ARIMA乘积季节模型在重庆市流行性乙型脑炎预测中的应用
本文关键词: 流行性乙型脑炎 自回归求和移动平均乘积季节模型 预测 出处:《重庆医科大学学报》2017年10期 论文类型:期刊论文
【摘要】:目的:应用自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型预测重庆市流行性乙型脑炎(简称乙脑)发病数。方法:利用R软件对重庆市2006年1月到2015年6月乙脑报告病例数进行ARIMA模型建模拟合,选择预测模型进行相互比较确定最优模型。用2015年7至12月实际报告病例数与拟合值的比较来评价模型的预测效果,并对2016至2017年重庆市乙脑报告发病数进行预测。结果:重庆市乙脑发病人数呈逐年下降趋势,报告病例具有明显季节分布特征,ARIMA(0,0,1)×(1,1,2)12模型很好地拟合了时间序列,该模型赤池信息量准则(Akaike information criterion,AIC)、许瓦兹贝叶斯准则(Schwarz Bayesian criterion,SBC)值均最小且预测值与实际值的平均相对误差为0.12,平均绝对百分比误差为7.81%。进一步用该模型预测重庆市2016至2017年乙脑病例数分别为35例和32例,发病高峰仍是7至8月。结论:利用ARIMA乘积季节模型对乙脑发病数拟合较好,短期预测结果良好;与2015年比较,预测2016至2017年乙脑报告发病数略微减少。
[Abstract]:Objective: to predict the incidence of Japanese encephalitis (Japanese encephalitis) in Chongqing by using autoregressive integrated moving autoregressive integrated moving autoregressive autoregressive seasonal model of autoregressive autoregressive and autoregressive integrated moving Arima. Methods: using R software to report the cases of Japanese encephalitis B from January 2006 to June 2015 in Chongqing city. The number of cases reported was fitted with ARIMA model. The prediction model was selected to compare with each other to determine the optimal model. The prediction effect of the model was evaluated by comparing the actual reported cases with the fitting value from 2015 to December. The number of reported cases of encephalitis B in Chongqing from 2016 to 2017 was predicted. Results: the incidence of je in Chongqing showed a decreasing trend year by year, and the reported cases had obvious seasonal distribution characteristics. The information quantity criterion of the red pool is Akaike information criterion and the Schwarz Bayesian criterion is the smallest. The average relative error between the predicted value and the actual value is 0.12, and the average absolute percentage error is 7.81. Further, the model is used to predict Chongqing from 2016 to 2016. In 2017, the number of cases of encephalitis B was 35 and 32, respectively. Conclusion: the seasonal model of ARIMA product fits the incidence of je well, and the short-term prediction results are good, and compared with 2015, the number of reported cases of je from 2016 to 2017 is slightly reduced.
【作者单位】: 重庆市疾病预防控制中心;
【基金】:重庆市卫生计生委科研面上资助项目(编号:2015MSXM091)
【分类号】:R512.32
【相似文献】
相关期刊论文 前10条
1 张翼飞;陈洪;刘岭;张彦琦;郭波涛;易东;;ARIMA季节乘积模型在肠道传染病预测中的应用[J];激光杂志;2008年02期
2 杨召;叶中辉;尤爱国;郭奕瑞;张肖肖;梁淑英;邢进;王重建;;乘积季节ARIMA模型在结核病发病率预测中应用[J];中国公共卫生;2013年04期
3 于林凤;吴静;周锁兰;丁勇;;ARIMA季节模型在我国丙肝发病预测中的应用[J];郑州大学学报(医学版);2014年03期
4 郭建娥;刘桂芬;;构建山西省太原市痢疾发病率的ARIMA模型[J];疾病监测;2007年04期
5 梁雪枫;李慧;高丽;张晓曙;;ARIMA模型预测甲肝发病[J];预防医学情报杂志;2009年04期
6 付志勇;陈秋萍;陈田木;吴英;兰泽龙;;ARIMA模型在肺结核疫情预测中的应用[J];热带医学杂志;2011年12期
7 朱奕奕;冯玮;赵琦;徐飚;;ARIMA乘积季节模型在上海市甲肝发病预测中的应用[J];复旦学报(医学版);2012年05期
8 申铜倩;刘文东;胡建利;朱叶飞;鲍昌俊;汤奋扬;彭志行;陈峰;;x-11-ARIMA过程在痢疾疫情预测中的应用研究[J];中国卫生统计;2014年03期
9 黄春萍;刘仕俊;丁华;宋姝娟;徐珏;刘牧文;;杭州市麻疹发病数的ARIMA模型预测[J];现代预防医学;2014年11期
10 吴田勇;曾庆;于萌;刘世炜;李勤;赵寒;;2004—2012年中国丙型肝炎报告数据ARIMA模型及其趋势预测[J];上海交通大学学报(医学版);2014年05期
相关硕士学位论文 前6条
1 谢骁旭;基于R的江西省肺结核发病率ARIMA-SVM组合预测模型[D];南昌大学医学院;2015年
2 朱宁;邵阳市2004-2013年艾滋病流行特征及ARIMA-BP组合模型在艾滋病预测中的应用[D];南华大学;2015年
3 王炜翔;南京市2006~2013年流感流行特征及ARIMA模型的应用[D];东南大学;2015年
4 王山;时间分布模型在甲肝流行趋势分析中的应用[D];浙江大学;2016年
5 王凌燕;长春市2011-2015年手足口病疫情特征分析及趋势预测[D];吉林大学;2017年
6 王磊;河北省流行性乙型脑炎流行特征分析及ARIMA预测研究[D];河北医科大学;2008年
,本文编号:1503184
本文链接:https://www.wllwen.com/yixuelunwen/chuanranbingxuelunwen/1503184.html