ARIMA乘积季节模型在日喀则市结核病疫情预测中的应用

发布时间：2024-04-25 03:20

　　目的通过构建的自回归滑动平均混合(ARIMA)乘积季节模型预测日喀则市结核病月发病情况,通过比较模型预测值与实际值来评估该模型的预测效果。方法根据日喀则市2010年1月—2016年12月的结核病月发病例数构建ARIMA乘积季节模型,利用该模型预测2017年1—12月的结核病月发病情况,通过比较预测值与实际值来评价拟合模型的预测效果。结果最优模型为ARIMA(1,1,1)(1,1,0)₁₂,其参数均通过统计学检验(均P<0.05),残差序列为白噪声序列(P>0.05),其赤池信息准则(AIC)=679.48,许瓦兹贝叶斯准则(SBC)=686.27,拟合优度相对最好。2017年1—12月的预测值与实际值基本吻合,实际值均落在95%CI内,预测效果较好。结论 ARIMA(1,1,1)(1,1,0)12可用于短期预测日喀则市结核病疫情,预测效果较好,建议要及时根据数据更新及其他的因素更新模型,以确保模型的预测价值。

【文章页数】：4 页

【部分图文】：

图1日喀则市新发结核病月发病情况时序表现

利用PROC过程步中的Gplot语句绘制原始序列图。图中内容显示，日喀则市2010—2016年结核病月发病数据波动较大，总体上呈现下降趋势，在每年的3、4、5月达到发病高峰期，11月份—次年1月进入发病低谷期，发病趋势呈现出明显的季节性变化。因此从整体上来看，该样本时间序列存在长....

图2对原始时间序列进行1阶12步差分后的时序表现

对原始序列绘制时序图后发现，日喀则市2010—2016年结核病月发病时间序列存在季节效应、长期趋势和不规则波动且三者之间存在着较为复杂的联系，因此拟合ARIMA乘积季节模型。通过PROCARIMA过程步中的Identify语句来对模型进行初步的识别，分析差分后时间序列的ACF图....

图3原始时间序列1阶12步差分后的自相关分析（左）和偏自相关分析（右）

本研究在对日喀则市2010—2016年连续6年的结核病月发病数据进行分析后发现，日喀则市结核病的发病情况具有长期稳定性趋势，总体上还呈现以12个月为周期的不断循环现象，因此采用了时间序列分析中的ARIMA乘积季节模型来进行分析。首先对日喀则市结核病时间序列采取了1阶12步的差分数....

本文编号：3963924