科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的分析2004-2018年我国狂犬病疫情的时间序列特征,建立自回归移动平均模型(Autoregressive Integrated Moving Average Model, ARIMA),利用该模型对我国狂犬病疫情进行短期预测,为狂犬病的防控提供参考。方法建立2004-2017年我国狂犬病月发病数时间序列,利用SPSS 19.0建立ARIMA季节模型,并将该模型预测的2018年狂犬病发病数据与实际数据比较,对模型进行优化评估;最后利用优化模型对2019年狂犬病发病情况进行短期预测。结果根据建立的时间序列分析得到最优模型为ARIMA(0,1,1)×(0,1,1)12,模型的拟合结果与真实值变化趋势一致,具有良好的拟合效果;模型预测2018年发病总数为363,相对误差为0.82%。结论截至目前,我国仍是狂犬病高发国家,狂犬病疫情呈现季节性变化特征,ARIMA乘积季节模型对我国狂犬病发病趋势具有较高的拟合度,可用于我国狂犬病疫情的短期预测,可为我国狂犬病的防控提供参考依据。
- 单位
