發(fā)布時間：2018-08-18 09:40

【摘要】：目的探討單純自回歸滑動平均(autoregressive integrated moving average,ARIMA)模型與ARIMA和非線性自回歸(nonlinear autoregressive,NAR)組合模型在細菌性痢疾預測中的應(yīng)用。方法利用江蘇省2004年1月至2015年2月的細菌性痢疾數(shù)據(jù)作為擬合樣本,以2015年3月至2016年5月的數(shù)據(jù)作為預測樣本;建立的模型分別為單純ARIMA模型和ARIMA-NAR組合模型,然后根據(jù)2個模型的平均絕對誤差(mean absolute error,MAE)、均方誤差(mean square error,MSE)和平均絕對百分比誤差(mean absolute percentage error,MAPE)比較模型的效果,其值越小模型效果越好。結(jié)果在模型的擬合階段,單純ARIMA模型的MAE、MSE和MAPE分別為0.177 5、0.081 4和0.184 7,ARIMA-NAR組合模型分別為0.094 1、0.029 5和0.104 6。在模型的預測階段,單純ARIMA模型的MAE、MSE和MAPE也分別大于ARIMA-NAR組合模型。結(jié)論 ARIMA-NAR組合模型對于江蘇省細菌性痢疾發(fā)病率時間序列的預測效果優(yōu)于單純ARIMA模型。建議嘗試使用ARIMA-NAR組合模型預測細菌性痢疾的發(fā)病率。
[Abstract]:Objective to investigate the application of simple autoregressive moving average (autoregressive integrated moving averagea (ARIMA) model, ARIMA and nonlinear autoregressive model in prediction of bacillary dysentery. Methods the data of bacillary dysentery from January 2004 to February 2015 in Jiangsu Province were used as fitting samples and the data from March 2015 to May 2016 were used as prediction samples. The established models were simple ARIMA model and ARIMA-NAR combined model, respectively. Then, according to the mean absolute error (mean absolute), mean square error (mean square) and mean absolute error (mean absolute percentage) of the two models, the model is compared. The smaller the model value is, the better the model effect is. Results in the fitting stage of the model, the mae MSE and MAPE of the simple ARIMA model were 0.177 5 / 0.081 4 and 0.184 7 / 7 ARIMA-NAR respectively, which were 0.094 1 / 0.029 5 and 0.104 6 respectively. In the prediction stage of the model, the MAE MSE and MAPE of the simple ARIMA model are also larger than that of the ARIMA-NAR combination model, respectively. Conclusion ARIMA-NAR combined model is superior to ARIMA model in predicting the time series of incidence of bacillary dysentery in Jiangsu Province. It is suggested that ARIMA-NAR model be used to predict the incidence of bacillary dysentery.
【作者單位】： 江南大學無錫醫(yī)學院流行病學與衛(wèi)生統(tǒng)計學教研室;
【基金】：江南大學自主科研青年基金(JUSRP11569) 江南大學公共衛(wèi)生研究中心項目(JUPH201508)~~
【分類號】：R516.4

【相似文獻】

相關(guān)期刊論文 前10條

1 張翼飛;陳洪;劉嶺;張彥琦;郭波濤;易東;;ARIMA季節(jié)乘積模型在腸道傳染病預測中的應(yīng)用[J];激光雜志;2008年02期

2 楊召;葉中輝;尤愛國;郭奕瑞;張肖肖;梁淑英;邢進;王重建;;乘積季節(jié)ARIMA模型在結(jié)核病發(fā)病率預測中應(yīng)用[J];中國公共衛(wèi)生;2013年04期

3 于林鳳;吳靜;周鎖蘭;丁勇;;ARIMA季節(jié)模型在我國丙肝發(fā)病預測中的應(yīng)用[J];鄭州大學學報(醫(yī)學版);2014年03期

4 郭建娥;劉桂芬;;構(gòu)建山西省太原市痢疾發(fā)病率的ARIMA模型[J];疾病監(jiān)測;2007年04期

5 梁雪楓;李慧;高麗;張曉曙;;ARIMA模型預測甲肝發(fā)病[J];預防醫(yī)學情報雜志;2009年04期

6 付志勇;陳秋萍;陳田木;吳英;蘭澤龍;;ARIMA模型在肺結(jié)核疫情預測中的應(yīng)用[J];熱帶醫(yī)學雜志;2011年12期

7 朱奕奕;馮瑋;趙琦;徐飚;;ARIMA乘積季節(jié)模型在上海市甲肝發(fā)病預測中的應(yīng)用[J];復旦學報(醫(yī)學版);2012年05期

8 申銅倩;劉文東;胡建利;朱葉飛;鮑昌俊;湯奮揚;彭志行;陳峰;;x-11-ARIMA過程在痢疾疫情預測中的應(yīng)用研究[J];中國衛(wèi)生統(tǒng)計;2014年03期

9 黃春萍;劉仕俊;丁華;宋姝娟;徐玨;劉牧文;;杭州市麻疹發(fā)病數(shù)的ARIMA模型預測[J];現(xiàn)代預防醫(yī)學;2014年11期

10 吳田勇;曾慶;于萌;劉世煒;李勤;趙寒;;2004—2012年中國丙型肝炎報告數(shù)據(jù)ARIMA模型及其趨勢預測[J];上海交通大學學報(醫(yī)學版);2014年05期

相關(guān)碩士學位論文 前6條

1 謝驍旭;基于R的江西省肺結(jié)核發(fā)病率ARIMA-SVM組合預測模型[D];南昌大學醫(yī)學院;2015年

2 朱寧;邵陽市2004-2013年艾滋病流行特征及ARIMA-BP組合模型在艾滋病預測中的應(yīng)用[D];南華大學;2015年

3 王煒翔;南京市2006～2013年流感流行特征及ARIMA模型的應(yīng)用[D];東南大學;2015年

4 王山;時間分布模型在甲肝流行趨勢分析中的應(yīng)用[D];浙江大學;2016年

5 王凌燕;長春市2011-2015年手足口病疫情特征分析及趨勢預測[D];吉林大學;2017年

6 王磊;河北省流行性乙型腦炎流行特征分析及ARIMA預測研究[D];河北醫(yī)科大學;2008年

，

本文編號：2189080