基于Python语言的ARIMA模型在天津市结核病发病率预测中的应用

发布时间：2021-07-19 13:21

　　目的探讨差分自回归移动平均（ARIMA）模型在结核病发病率预测中的可行性。方法基于Python语言的statsmodels模块,以天津市2004年1月—2015年12月结核病月发病率数据作为训练集建立最优季节性差分自回归移动平均（SARIMA）模型,以2016年1—12月数据对SARIMA模型进行效果评价,并对2017年1月—2019年12月天津市结核病月发病率进行预测。结果流行病学结果显示,2004年1月—2015年12月天津市结核病月发病率总体呈下降趋势。2005—2008年出现一个发病高峰,2009年后大幅度下降,随后趋于平稳。2017年1月—2019年12月天津市结核病月发病率与往年相比平稳下降。建立的最佳模型为SARIMA（1,1,1）×（3,1,1）₁₂,该模型残差BOX-Ljung统计量P值为0.493,提示残差为白噪声序列,模型拟合良好。预测结果实际值均在预测值的95%置信区间。结论 SARIMA（1,1,1）×（3,1,1）₁₂模型可对天津市结核病月发病率进行较准确的预测。 

【文章来源】：中国感染控制杂志. 2020,19(07)北大核心CSCD

【文章页数】：9 页

【部分图文】：

天津市2004年1月—2015年12月结核病月发病率时间序列图

天津市2004年1月—2015年12月结核病月发病率时间序列分解图

原始时间序列图经Dickey-Fuller Test,结果显示P值为0.81,原始序列不平稳,需要进行平稳性处理。对原始序列进行一次差分和一次季节差分后序列图平稳,见图3。ACF和PACF亦显示数据已平稳,见图4。Dickey-Fuller Test结果显示P值为0.000029,亦说明序列已平稳。经差分后的平稳序列BOX-Ljung统计量P<0.05,判断该序列为非白噪声序列。图4 差分后序列的ACF、PACF

【参考文献】：
期刊论文
[1]GM（1,1）模型在我国梅毒发病率预测中的应用[J]. 王雅文,沈忠周,杨银.  实用预防医学. 2019(09)
[2]基于Python语言的中文分词技术的研究[J]. 祝永志,荆静.  通信技术. 2019(07)
[3]基于ARIMA模型的山东省肺结核发病趋势预测[J]. 秘玉清,张继萍,殷延玲,刘一鋆,于慧慧,王莎莎,王祥,李爱娇,罗盛,李伟.  中国卫生统计. 2018(06)
[4]ARIMA模型在天津市结核病发病预测中的应用[J]. 李晓蓉,庞学文,于燕明,高丽,张丹,万莹,李敬新.  实用预防医学. 2018(12)
[5]组合预测模型在丙型病毒性肝炎发病率预测中的应用[J]. 刘天,姚梦雷,黄继贵,毛安禄,陈红缨,黄淑琼,杨雯雯,蔡晶,吴然.  中国疫苗和免疫. 2018(06)
[6]基于Python的网络爬虫程序设计[J]. 郭丽蓉.  电子技术与软件工程. 2017(23)
[7]ARIMA模型在武汉市结核病疫情预测中的应用[J]. 张正斌,段琼红,李月华,易凤莲,鲁周琴,王卫华,杜义祥.  公共卫生与预防医学. 2017(03)
[8]马尔可夫链在南方某部队肺结核发病趋势预测分析中的应用[J]. 李文华,杨亚涛,曾年华.  华南国防医学杂志. 2017(05)
[9]大数据环境下基于python的网络爬虫技术[J]. 谢克武.  电子制作. 2017(09)
[10]基于乘积SARIMA模型的肺结核发病率预测[J]. 胡晓媛,孙庆文,王玲玲,李敏.  第二军医大学学报. 2016(08)

硕士论文
[1]混沌时序黄金期货价格预测研究[D]. 李超.暨南大学 2018
[2]基于ARIMA-LSTM混合模型的机械传动件制造企业销售预测方法研究与应用[D]. 程俊.电子科技大学 2018



本文编号：3290775