通過自回歸移動平均模型（ARIMA）曲線擬合乙型肝炎疫情的發(fā)病數,以此為依據對傳染病行業(yè)的需求進行分析和預測。選擇2009～2018年乙型肝炎發(fā)病數據,通過時間序列分析法進行處理,采用序列平穩(wěn)化、模型估計、模型檢驗擬定ARIMA季節(jié)性模型。并使用2013年1月-2016年12月我國乙型肝炎發(fā)病數據來進行模型驗證,再預測未來一年的乙型肝炎月發(fā)病數,可得知2009-2018年乙型肝炎的發(fā)病數據可以被ARIMA（3,1,2）（1,1,1）12模型很好地擬合。根據模型預測得到,2019年我國乙型肝炎的發(fā)病數為1224591例,總體呈上升趨勢,在3、7、8月份逐月增加,隨后又有所減少。 

【文章來源】：邢臺職業(yè)技術學院學報. 2019,36(06)

【文章頁數】：8 頁

【部分圖文】：

2009年-2018年我國乙肝發(fā)病數時序圖

為此，對序列做一階逐期差分處理，處理后的時序圖為圖2，序列明顯平穩(wěn)。根據圖3原序列的自相關分析圖所顯示，滯后期k=12時自相關系數是0.305，超出了隨機區(qū)間的范圍，表明序列有周期為12個月的季節(jié)波動，因此要做季節(jié)性差分處理。

根據圖3原序列的自相關分析圖所顯示，滯后期k=12時自相關系數是0.305，超出了隨機區(qū)間的范圍，表明序列有周期為12個月的季節(jié)波動，因此要做季節(jié)性差分處理。季節(jié)性因素可通過使用一階季節(jié)差分處理元時序列來消除，經過分析可知，序列的平穩(wěn)性被季節(jié)性差分之后，它的時序度會在某一數值上平穩(wěn)波動，由此可知被差分之后的序列是一個固定的時序模型，如圖4所示。

【參考文獻】：
期刊論文
[1]傳染病預測及模型選擇研究進展[J]. 余艷妮,聶紹發(fā),廖青,劉建華.  公共衛(wèi)生與預防醫(yī)學. 2018(05)
[2]基于時間序列的云南省乙類傳染病分析預測[J]. 李鵬,楊世宏,馬磊,相艷,邵黨國,韓曉東.  病毒學報. 2018(02)
[3]基于ARIMA模型對傳染病監(jiān)測數據異常點的探測研究[J]. 王橙,許沛堯,馬愛軍,喻雪雙,張韜.  現代預防醫(yī)學. 2018(04)
[4]基于ARIMA的傳染病發(fā)病率趨勢預測模型實證研究[J]. 王園園,陳偉,李望晨,李健.  中國城鄉(xiāng)企業(yè)衛(wèi)生. 2017(11)
[5]采用自回歸移動平均模型預測中國流感病例數[J]. 譚恩麗,侯慧玉,包海榮,滕雪嬌,張順先,李保娣,黃曉霞.  病毒學報. 2017(05)
[6]用兩種時間序列分析方法預測門診量及效果評價[J]. 吳學智,何為虎,王安政.  中國病案. 2016(08)
[7]ARIMA模型在傳染病預測中的應用[J]. 王怡,張震,范俊杰,王在翔,王培承.  中國預防醫(yī)學雜志. 2015(06)
[8]ARIMA模型和BP神經網絡模型在我國乙型肝炎發(fā)病預測中的應用[J]. 陳遠方,張熳,王小莉,戎毅,彭海燕,管芳.  江蘇預防醫(yī)學. 2015(03)
[9]ARIMA時間序列在乙肝發(fā)病預測中的應用[J]. 王濤,苑新海,朱宗龍.  中國衛(wèi)生統計. 2014(04)
[10]江西省乙型肝炎發(fā)病趨勢的時間序列和預測模型分析[J]. 毛向群,熊小慶,涂秋鳳,余平,楊健平.  中國預防醫(yī)學雜志. 2013(06)



本文編號：3111459