ARIMA模型在江西省布鲁氏菌病发病数预测中的应用

发布时间：2021-10-08 11:04

　　目的构建江西省布病流行趋势预测模型,为布病防控提供科学依据。方法利用2014-2017年江西省人间布病月发病数建立不同差分次数下的最优模型,同时,对2018年1月的布病发病数进行预测,比较模型的拟合、预测效果。结果不同差分条件的最优模型分别为AR（1）、ARIMA（1,1,3）、ARIMA（3,2,0）、ARIMA（3,3,0）。其中,模型AR（1）对2018年1月的发病数的预测误差最小。结论 ARIMA模型用于江西省布病发病数的短期预测基本可行。 

【文章来源】：中国人兽共患病学报. 2020,36(03)北大核心CSCD

【文章页数】：4 页

【部分图文】：

江西省2014-2017年布病月发病数序列图

江西省2014-2017年布病月发病数序列的(偏)自相关图

2018年1月江西省布病报告数为5例,4个最优模型中,AR(1)的预测误差最小为0.21,其次是ARIMA(3,3,0)。抛开预测误差较大的ARIMA(1,1,3)和ARIMA(3,2,0),比较AR(1)和ARIMA(3,3,0),可以发现ARIMA(3,3,0)有着更吻合的趋势图和最大的R2值,而AR(1)有着更小的AIC值和希尔不等指数。3 讨 论

【参考文献】：
期刊论文
[1]江西省2011-2017年人间布鲁氏菌病疫情分析[J]. 黄玉萍,宗俊,熊长辉,潘欢弘,胡国良,刘晓青.  中华疾病控制杂志. 2019(04)
[2]ARIMA乘积季节模型与广义回归神经网络模型在布鲁菌病发病预测的比较[J]. 马洁,田野,黄璐,孟维静,王素珍,石福艳.  山东大学学报(医学版). 2018(06)
[3]2001-2015年锦州市布鲁氏菌病疫情流行病学分析[J]. 张新岩,李树博,范凯,莫晓艳,林丹.  中国人兽共患病学报. 2018(01)
[4]ARIMA模型在我国法定传染病报告数中的应用[J]. 沈忠周,马帅,曲翌敏,江宇.  中华流行病学杂志. 2017 (12)
[5]应用ARIMA乘积季节模型预测青岛市甲肝发病[J]. 梁纪伟,姜法春,韩雅琳,薛爱丽,宋鑫.  中国公共卫生管理. 2016(06)
[6]深圳市ARIMA在肾综合征出血热发病预测中应用[J]. 梅树江,周志峰,马汉武,周海涛,樊丹怡,王敬忠,李媛,李怀昕,柯跃斌.  中国公共卫生. 2015(07)
[7]应用ARIMA模型预测麻疹发病率的可行性研究[J]. 陆波,闵思韬,闵红星,岳晓玲,郭忠琴.  中国卫生统计. 2015(01)
[8]ARIMA乘积季节模型在上海市甲肝发病预测中的应用[J]. 朱奕奕,冯玮,赵琦,徐飚.  复旦学报(医学版). 2012(05)
[9]GM（1,1）灰色模型和ARIMA模型在HFRS发病率预测中的比较研究[J]. 吴伟,关鹏,郭军巧,周宝森.  中国医科大学学报. 2008(01)



本文编号：3424033