【摘要】：目的探討單純自回歸滑動(dòng)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(xì)菌性痢疾預(yù)測(cè)中的應(yīng)用。方法利用江蘇省2004年1月至2015年2月的細(xì)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(yù)測(cè)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(gè)模型的平均絕對(duì)誤差(mean absolute error,MAE)、均方誤差(mean square error,MSE)和平均絕對(duì)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(yù)測(cè)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(duì)于江蘇省細(xì)菌性痢疾發(fā)病率時(shí)間序列的預(yù)測(cè)效果優(yōu)于單純ARIMA模型。建議嘗試使用ARIMA-NAR組合模型預(yù)測(cè)細(xì)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(xué)無錫醫(yī)學(xué)院流行病學(xué)與衛(wèi)生統(tǒng)計(jì)學(xué)教研室;
【基金】：江南大學(xué)自主科研青年基金(JUSRP11569) 江南大學(xué)公共衛(wèi)生研究中心項(xiàng)目(JUPH201508)~~
【分類號(hào)】：R516.4

【相似文獻(xiàn)】

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(yù)測(cè)中的應(yīng)用[J];激光雜志;2008年02期

2 楊召;葉中輝;尤愛國(guó);郭奕瑞;張肖肖;梁淑英;邢進(jìn);王重建;;乘積季節(jié)ARIMA模型在結(jié)核病發(fā)病率預(yù)測(cè)中應(yīng)用[J];中國(guó)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(guó)丙肝發(fā)病預(yù)測(cè)中的應(yīng)用[J];鄭州大學(xué)學(xué)報(bào)(醫(yī)學(xué)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(cè);2007年04期

5 梁雪楓;李慧;高麗;張曉曙;;ARIMA模型預(yù)測(cè)甲肝發(fā)病[J];預(yù)防醫(yī)學(xué)情報(bào)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(yù)測(cè)中的應(yīng)用[J];熱帶醫(yī)學(xué)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(yù)測(cè)中的應(yīng)用[J];復(fù)旦學(xué)報(bào)(醫(yī)學(xué)版);2012年05期

8 申銅倩;劉文東;胡建利;朱葉飛;鮑昌俊;湯奮揚(yáng);彭志行;陳峰;;x-11-ARIMA過程在痢疾疫情預(yù)測(cè)中的應(yīng)用研究[J];中國(guó)衛(wèi)生統(tǒng)計(jì);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(yù)測(cè)[J];現(xiàn)代預(yù)防醫(yī)學(xué);2014年11期

10 吳田勇;曾慶;于萌;劉世煒;李勤;趙寒;;2004—2012年中國(guó)丙型肝炎報(bào)告數(shù)據(jù)ARIMA模型及其趨勢(shì)預(yù)測(cè)[J];上海交通大學(xué)學(xué)報(bào)(醫(yī)學(xué)版);2014年05期

相關(guān)碩士學(xué)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(yù)測(cè)模型[D];南昌大學(xué)醫(yī)學(xué)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(yù)測(cè)中的應(yīng)用[D];南華大學(xué);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(xué);2015年

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

5 王凌燕;長(zhǎng)春市2011-2015年手足口病疫情特征分析及趨勢(shì)預(yù)測(cè)[D];吉林大學(xué);2017年

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

，

本文編號(hào)：2189080