ARIMA模型在传染病发病率预测中的应用

上传人:夏** 文档编号:489529167 上传时间:2022-10-14 格式:DOC 页数:3 大小:17KB
返回 下载 相关 举报
ARIMA模型在传染病发病率预测中的应用_第1页
第1页 / 共3页
ARIMA模型在传染病发病率预测中的应用_第2页
第2页 / 共3页
ARIMA模型在传染病发病率预测中的应用_第3页
第3页 / 共3页
亲,该文档总共3页,全部预览完了,如果喜欢就下载吧!
资源描述

《ARIMA模型在传染病发病率预测中的应用》由会员分享,可在线阅读,更多相关《ARIMA模型在传染病发病率预测中的应用(3页珍藏版)》请在金锄头文库上搜索。

1、ARIMA莫型在传染病发病率预测中的应用作者:吴家兵叶临湘尤尔科【关键词】时间序列分析;ARIMA模型;预测;法定传染病;发病率,摘要:目的:探讨应用时间序列ARIMA模型进行法定传染病发病率预测的可行性。方法:应用SPSS11瞰件对1986年2002年逐月发病率进行RIMA模型建模拟合,用所得到的模型对2003年各月发病率进行预测,并与实际发病率进行比较。结果:ARIMA(0,1,1)义(0,1,1)12模型很好地拟合了既往时间段上的发病率序列,对2003年各月发病率的预测值符合实际发病率变动趋势。结论:ARIMA模型能很好地模拟传染病发病率在时间序列上的变动趋势,并对未来的发病率进行预测,

2、为传染病防治工作服务。关键词:时间序列分析;ARIMA模型;预测;法定传染病;发病率时间序列是按时间顺序排列的一组数据,时间序列分析就是利用这组数据,应用数理统计方法加以处理,以预测未来事物的发展。近年来这一方法已经越来越多的应用于经济管理、气象预测、病虫害预测等领域,也有人将其应用于疾病发生的预测:13。我们尝试运用时间序列分析中被广泛应用的ARIMA模型对东风汽车公司1986年2002年的法定传染病月发病率进行拟合,并探讨使用此模型进行发病率预测的可行性,为传染病监测和防治提供帮助。1材料和方法11材料东风汽车公司疾病控制所1986年2003年逐月法定传染病发病数及年度人口数。12方法用S

3、PSS115进行数据处理与分析。ARIMA莫型建模过程按4个阶段进行4:序列平稳化:ARIMA的应用需要时间序列符合平稳性的要求;模型的识别:主要是根据ACF图和PACF图的特征,提出几种可能的模型作进一步分析;模型参数估计和模型诊断:对提出的模型进行参数估计和诊断,如模型不恰当,则回到第二阶段,重新选定模型;预测应用:1986年2002年的数据用于建立模型,2003年的数据用于验证模型的预测效果。2建模步骤21序列的平稳化一个平稳的随机过程应符合以下要求:均数不随时间变化;方差不随时间变化;自相关系数只与时间间隔有关,而与所处的时间无关:2。对原序列作线图,发现1996年以前数据的变异较大,序列的方差在前后差别明显。因此首先对数据采取自然对数变换,以平稳序列的方差。经过对数转换后的序列作直线回归拟合,直线回归系数=-,t=,可以认为序列有下降趋势。再对经自然对数转换后的序列作自相关图,发现ACF序列在时点12、24、36处都有一个局部极大值,说明存在以12个时间单位为一个周期的季节性。根据上述特点,采用先进行一次一般差分,再进行一次季节差分的方法分别消除趋势和季节的影响。经分析此时序列已消除了趋势(回归系数=,t=,P=),也没有明显的周期性,符合ARIMA模型的平稳性的要求。

展开阅读全文
相关资源
正为您匹配相似的精品文档
相关搜索

最新文档


当前位置:首页 > 办公文档 > 演讲稿/致辞

电脑版 |金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号