资源描述：
《arima模型在手足口病预测预警中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、ARIMA模型在手足口病预测预警中的应用李标李雪梅古丽斯深圳市盐田区疾病预防控制中心，深圳盐田518000[摘要]目的研究时间序列分析在手足口病预测预警中的应用,并探讨提高模型预测准确性和实用性的思路。方法应用SPSS18.0软件对深圳市盐田区2008年1月—2014年4月手足口病发病率进行ARIMA模型拟合，预测2014年5月~12月手足口病发病率。结果模型ARIMA(0，1，0)（0,1,1）12的参数估计值为0.761，t=2.552，P=0.013，经检验参数有统计学意义。且BIC=6.066，在拟合比较的模型中最小，故
2、选定为最佳拟合模型。利用2013年10月—2014年4月实际发病数与预测发病数进行比较，实际值与预测值相对误差的中位数为71%。结论用时间序列分析对手足口病发病情况的拟合结果满意,预测和预警效果良好。[.jyqkodelinforcastingandearlyeiGulisPreventionandcontrolcenterofShenzhenYantianDistrictdisease，Yantian518000，China[Abstract]ObjectiveTomakeresearchintotheapplicationo
3、fARIMAmodelintheforcastingandearlyouthdisease(HFMD)andelaborateontheideaofimprovingtheaccuracyandtheapplicabilityofthemodel.MethodsUsingSPSS18.0softouthdiseaseincidencerateofARIMAmodel,forecastin2014May-12monthsofhandfootandmouthdiseaseincidence.ResultsThemodelofARIM
4、A(0,1,0)(0,1,1)12parameterestimationvalueis0.761,t=2.552,P=0.013,thetestparametershavestatisticalsignificance.AndBIC=6.066,thesmallestinthefittedmodel,soitisselectedasthebestfitmodel.Using2013.10-2014.4ontheactualincidenceandthepredictiveincidenceedianrelativeerroris
5、71%.ConclusionUsingtimeseriesanalysisresultsfittheincidenceofhandfootandmouthdiseaseodel；Hand-foot-mouth-disease；Forcasting；Earlyeseriesanalysis[简介]李标（1982-）,男，汉族，大学本科，广东梅县，职称：中级，研究方向：现场流行病学，专业：预防医学。为增加手足口病防控工作的主动性和预见性，及时、科学地对手足口病的发病趋势进行预测是很重要的。[1]时间序列分析法中的自回归滑动平均混合模
6、型是由博克思(Box)和詹金斯(Jenkins)于70年代初提出的著名时间序列预测方法,近年来由于其在公共卫生领域良好的适用性而逐渐被广大学者重视[2]。1资料与方法1.1资料数据源于中国法定传染病报告系统—“中国疾病预防控制信息系统”，选取现住址为深圳市盐田区，发病日期为2008年1月1日—2014年4月30日的所有临床诊断和实验室确诊手足口病病例。人口数于每年深圳市盐田区统计局公布的人口数。1.2建立模型基本原理与方法ARIMA模型的基本思想是:将预测对象随时间推移而形成的数据序列视为一个随机序列,用一定的数学模型来近似描述
7、这个序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归，p为自回归项；MA为移动平均，q为移动平均项数，d为时间序列成为平稳序列所做的差分次数（阶数）。所有试验数据均使用SPSS19.0软件包处理，并确保准确无误。组间的差异以P＜0.05表示具有统计学意义。2结果2.1序列平稳化检验绘制2008年1月—2014年4月深圳市盐田区手足口病发病率的时间序列图，时间单位定义为年月型，起始点为2008年1月。结果显示，总体线性趋势不明显，5~6月，
8、9~10月出现明显季节性高峰。提示原始序列非平稳序列，进行一阶逐期差分和一阶季节差分后，得到一个基本稳定的序列。2.2模型识别与定阶尝试建立ARIMA(p,d,q)(P,D,Q)模型,经过前述对数据进行一阶差分和一阶季节差分的预处理，获得较平稳数列,因此,d=D
