發(fā)布時間：2024-04-25 03:20

　　目的通過構(gòu)建的自回歸滑動平均混合(ARIMA)乘積季節(jié)模型預(yù)測日喀則市結(jié)核病月發(fā)病情況,通過比較模型預(yù)測值與實際值來評估該模型的預(yù)測效果。方法根據(jù)日喀則市2010年1月—2016年12月的結(jié)核病月發(fā)病例數(shù)構(gòu)建ARIMA乘積季節(jié)模型,利用該模型預(yù)測2017年1—12月的結(jié)核病月發(fā)病情況,通過比較預(yù)測值與實際值來評價擬合模型的預(yù)測效果。結(jié)果最優(yōu)模型為ARIMA(1,1,1)(1,1,0)₁₂,其參數(shù)均通過統(tǒng)計學(xué)檢驗(均P<0.05),殘差序列為白噪聲序列(P>0.05),其赤池信息準則(AIC)=679.48,許瓦茲貝葉斯準則(SBC)=686.27,擬合優(yōu)度相對最好。2017年1—12月的預(yù)測值與實際值基本吻合,實際值均落在95%CI內(nèi),預(yù)測效果較好。結(jié)論 ARIMA(1,1,1)(1,1,0)12可用于短期預(yù)測日喀則市結(jié)核病疫情,預(yù)測效果較好,建議要及時根據(jù)數(shù)據(jù)更新及其他的因素更新模型,以確保模型的預(yù)測價值。

【文章頁數(shù)】：4 頁

【部分圖文】：

圖1日喀則市新發(fā)結(jié)核病月發(fā)病情況時序表現(xiàn)

利用PROC過程步中的Gplot語句繪制原始序列圖。圖中內(nèi)容顯示，日喀則市2010—2016年結(jié)核病月發(fā)病數(shù)據(jù)波動較大，總體上呈現(xiàn)下降趨勢，在每年的3、4、5月達到發(fā)病高峰期，11月份—次年1月進入發(fā)病低谷期，發(fā)病趨勢呈現(xiàn)出明顯的季節(jié)性變化。因此從整體上來看，該樣本時間序列存在長....

圖2對原始時間序列進行1階12步差分后的時序表現(xiàn)

對原始序列繪制時序圖后發(fā)現(xiàn)，日喀則市2010—2016年結(jié)核病月發(fā)病時間序列存在季節(jié)效應(yīng)、長期趨勢和不規(guī)則波動且三者之間存在著較為復(fù)雜的聯(lián)系，因此擬合ARIMA乘積季節(jié)模型。通過PROCARIMA過程步中的Identify語句來對模型進行初步的識別，分析差分后時間序列的ACF圖....

圖3原始時間序列1階12步差分后的自相關(guān)分析（左）和偏自相關(guān)分析（右）

本研究在對日喀則市2010—2016年連續(xù)6年的結(jié)核病月發(fā)病數(shù)據(jù)進行分析后發(fā)現(xiàn)，日喀則市結(jié)核病的發(fā)病情況具有長期穩(wěn)定性趨勢，總體上還呈現(xiàn)以12個月為周期的不斷循環(huán)現(xiàn)象，因此采用了時間序列分析中的ARIMA乘積季節(jié)模型來進行分析。首先對日喀則市結(jié)核病時間序列采取了1階12步的差分數(shù)....

本文編號：3963924