที่ได้รับจากบันทึกอุตุนิยมวิทยา ประสิทธิภาพการทำงานของ SVR-เสนอรูปแบบเอฟเอได้รับเมื่อเทียบกับหลายตัวแปรถดถอยเชิงเส้น (MRL) วิธีเครือข่ายประสาทเทียม (ANNs) และยังมี SVR ผลการศึกษาพบว่าการนำเสนอรูปแบบการดำเนินการตามที่ดีที่สุดในสองมาตรการข้อผิดพลาดคือหมายถึงข้อผิดพลาดกำลังสอง (RMSE) หมายถึงข้อผิดพลาดและร้อยละสัมบูรณ์ (MAPE)

ผลลัพธ์ (ไทย) 3:

ความถูกต้องและเชื่อถือได้ของเยี่ยมไข้จากอุจจาระร่วงเป็นสิ่งจำเป็นสำหรับเจ้าหน้าที่สาธารณสุข เพื่อให้แน่ใจว่า การกระทำที่เหมาะสมในการควบคุมโรคระบาด ในการศึกษานี้ เป็นนวนิยายรูปแบบการพยากรณ์ตามขั้นตอนวิธีทำหิ่งห้อย ( FA ) และการสนับสนุนเวกเตอร์การถดถอย ( SVR ) ได้รับการเสนอเพื่อพยากรณ์อุจจาระร่วงเข้าชมผู้ป่วยนอกในเซี่ยงไฮ้ประสิทธิภาพของแบบจำลอง SVR ขึ้นอยู่กับทางเลือกที่เหมาะสมของพารามิเตอร์ SVR . ในการศึกษานี้ได้ใช้เอฟเอเพื่อกำหนดพารามิเตอร์ ปริมาณน้ำฝน อุณหภูมิ ความชื้นสัมพัทธ์ และเยี่ยมผู้ป่วยอุจจาระร่วงได้ถูกถือว่าเป็นปัจจัยนำเข้าอนุกรมเวลาของอุจจาระร่วงโดยการเยี่ยมชมของเด็กและผู้ใหญ่ได้ในช่วงมกราคม 2549 ถึง ธันวาคม 2554 เพิ่มเติมปริมาณน้ำฝนอุณหภูมิ ความชื้นสัมพัทธ์ และข้อมูลที่ได้รับจากประวัติทางอุตุนิยมวิทยา ประสิทธิภาพของรูปแบบการนำเสนอ svr-fa ได้รับเมื่อเทียบกับการถดถอยเชิงเส้น multivariable ( MRI ) วิธีโครงข่ายประสาทเทียม ( แอนน์ ) และยังมี SVR . ผลการศึกษาพบว่าแบบจำลองประสิทธิภาพที่ดีที่สุดขึ้นอยู่กับสองค่าวัดคือค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง ( RMSE ) และค่าเฉลี่ยเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์ ( MAPE )