基于求和自回归滑动平均模型的道路交通伤害死亡趋势预测分析

发布时间：2025-04-11 02:28

　　 目的分析2014-2018年河北省道路交通伤害死亡情况,探讨求和自回归滑动平均模型（autoregressive integrated moving average model,ARIMA）在道路交通伤害死亡趋势预测中的可行性。方法采用描述流行病学分析2014-2018年河北省道路交通伤害死亡概况,运用R 3.5.3软件对河北省2014年1月-2018年6月道路交通伤害月度死亡资料建立ARIMA预测模型,进行整体回代观察拟合效果,比较2018年7月-12月预测值与真实值,评价预测效果。结果 2014-2018年河北省累计报告道路交通伤害死亡人数13 147例,男性10 071例,女性3 076例,年均死亡率为17.79/10万,总体呈现下降趋势。构建的最佳预测模型为ARIMA（0,1,1）(0,1,1)₁₂,赤池信息量准则（Akaike information criterion,AIC）为390.64,Schwaz贝叶斯准则（Schwarz Bayesian criterion,SBC）为395.78;残差序列为白噪声序列（均有P>0.05）,模型参数非零...

【文章页数】：6 页

【部分图文】：

图1 2014-2018年河北省道路交通伤害死亡率变化情况

河北省2014―2018年累计报告道路交通伤害死亡人数13147例,其中男性10071例,占76.60%,女性3076例,占23.40%;男性道路交通伤害死亡率为26.70/10万,女性为8.51/10万,男性是女性的3.14倍。5年间报告死亡例数分别为2780例、26....

图2 时间序列分解图

将2014年1月-2018年6月道路交通伤害死亡的原始数据预处理后,得到一组时间序列数据,通过观察时序图和ACF图,初步判断该序列非平稳,同时进行单位根检验,检验统计量ADF=-0.160(P=0.561),进一步说明该序列为非平稳时间序列。为了明确此非平稳序列中蕴涵的确定性信息....

图3 差分后序列自相关图

表1ARIMA模型拟合效果比较Table1ComparisonoffittingeffectsofARIMAmodel模型AICSBCLoglikelihoodARIMA(0,1,1)(0,1,1)12390.64395.78-192.32A....

图4 差分后序列偏自相关图

图3差分后序列自相关图2.5模型的拟合与预测

本文编号：4039362