首页 > 文献资料
-
基于SARIMA模型的细菌性痢疾短期定量预测研究
目的 采用季节时间序列模型(SARIMA)对福建省细菌性痢疾发病数进行短期预测,为风险评估提供可靠的定量数据基础.方法 运用EViews 8.0软件,基于SARIMA模型,对福建省2004年1月至2015年12月细菌性痢疾月发病数进行分析和建模,再对2016年1～9月进行预测和评估,然后修正模型对2016年10～ 12月进行短期预测.结果 2004年1月至2015年12月,福建省细菌性痢疾月发病序列呈下降态势和周期性波动.SARIMA(0,1,1)(1,1,1)12拟合优度较好,预测准确度和精度较高,均方根误差(RMSE)为26.59,平均绝对百分比误差(MAPE)为13.61％.2016年1～9月前瞻性长期预测值MAPE为19.44％,其中7～9月MAPE为20.49％,而2016年7～9月前瞻性短期预测值MAPE为6.48％,而且标准误(SE)小于长期预测.采用2004年1月至2016年9月细菌性痢疾例数进行建模拟合后,SARIMA(1,1,2)(0,1,1)12为佳模型,2016年10～12月短期预测结果分别为41例、36例和24例.结论 SARIMA模型能够对福建省细菌性痢疾发病数进行较准确的短期预测,可为风险评估提供可靠的定量数据基础.
-
SARIMA模型在福建省细菌性痢疾风险评估中的应用
目的 采用SARIMA模型对福建省细菌性痢疾发病情况进行预测,为风险评估提供科学的定量数据.方法 利用Eviews 5.0对福建省1990年1月-2013年12月细菌性痢疾的月发病例数进行SARIMA分析.采用自相关函数和ADF单位根检验判断原序列的平稳性,采取自然对数转化和差分使其平稳,然后利用自相关函数和偏相关函数识别和估计SARIMA模型参数,并对结果进行t检验和Q检验,再利用调整R2、AIC准则和SC准则对模型进行评估.后进行回代评价和预测分析.结果 模型SARIMA(2,1,2)(0,l,1)12、SARIMA(0,1,1)(0,1,1)12和SARIMA(1,1,2)(0,l,1)12参数有统计学意义,残差为白噪声,其中SARIM(1,l,2)(0,1,1)12为优模型,表达式为:(1+0.75L)(1-L)(1-L12)log(yt)=(1+0.45L-0.35L2)(1-0.79L12)εt.回代检验平均相对误差为14.72％.2013年预测标准误较小,4-7月预测值与实际值相对误差均低于10％.结论 SARIMA模型可对福建省细菌性痢疾发病情况进行较准确的预测,可为及时、科学地研判传染病风险提供可靠的数据基础.
-
SARIMA模型在戊型肝炎发病趋势预警预测中的应用
目的 采用SARIMA模型对福建省戊肝发病趋势进行预测,为预警和风险评估提供定量数据.方法 以Eviews 5.0对福建省2004年1月-2015年12月戊肝的月发病例数进行SARIMA分析.结果 2004年1月-2014年8月福建省戊肝月发病序列呈先升后降的趋势和周期性波动,取自然对数和1次1阶非季节差分后序列得到平稳化,模型SARI-MA (0,1,1)(1,0,1)12和SARIMA(2,1,0)(1,0,1)12参数有统计学意义,残差为白噪声,后者为优模型,表达式为:(1+0.61L+0.23L2)(1-0.89L12)(1-L)l0g(yt)=(1-0.89L12)εt.静态回代预测值和实际值吻合较好,相对误差取绝对值后均数为13.06％.2014年1-8月预测值的相对误差较小(5月份除外),预测标准误(S.E)较小.结论 运用SARIMA模型可对戊肝发病趋势进行较准确的短期预测,可为及时、科学地研判风险提供可靠的数据基础.
