ARIMA和Prophet模型在艾滋病发病预测中的应用

发布时间：2021-10-29 06:00

　　根据国家疾病预防控制局提供的2013年1月至2019年10月艾滋病发病数的相关数据,分别建立ARIMA（0,1,1）×（0,1,1）₁₂乘积季节模型和Prophet模型,并对两种模型的预测效果进行对比.结果表明,两种模型均能很好地预测我国艾滋病的发病人数以及变化趋势,其RMSE分别为345.46、328.88,且Prophet模型的预测效果更优. 

【文章来源】：河南科学. 2020,38(09)

【文章页数】：7 页

【部分图文】：

Prophet模型流程图

为判断该时间序列数据是否为平稳序列，对其进行Dickey Fuller平稳性检验，结果见表1.所得P值为1.00，远远大于临界值0.05，说明不能拒绝原假设.所以在一定的可信度下，可以认为该时间序列数据是不稳定的.2.1.2 时间序列平稳化

对经过一阶差分与季节差分后的平稳时间序列做ACF和PACF检测，结果见图4.时间序列的自相关系数与偏自相关系数超过95%落在2倍标准差范围内，且呈现拖尾状态，故初步假定模型为ARIMA(p,1,q)×(P,1,Q)12.其中，p、q、P和Q可以取值为0和1.依据赤池信息量准则（AIC）和贝叶斯信息量准则（BIC）对16种模型进行判定（表2），最终选取AIC和BIC最小值所对应的最优模型：ARIMA(0,1,1）×（0,1,1)12.图4 差分后序列的ACF和PACF图

【参考文献】：
期刊论文
[1]Prophet预测-修正的主题强度演化模型——以干细胞领域为实证[J]. 张鑫,文奕,许海云,刘忠禹.  图书情报工作. 2020(08)
[2]2018-2019年我国艾滋病领域伦理法律与政策相关热点问题[J]. 贾平.  中国艾滋病性病. 2020(04)
[3]基于ARIMA模型的河南省医疗服务需求变化趋势及预测分析[J]. 马兰,田庆丰,郭丽芳,李越,李颖菲.  中国卫生统计. 2020(01)
[4]LSTM和Prophet模型在肺结核发病数预测中的应用[J]. 李顺勇,张钰嘉.  河南科学. 2020(02)
[5]基于ARIMA模型、灰色模型和回归模型的预测比较[J]. 李志超,刘升.  统计与决策. 2019(23)
[6]GM（1,1）模型与LSTM神经网络在肺结核发病数预测中的应用[J]. 王淑平,杜敏,罗建伟,胡佩佩,程冬.  公共卫生与预防医学. 2019(05)
[7]2009-2018年启东市肺结核流行病学特征分析及灰色GM（1,1）模型预测[J]. 顾忠颇.  江苏预防医学. 2019(05)
[8]基于SIS模型的网络舆情无监督预警机制研究[J]. 周琦萍,杨芳.  情报科学. 2019(08)
[9]数据驱动的肺结核传播过程的建模与分析[J]. 王锐涵,魏海平,曹宇,孙媛.  计算机应用. 2019(S1)
[10]基于Prophet-随机森林优化模型的空气质量指数规模预测[J]. 常恬君,过仲阳,徐丽丽.  环境污染与防治. 2019(07)



本文编号：3464104