Application of ARIMA model and auto-regressive model in prediction on incidence of hand-foot-mouth disease
-
摘要: 目的 探讨求和自回归滑动平均混合模型(autoregressive integrated moving average model,ARIMA)和残差自回归模型在我国手足口病月发病率预测中的应用,并对它们的预测效果进行比较。方法 收集2008年1月~2014年12月我国手足口病月发病率资料,用SPSS 13.0和EViews 8.0分别拟合ARIMA模型和残差自回归模型,并用2014年7月~12月的数据评价模型的预测效果。结果 ARIMA模型拟合及预测的平均相对误差(average relative error,MRE),均方误差(mean square predict error,MSE),均方根误差(root mean squared predict error,RMSE)和平均绝对误差(mean absolute error,MAE)分别为14.006,4.689,2.165,0.147; 13.565,4.416,2.101,0.133。残差自回归模型拟合及预测的MRE,MSE,RMSE和MAE分别为16.793,7.247,2.692,0.171,16.206,6.639,2.577,0.164。结论 ARIMA模型拟合及预测效果优于残差自回归模型。Abstract: Objective To explore the application of autoregressive integrated moving average(ARIMA) model and auto-regressive model in prediction on incidence of hand,foot and mouth disease in China and compare the predicated effect among them. Methods The data of monthly incidence of hand-foot-mouth disease from January in 2008 to December in 2014 in China was collected, SPSS 13.0 and EViews 8.0 were used to fit ARIMA model and auto-regressive model respectively, at the same time, the monthly data in July to December 2014 was used to evaluate the effect of prediction. Results The average relative error(MRE), mean square predict error(MSE), root mean squared predict error(RMSE) and mean absolute error(MAE) fitted and predicated by ARIMA model were 14.006,4.689,2.165,0.147 and 13.565,4.416,2.101,0.133 respectively. The MRE, MSE, RMSE and MAE fitted and predicated by auto-regressive model were 16.793,7.247,2.692,0.171 and 16.206,6.639,2.577,0.164 respectively. Conclusions According to the model fitness and prediction accuracy, ARIMA model is superior to the auto-regressive model with a good practical value.
-
Key words:
- Models, Statistical /
- Hand,foot and mouth disease /
- Incidence /
- Forecasting
-
Zhang W, Huang B, She C, et al. An epidemic analysis of hand, foot, and mouth disease in Zunyi, China between 2012 and 2014 [J]. Saudi Med J, 2015,36(5): 593-598. 王宏宇. 手足口病病原谱监测及肠道病毒在正常人群中的调查研究 [D]. 合肥:安徽医科大学, 2014. 何斌,王洪源,王江敏. 北京市海淀区学龄前儿童手足口病发病影响因素研究 [J]. 中华疾病控制杂志, 2014,18(7):687-688. 陈银苹,吴爱萍,余亮科. 组合模型对乙肝发病趋势的预测研究 [J]. 解放军医学杂志, 2014,39(1): 52-56. 潘浩,胡家瑜,吴寰宇,等. GM(1,1)灰色模型和ARIMA模型在上海市手足口病发病率预测应用中的比较研究 [J]. 中华疾病控制杂志, 2011,15(5):445-448. 王永斌,李向文,柴峰,等. ARIMA模型在我国梅毒发病率预测中的应用 [J]. 现代预防医学, 2015,42(3):385-388. Tarassenko L, Villarroel M, Guazzi A, et al. Non-contact video-based vital sign monitoring using ambient light and auto-regressive models [J]. Physiol Meas, 2014,35(5): 807-831. 王燕. 应用时间序列分析 [M]. 第2版. 北京:中国人民大学出版社, 2005. 戴钰. 最优组合预测模型的构建及其应用研究 [J]. 经济数学, 2010,27(1):92-98. 刘桂芬. 医学统计学 [M]. 第2版. 北京:中国协和医科大学出版社, 2007. 张国良,后永春,舒文. 三种模型在肺结核发病预测中的应用 [J]. 中国卫生统计, 2013,30(4):480-483. Liu L, Luan RS, Yin F, et al. Predicting the incidence of hand, foot and mouth disease in sichuan province, China using the ARIMA model [J]. Epidemiol Infect, 2015,12(3):1-8. Soni K, Parmar KS, Kapoor S. Time series model prediction and trend variability of aerosol optical depth over coal mines in India [J]. Environ Sci Pollut Res Int, 2015,22(5):3652-3671. 期刊类型引用(28)
1. 王思源,夏必胜,任瑛. 基于残差优化模型的PM2.5浓度预测算法. 计算机仿真. 2023(10): 371-376 . 百度学术
2. 刘永嘉. ARIMA预测和指数平滑法在辽宁省食品安全抽检合格率预测中的应用. 食品安全导刊. 2022(02): 60-62 . 百度学术
3. 钟德炎,陈丽华,吴荣火. 新型冠状病毒肺炎(COVID-19)疫情预测——基于残差自回归模型. 内江科技. 2021(05): 118-119 . 百度学术
4. 郭亮,赖佳伟,周小军,罗蝶,陈家言,李佳俊妮. 自回归移动平均模型在心血管疾病死亡预测中的应用. 上海预防医学. 2021(09): 807-812 . 百度学术
5. 马金宇,王秀琴,龚瑞,李涛,黎晞. 宁夏乙型病毒性肝炎时间序列分析及预测. 宁夏医科大学学报. 2021(11): 1173-1178 . 百度学术
6. 运玲,王福才,张秋芬. 差分自回归移动平均模型在蚊密度分布特征预测中的应用. 中国媒介生物学及控制杂志. 2020(01): 21-26 . 百度学术
7. 张晓峰,尤爱国,潘静静,崔法曾,武恕星,孙长青. ARIMA模型在三门峡市手足口病发病预测中的应用. 实用预防医学. 2020(02): 168-170 . 百度学术
8. 高秋菊,周宇畅,赵树青,张世勇. ARIMA乘积季节模型和LSTM深度神经网络对石家庄市手足口病疫情预测效果的比较. 中华疾病控制杂志. 2020(01): 73-78 . 本站查看
9. 蒋家晓,陈富玲,THI MAI NGUYEN,周子寒,赖银娟,黄光华,叶力,梁浩,梁冰玉. 2010—2017年灵山县手足口病流行病学特征分析及2018年疫情预测. 广西医科大学学报. 2020(03): 520-525 . 百度学术
10. 窦斌,李晶,刘汗青. 基于ARIMA模型的云南进口矿产质量问题预测研究. 科技和产业. 2020(04): 87-92 . 百度学术
11. 刘杰,武钦发,李伟国,肖宇飞,毛倩,石福艳,王素珍. ARIMA乘积季节模型在青州市布鲁氏菌病发病预测中的应用. 中国医院统计. 2020(02): 97-100+105 . 百度学术
12. 彭世广,耿献辉. 基于ARIMA和GM(1, 1)模型的中国大豆进口量及进口额预测. 大豆科学. 2020(04): 626-632 . 百度学术
13. 李刚刚,周秀芳,白亚娜,周莉,韩晓丽,任晓卫. 残差自回归模型和Holt双参数指数平滑模型在“一带一路”沿线部分国家婴儿死亡率预测中的应用及比较. 中华疾病控制杂志. 2019(01): 90-94+100 . 本站查看
14. 曾艺旋,周小军,杨姣,周孔香,胡炜华. 基于南昌市新建区居民伤害死亡趋势的ARIMA模型构建与预测. 南昌大学学报(医学版). 2019(01): 17-21 . 百度学术
15. 王电钢,黄林,常健,梅克进,牛新征. 基于ARIMA和CART的负载预测模型. 深圳大学学报(理工版). 2019(03): 245-251 . 百度学术
16. 刘天,姚梦雷,黄继贵,陈红缨,黄淑琼,杨雯雯,蔡晶,吴然. BP神经网络在传染病时间序列预测中的应用及其MATLAB实现. 预防医学情报杂志. 2019(08): 812-816+821 . 百度学术
17. 王燕,陈涛,杨晓丽,方兴. 利用ARIMA模型预测辽宁省水痘发病率. 医学动物防制. 2019(11): 1044-1047 . 百度学术
18. 郑代坤,谭毅,李佳,王军,马帅,沈忠周. 基于自回归求和移动平均模型预测我国手足口病月报告发病数. 疾病监测. 2018(01): 54-58 . 百度学术
19. 宋炜晔,刘志媛,王飞. 残差自回归模型在旅游经济当中的应用. 现代商贸工业. 2018(06): 23-25 . 百度学术
20. 黄一鸣,王永斌,王镇德,阎聪侠,潘晶晶,张生奎,许春杰,李小明,朱莹,武建辉,袁聚祥. 基于SARIMA-ERNN组合模型预测我国艾滋病流行趋势. 中国艾滋病性病. 2018(09): 881-886 . 百度学术
21. 王雅文,沈忠周,严宝湖,杨银. ARIMA模型和ARIMA-GRNN模型在AIDS发病预测中的应用. 中华疾病控制杂志. 2018(12): 1287-1290 . 本站查看
22. 许春杰,尹素凤,郭春月,刘晓宇,杜莹,范红敏,冯福民,胡泊. 河北省育龄妇女生育水平变化及未来人口预测. 郑州大学学报(医学版). 2017(01): 75-78 . 百度学术
23. 杨云,张珍珍. 关于心血管疾病因素优化预测仿真. 计算机仿真. 2017(12): 379-382+419 . 百度学术
24. 王爱青,刘卫星,刘晓坤,王金艳,张庆华. 预测我国医护比例的模型研究. 现代医学. 2017(09): 1229-1234 . 百度学术
25. 马晓梅,刘颖,杨梦利,闫国立,徐学琴,王瑾瑾,郗园林,段广才. 手足口病月发病率ARIMA乘积季节模型预测探讨. 现代预防医学. 2017(09): 1541-1544+1560 . 百度学术
26. 姚梦雷,刘天,黄继贵,黄淑琼. 自回归求和移动平均模型在荆州市手足口病疫情预测预警中的应用. 预防医学论坛. 2017(11): 804-806 . 百度学术
27. 高雅,王伶,吴伟,于伟,张倩,宗莉,赵卓. 辽宁省手足口病疫情季节性ARIMA模型预测效果评价. 中国公共卫生. 2017(10): 1482-1484 . 百度学术
28. 许春杰,尹素凤,郭春月,宋瑞瑞,汪可可,肖孟迎,张秀峰,刘晓宇,范红敏,冯福民,胡泊. 基于ARIMA-ERNN组合模型预测我国甲肝发病率. 郑州大学学报(医学版). 2016(06): 726-730 . 百度学术
其他类型引用(19)
-

计量
- 文章访问数: 601
- HTML全文浏览量: 152
- PDF下载量: 56
- 被引次数: 47