根據(jù)國家疾病預(yù)防控制局提供的2013年1月至2019年10月艾滋病發(fā)病數(shù)的相關(guān)數(shù)據(jù),分別建立ARIMA（0,1,1）×（0,1,1）₁₂乘積季節(jié)模型和Prophet模型,并對兩種模型的預(yù)測效果進行對比.結(jié)果表明,兩種模型均能很好地預(yù)測我國艾滋病的發(fā)病人數(shù)以及變化趨勢,其RMSE分別為345.46、328.88,且Prophet模型的預(yù)測效果更優(yōu). 

【文章來源】：河南科學(xué). 2020,38(09)

【文章頁數(shù)】：7 頁

【部分圖文】：

Prophet模型流程圖

為判斷該時間序列數(shù)據(jù)是否為平穩(wěn)序列，對其進行Dickey Fuller平穩(wěn)性檢驗，結(jié)果見表1.所得P值為1.00，遠遠大于臨界值0.05，說明不能拒絕原假設(shè).所以在一定的可信度下，可以認(rèn)為該時間序列數(shù)據(jù)是不穩(wěn)定的.2.1.2 時間序列平穩(wěn)化

對經(jīng)過一階差分與季節(jié)差分后的平穩(wěn)時間序列做ACF和PACF檢測，結(jié)果見圖4.時間序列的自相關(guān)系數(shù)與偏自相關(guān)系數(shù)超過95%落在2倍標(biāo)準(zhǔn)差范圍內(nèi)，且呈現(xiàn)拖尾狀態(tài)，故初步假定模型為ARIMA(p,1,q)×(P,1,Q)12.其中，p、q、P和Q可以取值為0和1.依據(jù)赤池信息量準(zhǔn)則（AIC）和貝葉斯信息量準(zhǔn)則（BIC）對16種模型進行判定（表2），最終選取AIC和BIC最小值所對應(yīng)的最優(yōu)模型：ARIMA(0,1,1）×（0,1,1)12.圖4 差分后序列的ACF和PACF圖

【參考文獻】：
期刊論文
[1]Prophet預(yù)測-修正的主題強度演化模型——以干細(xì)胞領(lǐng)域為實證[J]. 張鑫,文奕,許海云,劉忠禹.  圖書情報工作. 2020(08)
[2]2018-2019年我國艾滋病領(lǐng)域倫理法律與政策相關(guān)熱點問題[J]. 賈平.  中國艾滋病性病. 2020(04)
[3]基于ARIMA模型的河南省醫(yī)療服務(wù)需求變化趨勢及預(yù)測分析[J]. 馬蘭,田慶豐,郭麗芳,李越,李穎菲.  中國衛(wèi)生統(tǒng)計. 2020(01)
[4]LSTM和Prophet模型在肺結(jié)核發(fā)病數(shù)預(yù)測中的應(yīng)用[J]. 李順勇,張鈺嘉.  河南科學(xué). 2020(02)
[5]基于ARIMA模型、灰色模型和回歸模型的預(yù)測比較[J]. 李志超,劉升.  統(tǒng)計與決策. 2019(23)
[6]GM（1,1）模型與LSTM神經(jīng)網(wǎng)絡(luò)在肺結(jié)核發(fā)病數(shù)預(yù)測中的應(yīng)用[J]. 王淑平,杜敏,羅建偉,胡佩佩,程冬.  公共衛(wèi)生與預(yù)防醫(yī)學(xué). 2019(05)
[7]2009-2018年啟東市肺結(jié)核流行病學(xué)特征分析及灰色GM（1,1）模型預(yù)測[J]. 顧忠頗.  江蘇預(yù)防醫(yī)學(xué). 2019(05)
[8]基于SIS模型的網(wǎng)絡(luò)輿情無監(jiān)督預(yù)警機制研究[J]. 周琦萍,楊芳.  情報科學(xué). 2019(08)
[9]數(shù)據(jù)驅(qū)動的肺結(jié)核傳播過程的建模與分析[J]. 王銳涵,魏海平,曹宇,孫媛.  計算機應(yīng)用. 2019(S1)
[10]基于Prophet-隨機森林優(yōu)化模型的空氣質(zhì)量指數(shù)規(guī)模預(yù)測[J]. 常恬君,過仲陽,徐麗麗.  環(huán)境污染與防治. 2019(07)



本文編號：3464104