Comparison of ARIMA and Random Forest time series models for prediction of avian influenza H5N1 outbreaks.
Comparison of ARIMA and Random Forest time series models for prediction of avian influenza H5N1 outbreaks.
复制标题
DOI：
10.1186/1471-2105-15-276
复制
发表时间：
2014-08-13
影响因子：
3
通讯作者：
Rabinowitz P
中科院分区：
文献类型：
--
作者：
Kane MJ;Price N;Scotch M;Rabinowitz P
时间序列模型可以在疾病预测中发挥重要作用。发病率数据可用于预测疾病事件的未来发生。建模方法的发展为比较不同的时间序列模型的预测能力提供了机会。我们应用ARIMA和随机森林时间序列模型的发病率数据的高致病性禽流感（H5 N1）在埃及的爆发，可通过在线EMPRES-I系统。我们发现，随机森林模型的预测能力优于ARIMA模型。此外，我们发现，随机森林模型是有效的预测H5 N1在埃及的爆发。随机森林时间序列建模提供了比现有的时间序列模型更强的预测能力，用于预测传染病爆发。这一结果，沿着那些显示鸟类和人类爆发之间一致性的结果（Rabinowitz等人，2012），提供了一种新的方法，根据现有的、免费提供的数据预测鸟类种群中这些危险的爆发。我们的分析揭示了埃及高致病性禽流感（H5 N1）爆发严重程度的时间序列结构。
Time series models can play an important role in disease prediction. Incidence data can be used to predict the future occurrence of disease events. Developments in modeling approaches provide an opportunity to compare different time series models for predictive power. We applied ARIMA and Random Forest time series models to incidence data of outbreaks of highly pathogenic avian influenza (H5N1) in Egypt, available through the online EMPRES-I system. We found that the Random Forest model outperformed the ARIMA model in predictive ability. Furthermore, we found that the Random Forest model is effective for predicting outbreaks of H5N1 in Egypt. Random Forest time series modeling provides enhanced predictive ability over existing time series models for the prediction of infectious disease outbreaks. This result, along with those showing the concordance between bird and human outbreaks (Rabinowitz et al. 2012), provides a new approach to predicting these dangerous outbreaks in bird populations based on existing, freely available data. Our analysis uncovers the time-series structure of outbreak severity for highly pathogenic avain influenza (H5N1) in Egypt.
登录
查看更多内容
影响因子：
3
作者：
Hanf M;Adenis A;Nacher M;Carme B
通讯作者：
Carme B
影响因子：
3
作者：
Kusiak, Andrew;Verma, Anoop;Wei, Xiupeng
通讯作者：
Wei, Xiupeng
影响因子：
12.7
作者：
Pridemore, William Alex;Snowden, Aleksandra J.
通讯作者：
Snowden, Aleksandra J.
影响因子：
3.7
作者：
Rabinowitz, Peter M.;Galusha, Deron;Kane, Michael
通讯作者：
Kane, Michael
影响因子：
3.1
作者：
Chadsuthi, Sudarat;Modchang, Charin;Triampo, Wannapong
通讯作者：
Triampo, Wannapong