三种模型在江西省流感样病例预测中的应用与比较

作者：傅伟杰; 谢昀; 曾志笠; 刘晓青^*

来源：中华疾病控制杂志, 2019, 23(01): 101-105.

DOI：10.16462/j.cnki.zhjbkz.2019.01.021

• 流感样病例
• ARIMA
• 预测
• 误差

目的构建江西省流感流行趋势最优预测模型,为流感防控提供科学指导。方法从"中国流感监测信息系统"导出江西省2013-2017年每月流感哨点监测数据,并采用自回归(autoregressive,AR)、指数平滑(exponential smoothing,ES)和自回归积分滑动平均(autoregressive integrated moving average,ARIMA)等不同预测方法建模,并将2017年1～12月的预测值和实际比较。结果三种模型的R2分别为0. 731、0. 751和0. 815;均方根误差(root mean square error,RMSE)分别为0. 253、0. 243和0. 212;平均绝对误差(mean absolute error,MAE)分别为0. 189、0. 178和0. 151;平均绝对百分误差(mean absolute percent error,MAPE)分别为10. 092、9. 523和8. 124;平均相对误差(mean relative error,MRE)分别为11. 45%、10. 92%和8. 96%。结论在进行江西省流感样病例就诊百分比趋势建模中,ARIMA是一个较好预测流感样病例就诊百分比的模型。

• 单位
  南昌大学; 公共卫生学院; 江西省疾病预防控制中心; 江西省预防医学重点实验室