论文部分内容阅读
目的探索应用时间序列求和自回归移动平均（Autoregressive integrated movingaverage, ARIMA）模型预测本地区常见呼吸道传染病的发病情况。为本区制定呼吸道传染病的预防监测措施提供决策依据，同时为其它呼吸道传染病预测模型的研究提供参考。方法利用《国家疾病报告管理信息系统》的资料，应用SPSS13.0统计软件、采用ARIMA模型，对2007年1月—2011年12月合肥市蜀山区常见6种呼吸道传染病即麻疹、风疹、流行性腮腺炎、流行性感冒、水痘、流脑，逐月的发病情况进行建模和拟合，经过参数估计、模型诊断、模型评价，选择得到最优模型,并对2012年各月发病情况进行预测，评价模型的预测效果。结果本文研究的6种常见呼吸道传染病高发季节均在3-5月份、11月份至次年的1月份。经过建模、拟合，得出ARIMA（0.0.1）（0.0.1）是本地区常见呼吸道传染病拟合的最佳模型。模型拟合统计量均方根误差（Root Mean Square Error，RMSE）为20.299,平均绝对百分位差（Mean Absolute Percent Error， MAPE）为41.264，正态化的BIC为6.226，决定系数R2为0.269，根据贝叶斯准则BIC值最小， R2最大为最优模型；Ljung–Box Q值为0.375，即P=0.375，可知残差属于白噪声值，说明本模型预测相对适合。建立模型之后对数据进行ARIMA分析预测，并进一步对2012年本地区呼吸道传染病的发病进行预测，结果显示2012年各月份实际发病趋势与预测曲线图高度吻合，说明ARIMA模型拟合精度和预测效果均较好。ARIMA模型对未来12月内的预测值在这几种传染病发病情况未发生显著变化时，能较好地预测这几种传染病未来的走势及发病数。结论ARIMA模型对蜀山区常见呼吸道传染病拟合的预测效果较为满意，ARIMA模型是针对有季节性变动和趋势性分月发病情况的时间序列提出的建模方法。ARIMA模型对未来12月内的预测值在这几种传染病发病情况未发生显著变化时，能较好地预测这几种传染病未来的走势及发病数，这将为今后常见呼吸道传染病的预防和控制提供理论支持。选用相对最优的ARIMA模型进行疾病预测，并根据预测结果通过网络信息化系统发出预警，具有加强传染病防控工作的实际应用价值。