本文關(guān)鍵詞：基于時(shí)間序列模型的傳染病流行趨勢(shì)及預(yù)測(cè)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來(lái)傳染病的流行給世界發(fā)展造成嚴(yán)重危害,從中國(guó)的非典到非洲的埃博拉,使得傳染病的控制和預(yù)測(cè)成為科學(xué)研究的熱點(diǎn)問(wèn)題,利用科學(xué)的技術(shù)方法去控制傳染病的發(fā)展,減小傳染病帶來(lái)的影響對(duì)社會(huì)發(fā)展至關(guān)重要。本文針對(duì)傳染病流行趨勢(shì)及預(yù)測(cè)方法進(jìn)行了研究,主要工作如下:1、缺失數(shù)據(jù)處理。本文對(duì)于傳染病流行趨勢(shì)預(yù)測(cè)研究主要基于時(shí)間序列模型,因此樣本數(shù)據(jù)為時(shí)間序列,包含了傳染病患病人數(shù)在不同時(shí)間段的統(tǒng)計(jì)結(jié)果。但是由于統(tǒng)計(jì)工作不完善,不可避免的出現(xiàn)部分時(shí)間段內(nèi)的統(tǒng)計(jì)數(shù)據(jù)缺失,本文中首先對(duì)數(shù)據(jù)預(yù)處理的原則和常用手段進(jìn)行了總結(jié)介紹,其次對(duì)三次樣條插值方法進(jìn)行了介紹,并基于三次樣條插值對(duì)本文的樣本數(shù)據(jù)進(jìn)行了處理。2、預(yù)測(cè)模型的介紹。本文中對(duì)數(shù)據(jù)外推預(yù)測(cè)的經(jīng)典模型進(jìn)行了分類(lèi)歸納總結(jié),對(duì)常見(jiàn)的模型原理和方法進(jìn)行了介紹,其中重點(diǎn)介紹了時(shí)間序列模型。3、基于ARIMA時(shí)間序列模型的傳染病流行趨勢(shì)預(yù)測(cè)。本文中選取了乙類(lèi)傳染病中的乙肝、結(jié)核病和丙類(lèi)傳染病中的流行性感冒作為研究對(duì)象,搜集相關(guān)的時(shí)間序列數(shù)據(jù),通過(guò)缺失數(shù)據(jù)處理后,得到計(jì)算所需樣本數(shù)據(jù),通過(guò)對(duì)不同模型和不同類(lèi)型傳染病之間預(yù)測(cè)結(jié)果的對(duì)標(biāo),結(jié)果表明,乙類(lèi)傳染病的流行趨勢(shì)存在明顯的季節(jié)周期性規(guī)律和自相關(guān)性,因此模型具有相對(duì)較好的預(yù)測(cè)結(jié)果,而對(duì)于流行性感冒,其流行趨勢(shì)不存在明顯的周期性規(guī)律和自相關(guān)性,預(yù)測(cè)結(jié)果十分不理想,因此在對(duì)傳染病進(jìn)行預(yù)測(cè)研究時(shí),需要針對(duì)具體的疾病,選取適當(dāng)?shù)哪Ｐ汀?、基于ARIMA乘積季節(jié)模型的傳染病流行趨勢(shì)預(yù)測(cè)。ARIMA乘積模型對(duì)于具有周期性、季節(jié)性變化的時(shí)間序列的預(yù)測(cè)更加準(zhǔn)確,并且模型能夠準(zhǔn)確刻畫(huà)時(shí)間序列數(shù)據(jù)的隨機(jī)性、周期性、季節(jié)性變化規(guī)律�；贏RIMA乘積季節(jié)模型,本文以乙肝患病人數(shù)的時(shí)間序列為對(duì)象進(jìn)行了預(yù)測(cè)分析,結(jié)果表明預(yù)測(cè)效果優(yōu)于ARIMA模型。最后,對(duì)本文中所做的工作以及傳染病預(yù)測(cè)研究的發(fā)展進(jìn)行了總結(jié)和展望。
【關(guān)鍵詞】：傳染病 樣條插值 時(shí)間序列 ARIMA模型
【學(xué)位授予單位】：長(zhǎng)春工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：F224;R51;R181.3
【目錄】：

• 摘要3-4
• Abstract4-7
• 第一章 緒論7-12
• 1.1 傳染病預(yù)測(cè)模型研究意義與背景7
• 1.2 研究現(xiàn)狀7-10
• 1.2.1 國(guó)內(nèi)相關(guān)研究8-9
• 1.2.2 國(guó)外相關(guān)研究9-10
• 1.3 文章結(jié)構(gòu)與工作安排10-12
• 第二章 數(shù)據(jù)的預(yù)處理12-20
• 2.1 數(shù)據(jù)準(zhǔn)備12-14
• 2.1.1 處理的原則12
• 2.1.2 處理方法12-14
• 2.2 基于三次樣條插值的缺失數(shù)據(jù)處理14-20
• 2.2.1 三次樣條插值15-18
• 2.2.2 基于三次樣條插值的缺失數(shù)據(jù)處理18-20
• 第三章 傳染病預(yù)測(cè)模型20-28
• 3.1 經(jīng)典預(yù)測(cè)模型分類(lèi)20-23
• 3.1.1 基于微分方程模型預(yù)測(cè)方法20-22
• 3.1.2 灰色預(yù)測(cè)模型22-23
• 3.2 傳染病預(yù)測(cè)的基本時(shí)間序列模型23-28
• 3.2.1 預(yù)測(cè)方法23-24
• 3.2.2 滑動(dòng)平均模型24-25
• 3.2.3 指數(shù)平滑模型預(yù)測(cè)方法25-26
• 3.2.4 趨勢(shì)外推法預(yù)測(cè)模型26-28
• 第四章 基于ARMA模型的傳染病發(fā)展趨勢(shì)預(yù)測(cè)28-39
• 4.1 ARMA模型發(fā)展28
• 4.2 ARMA模型原理28-32
• 4.2.1 預(yù)期、平穩(wěn)性和遍歷性28-29
• 4.2.2 移動(dòng)平均過(guò)程29-30
• 4.2.3 自回歸過(guò)程30-31
• 4.2.4 自回歸移動(dòng)平均過(guò)程31-32
• 4.3 基于ARIMA模型的傳染病發(fā)展趨勢(shì)預(yù)測(cè)與分析32-39
• 4.3.1 數(shù)據(jù)采集32
• 4.3.2 時(shí)間序列模型預(yù)測(cè)方法對(duì)比32-35
• 4.3.3 不同類(lèi)型傳染病的ARIMA模型預(yù)測(cè)結(jié)果對(duì)比分析35-39
• 第五章 基于ARIMA乘積季節(jié)模型的傳染病發(fā)展趨勢(shì)預(yù)測(cè)39-46
• 5.1 ARIMA乘積季節(jié)模型39
• 5.2 ARIMA乘積季節(jié)模型建模39-42
• 5.2.1 數(shù)據(jù)預(yù)處理39-40
• 5.2.2 模型識(shí)別、定階與參數(shù)估計(jì)40-42
• 5.2.3 模型診斷檢驗(yàn)42
• 5.3 基于ARIMA乘積季節(jié)模型的傳染病預(yù)測(cè)分析42-46
• 第六章 總結(jié)與展望46-47
• 致謝47-48
• 參考文獻(xiàn)48-51
• 作者簡(jiǎn)介51
• 攻讀碩士學(xué)位期間研究成果51

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 王巖;呂霞;薛茜;;時(shí)間序列模型在預(yù)測(cè)臨床血液需求量中的應(yīng)用[J];數(shù)理醫(yī)藥學(xué)雜志;2009年02期

2 劉娟;高潔;;乙型、丙型流感病毒的長(zhǎng)記憶ARFIMA模型[J];生物信息學(xué);2011年02期

3 陳超;田鑫;周劍惠;張運(yùn)祥;林琳;劉影;李大強(qiáng);曹鳳瑞;程濤;王爽;常新;;流行性腮腺炎疫情時(shí)間序列模型建立與應(yīng)用[J];中國(guó)公共衛(wèi)生;2012年02期

4 段茜琳;;用Bax-Tenkins列據(jù)對(duì)低端EMG時(shí)間序列模型的辨識(shí)以控制假肢[J];國(guó)外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊(cè);1989年02期

5 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前4條

1 汪宏晶;林曦晨;湯洪秀;尹平;;多元時(shí)間序列模型及其應(yīng)用[A];2011年中國(guó)衛(wèi)生統(tǒng)計(jì)學(xué)年會(huì)會(huì)議論文集[C];2011年

2 史青;練曉華;;時(shí)間序列模型在地鐵結(jié)構(gòu)變形預(yù)測(cè)中的應(yīng)用[A];第十五屆華東六省一市測(cè)繪學(xué)會(huì)學(xué)術(shù)交流會(huì)論文集（江蘇上海論文分冊(cè)）[C];2012年

3 黃榮坦;;廈門(mén)港集裝箱吞吐量的時(shí)間序列模型[A];2002年中國(guó)管理科學(xué)學(xué)術(shù)會(huì)議論文集[C];2002年

4 趙慶江;遲凱;付芳萍;李潮潮;車(chē)文剛;;基于FCM的模糊時(shí)間序列模型及人民幣匯率預(yù)測(cè)[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前2條

1 國(guó)海證券研究所;時(shí)間序列模型預(yù)測(cè)3月CPI為—1.26%[N];上海證券報(bào);2009年

2 羅佐縣;勘探投資須研究規(guī)律提高效率[N];中國(guó)石化報(bào);2008年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 趙彪;兩類(lèi)時(shí)間序列模型的統(tǒng)計(jì)推斷[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

2 尚華;兩類(lèi)時(shí)間序列模型的異常值檢測(cè)研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2016年

3 邱望仁;模糊時(shí)間序列模型及其在股指趨勢(shì)分析中的應(yīng)用研究[D];大連理工大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 段煉;基于時(shí)間序列模型的日內(nèi)交易策略在A股市場(chǎng)上的應(yīng)用[D];復(fù)旦大學(xué);2014年

2 李金玲;基于特征展開(kāi)法的模糊時(shí)間序列模型的約減算法[D];大連海事大學(xué);2015年

3 王鵬飛;基于自相關(guān)函數(shù)的模糊時(shí)間序列模型的優(yōu)化算法[D];大連海事大學(xué);2015年

4 孫自珂;風(fēng)電并網(wǎng)對(duì)電力系統(tǒng)可靠性影響研究[D];山東大學(xué);2015年

5 李修成;城市范圍內(nèi)PM2.5時(shí)間預(yù)測(cè)研究[D];哈爾濱工業(yè)大學(xué);2015年

6 王倩;非線(xiàn)性時(shí)間序列模型研究及實(shí)證分析[D];電子科技大學(xué);2014年

7 劉洋;基于SVM修正的模糊時(shí)間序列模型在滬指預(yù)測(cè)中的應(yīng)用[D];南京大學(xué);2015年

8 尹小琴;基于支持向量機(jī)的混合時(shí)間序列模型的研究與應(yīng)用[D];沈陽(yáng)工業(yè)大學(xué);2016年

9 馬云飛;多因素模糊時(shí)間序列預(yù)測(cè)模型的研究[D];大連海事大學(xué);2016年

10 劉丑娟;基于變參數(shù)粒子群的模糊時(shí)間序列模型的研究[D];大連海事大學(xué);2016年

  本文關(guān)鍵詞：基于時(shí)間序列模型的傳染病流行趨勢(shì)及預(yù)測(cè)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：378488