由图3和表2可以看出，RBF神经网络模型和其他两个神经网络模型相比，能较好地拟合该专科医院患精神类疾病发病数，平均绝对误差为(1.84×10-7)%，平均相对误差为4.92×10-6，均方根误差为4.74×10-6，对原始数据的拟合效果优于BP神经网络和小波神经网络模型。

    2.3模型诊断 通过SARIMA(1，1，1)×(1，1，1)3、BP神经网络、RBF神经网络和小波神经网络模型，预测2017年1月1日至16日精神类疾病患者数，并和实际值计算评价指标进行对照检验(见表3)。由表3可见，训练的四种预测模型均可作为精神类疾病患者数的预测，就预测效果而言，小波神经网络模型的各项误差指标均明显低于SARIMA(1，1，1)×(1，1，1)3模型，BP神经网络、RBF神经网络和小波神经网络模型，可作为预防和精神类疾病发作或爆发的理论依据。

    3讨论

    随着医院信息化和现代医学的发展 ......