• 中国精品科技期刊
  • 《中文核心期刊要目总览》收录期刊
  • RCCSE 中国核心期刊(5/114,A+)
  • Scopus收录期刊
  • 美国《化学文摘》(CA)收录期刊
  • WHO 西太平洋地区医学索引(WPRIM)收录期刊
  • 《中国科学引文数据库(CSCD)》核心库期刊 (C)
  • 中国科技核心期刊
  • 中国科技论文统计源期刊
  • 《日本科学技术振兴机构数据库(中国)》(JSTChina)收录期刊
  • 美国《乌利希期刊指南》(UIrichsweb)收录期刊
  • 中华预防医学会系列杂志优秀期刊(2019年)

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

自回归求和滑动平均(ARIMA)模型在全球新型冠状病毒肺炎发病人数预测中的应用

包娅薇,  邵明,  陈雨婷,  刘旭祥,  丁晓芹,  潘贵霞,  潘发明,  李小静

downloadPDF
文章导航 > 中华疾病控制杂志  > 2020 >  24(5): 543-548
包娅薇, 邵明, 陈雨婷, 刘旭祥, 丁晓芹, 潘贵霞, 潘发明, 李小静. 自回归求和滑动平均(ARIMA)模型在全球新型冠状病毒肺炎发病人数预测中的应用[J]. 中华疾病控制杂志, 2020, 24(5): 543-548. doi: 10.16462/j.cnki.zhjbkz.2020.05.010
引用本文: 包娅薇, 邵明, 陈雨婷, 刘旭祥, 丁晓芹, 潘贵霞, 潘发明, 李小静. 自回归求和滑动平均(ARIMA)模型在全球新型冠状病毒肺炎发病人数预测中的应用[J]. 中华疾病控制杂志, 2020, 24(5): 543-548. doi: 10.16462/j.cnki.zhjbkz.2020.05.010
shu
BAO Ya-wei, SHAO Ming, CHEN Yu-ting, LIU Xu-xiang, DING Xiao-qin, PAN Gui-xia, PAN Fa-ming, LI Xiao-jing. Application of autoregressive integrated moving average (ARIMA) model in global prediction of COVID-19 incidence[J]. CHINESE JOURNAL OF DISEASE CONTROL & PREVENTION, 2020, 24(5): 543-548. doi: 10.16462/j.cnki.zhjbkz.2020.05.010
Citation: BAO Ya-wei, SHAO Ming, CHEN Yu-ting, LIU Xu-xiang, DING Xiao-qin, PAN Gui-xia, PAN Fa-ming, LI Xiao-jing. Application of autoregressive integrated moving average (ARIMA) model in global prediction of COVID-19 incidence[J]. CHINESE JOURNAL OF DISEASE CONTROL & PREVENTION, 2020, 24(5): 543-548. doi: 10.16462/j.cnki.zhjbkz.2020.05.010
shu

自回归求和滑动平均(ARIMA)模型在全球新型冠状病毒肺炎发病人数预测中的应用

doi: 10.16462/j.cnki.zhjbkz.2020.05.010
  • 1.

    230022 合肥, 安徽医科大学第一附属医院整形外科

  • 2.

    230032 合肥, 安徽医科大学公共卫生学院流行病与卫生统计学系

  • 3.

    230000 合肥, 合肥市疾病预防控制中心230000

包娅薇和邵明为共同第一作者
详细信息
    通讯作者:

    潘发明, E-mail:famingpan@ahmu.edu.cn

    李小静, E-mail:ay_lxj@yahoo.com

  • 中图分类号: R13

Application of autoregressive integrated moving average (ARIMA) model in global prediction of COVID-19 incidence

  • 1.

    Department of Plastic Surgery, The First Affiliated Hospital of Anhui Medical University, Hefei 230032, China

  • 2.

    Department of Epidemiology and Biostatisticst School of Public Health, Anhui Medical University, Hefei 230032, China

  • 3.

    Hefei Center for Disease Control and Prevention, Hefei 230032, China

BAO Ya-wei and SHAO Ming contributed equally to this article
More Information

    摘要
  • 摘要:   目的   应用自回归求和滑动平均(autoregressive integrated moving average, ARIMA)模型对全球新型冠状病毒肺炎(coronavirus disease 2019, COVID-19)发病人数进行预测, 为各国提出的防控策略与措施提供参考和评价依据。   方法   收集2020年2月22日-3月19日各国(意大利、西班牙、德国、法国等)COVID-19每日累计确诊人数, 用SPSS 17.0和R 3.6.1软件拟合ARIMA模型, 对5日前数据进行回带评价拟合效果, 同时利用该模型预测各国后10日数据。   结果   ARIMA模型预测值和实际值动态趋势基本一致, 实际值在预测值的95% CI内。   结论   ARIMA模型能够较好的对全球COVID-19发病人数进行预测, 在指导疫情防控方面有实际意义。
    Abstract:   Objective   Autoregressive integrated moving average(ARIMA) model was used to predict the incidence of coronavirus disease 2019(COVID-19) in the world, providing reference and evaluation basis for prevention and control strategies and measures proposed by various countries.   Methods   The cumulative daily number of confirmed COVID-19 patients in various countries(Italy, Spain, Germany, France, and et al) on February 22, 2020(solstice, March 19) was collected. The ARIMA model was fitted with SPSS17.0 and R3.6.1 software.   Results   The dynamic trend of the predicted and actual values of ARIMA model is basically consistent, and the actual values are within the 95% confidence interval(CI) of the predicted values.   Conclusion   ARIMA model can better predict the incidence of COVID-19 globally, which has practical significance in guiding epidemic prevention and control.
    • HTML全文

  • 图  1  意大利ARIMA模型建模识别图

    Figure  1.  Modeling identification diagram of Italian ARIMA model

    下载: 全尺寸图片 幻灯片

    图  2  意大利ARIMA模型残差序列图

    Figure  2.  Residual sequence diagram of Italian ARIMA model

    下载: 全尺寸图片 幻灯片

    图  3  世界6国ARIMA模型拟合图

    注:图 3-a表示意大利; 图 3-b表示西班牙; 图 3-c表示德国; 图 3-d表示法国; 图 3-e表示伊朗; 图 3-f表示美国。

    Figure  3.  ARIMA model fitting diagram

    下载: 全尺寸图片 幻灯片

    表  1  2020年2月22日-3月19日世界6个国家COVID-19累计确诊数

    Table  1.   The cumulative number of confirmed COVID-19 cases in 6 countries

    天数(d) 国家
    意大利 西班牙 德国 法国 伊朗 美国
    1 33 0 16 12 18 34
    2 132 2 16 12 43 34
    3 230 2 16 12 61 34
    4 283 2 16 12 95 53
    5 374 2 19 12 139 57
    6 528 12 27 12 141 60
    7 635 25 48 17 388 60
    8 888 32 62 17 593 64
    9 1 128 45 117 38 978 69
    10 1 713 45 130 57 1 501 89
    11 2 502 114 196 100 2 336 106
    12 3 144 151 240 130 2 922 125
    13 3 858 198 351 191 3 513 161
    14 4 636 257 565 212 4 747 233
    15 5 883 374 795 257 5 823 345
    16 7 424 430 939 577 6 566 445
    17 9 220 589 1151 653 7 161 572
    18 10 149 1 024 1 224 949 9 000 717
    19 12 462 1 639 1 565 1 212 10 075 1 010
    20 15 385 2 140 1 952 1 606 11 364 1 322
    21 17 660 4 334 3 353 1 784 12 729 1 800
    22 21 157 6 393 3 795 2 284 13 938 2 262
    23 24 747 9 191 4 838 3 661 14 991 3 499
    24 27 980 9 942 6 012 4 500 16 169 4 629
    25 31 506 11 826 9 257 5 423 17 361 5 894
    26 35 713 14 769 11 973 6 633 18 407 9 345
    27 41 035 18 077 15 320 7 730 19 644 14 250
    注:2020年2月22日记为第一天。
    下载: 导出CSV

    表  2  前5天6国每日确诊人数回带验证结果

    Table  2.   Verification results of daily number of confirmed cases

    国家 真实值(例) 预测值(例) 相对误差(%) 国家 真实值(例) 预测值(例) 相对误差(%)
    意大利 法国
    3月15日 24 747 24 754 0.03 3月15日 3 661 2 835 29.14
    3月16日 27 980 28 464 1.70 3月16日 4 500 4 806 6.37
    3月17日 31 506 31 471 0.11 3月17日 5 423 5 828 6.95
    3月18日 35 713 35 265 1.27 3月18日 6 633 6 518 1.76
    3月19日 41 035 40 039 2.49 3月19日 7 730 7 912 2.30
    西班牙 伊朗
    3月15日 9 191 8 584 7.07 3月15日 14 991 15 225 1.54
    3月16日 9 942 12 121 17.98 3月16日 16 169 16 241 0.44
    3月17日 11 826 10 825 9.25 3月17日 17 361 17 497 0.78
    3月18日 14 769 13 842 6.70 3月18日 18 407 18 722 1.68
    3月19日 18 077 17 844 1.31 3月19日 19 644 19 731 0.44
    德国 美国
    3月15日 4 838 4 544 6.47 3月15日 3 499 2 705 22.71
    3月16日 6 012 5 723 5.05 3月16日 4 629 5 504 18.90
    3月17日 9 257 8 189 13.04 3月17日 5 894 5 297 10.14
    3月18日 11 973 11 880 0.78 3月18日 9 345 7 871 15.77
    3月19日 15 320 15 306 0.09 3月19日 14 250 13 889 2.53
    下载: 导出CSV

    表  3  6国未来10天的预测每日COVID-19确诊人数

    Table  3.   Estimated daily COVID-19 confirmations

    国家 当日人数(例)
    3月20日 3月21日 3月22日 3月23日 3月24日 3月25日 3月26日 3月27日 3月28日 3月29日
    意大利 46 263 51 475 56 728 62 063 67 512 73 095 78 830 84 730 90 801 97 052
    下限 45 165 49 248 53 317 57 464 61 744 66 193 70 831 75 672 80 723 85 989
    上限 47 361 53 702 60 139 66 663 73 279 79 997 86 830 93 787 100 879 108 114
    西班牙 21 517 25 090 28 794 32 631 36 601 40 702 44 936 49 302 53 800 58 431
    下限 20 162 22 060 23 725 25 210 26 552 27 777 28 904 29 949 30 925 31 844
    上限 22 872 28 120 33 864 40 053 46 649 53 628 60 968 68 655 76 675 85 017
    德国 18 396 23 522 28 072 33 262 38 154 44 338 50 235 56 801 62 981 70 210
    下限 17 564 22 690 26 191 30 043 33 488 37 713 41 276 45 127 48 407 52 338
    上限 19 228 24 354 29 952 36 481 42 821 50 964 59 194 68 475 77 555 88 083
    法国 9 099 15 780 20 036 23 952 28 257 32 578 37 106 41 743 46 540 51 470
    下限 7 477 14 157 17 124 19 294 21 683 23 845 26 034 28 147 30 256 32 341
    上限 10 722 17 403 22 948 28 611 34 830 41 312 48 178 55 340 62 823 70 599
    伊朗 21 070 22 601 24 208 25 877 27 606 29 392 31 235 33 135 35 092 37 104
    下限 20 430 21 486 22 676 23 972 25 356 26 818 28 349 29 947 31 607 33 329
    上限 21 710 23 717 25 739 27 782 29 856 31 967 34 122 36 324 38 576 40 880
    美国 19 452 25 304 31 174 37 254 43 541 50 036 56 738 63 647 70 763 70 806
    下限 18 511 24 363 28 502 32 479 36 310 40 039 43 697 47 307 50 886 54 451
    上限 20 393 26 244 33 846 42 029 50 773 60 033 69 779 79 987 90 639 101 721
    下载: 导出CSV
    • 参考文献(13)
  • [1] 新华网.世界卫生组织宣布将新型冠状病毒感染的肺炎命名为"COVID-19"[EB/OL]. (2020-02-12)[2020-02-22]. http://www.Xinhuanet.com/world/2020-02/12/c_1125561371.Htm.

    Xinhua net. The world health organization has named a novel coronavirus pneumonia "COVID-19"[EB/OL]. (2020-02-12)[2020-02-22]. http://www.Xinhuanet.com/world/2020-02/12/c_1125561371.Htm.
    [2] Wang C, Hornby PW, Hayden FG, et al. A novel coronavirus outbreak of global health concern[J]. Lancet, 395(10223): 470-473.DOI: 10.1016/S0140-6736(20)30185-9.
    [3] Huang C, Wang Y, Li X, et al. Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China[J]. Lancet, 395(10223): 497-506.DOI: 10.1016/S0140-6736(20)30183-5.
    [4] 中华预防医学会新型冠状病毒肺炎防控专家组.新型冠状病毒肺炎流行病学特征的最新认识[J].中国病毒病杂志, 2020, 10(2): 81-87. 10.16505/j.2095-0136.2020.0015. doi: 10.16505/j.2095-0136.2020.0015

    Chinese preventive medicine association COVID-19 prevention and control expert group. Recent understanding of the epidemiological characteristics of COVID-19[J]. Chin J Viral Dis, 2020, 10(2): 81-87. 10.16505/j.2095-0136.2020.0015. doi: 10.16505/j.2095-0136.2020.0015
    [5] Paules CI, Marston HD, Fauci AS. Coronavirus infection-more than just the common cold[J]. JAMA, 323(8): 707-708.DOI: 10.1001/jama.2020.0757.
    [6] Munster VJ, Koopmans M, van Doremalen N, et al. A novel coronavirus emerging in China-key questions for impact assessment[J]. N Engl J Med, 382(8): 692-694.DOI: 10.1056/NEJMp2000929.
    [7] 百度网.新型冠状病毒肺炎疫情实时大数据报告[EB/OL]. (2020-03-19)[2020-03-19]. https://voice.baidu.com/act/newpneumonia/newpneumonia.

    Baidu. Real-time big data report on COVID-19[EB/OL]. (2020-03-19)[2020-03-19]. https://voice.baidu.com/act/newpneumonia/newpneumonia.
    [8] 李琼芬, 黄甜, 王荣华, 等.传染病疫情预测预警模型研究进展[J].中国公共卫生, 2013, 29(11): 1695-1697. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgggws201311042

    Li QF, Huang T, Wang RH, et al. Research progress on prediction and early warning model of infectious diseases[J]. Chin J Public Health, 2013, 29(11): 1695-1697. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgggws201311042
    [9] 裘炯良, 郑剑宁, 赵玉婉.应用灰色模型研究疟疾在中国的流行趋势[J].中国媒介生物学及控制杂志, 2004, 15(1): 43-45. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgmjswxjkzzz200401017

    Qiu JL, Zheng JL, Zhao YW. A grey model was used to study the prevalence of malaria in China[J]. Chinese J Vector Bio & amp; Control, 2004, 15(1): 43-45. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgmjswxjkzzz200401017
    [10] 王永斌, 李向文, 柴峰, 等.基于ARIMA-GRNN组合模型预测我国甲肝发病率[J].中华疾病控制杂志, 2016, 20(7): 734-737.DOI: 10.16462/j.cnki.zhjbkz.2016.07.022.

    Forcasting incidence of hepatitis A with ARIMA-GRNN hybrid model in china[J]. Chin J Dis Control Prev, 2016, 20(7): 734-737. DOI: 10.16462/j.cnki.zhjbkz.2016.07.022.
    [11] 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, 2016, 144(1): 152.DOI: 10.1017/S0950268815001582.
    [12] 刘刚, 单芙香. ARIMA模型及其在麻疹发病率预测中的应用[J].数理医药学杂志, 2011, 24(4): 379-382.DOI: 10.3969/j.issn.1004-4337.2011.04.001.

    Liu G, Chan FX. ARIMA model and its application in the prediction of measles incidence[J]. Journal of Mathematical Medicine, 2011, 24(4): 379-382. DOI: 10.3969/j.issn.1004-4337.2011.04.001.
    [13] 张哲, 樊永祥. ARIMA模型在我国食物中毒事件预测中的应用[J].中国预防医学杂志, 2012, 13(8): 638-640.DOI: 10.16506/j.1009-6639.2012.08.001.

    Zhang Z, Fan YX. Application of ARIMA model in predicting food poisoning events in China[J]. Chin Prev Med, 2012, 13(8): 638-640. DOI: 10.16506/j.1009-6639.2012.08.001.
    • 相关文章
    • 施引文献
  • 资源附件(0)
  • 加载中
WeChat 点击查看大图
图(3) / 表(3)
计量
  • 文章访问数:  854
  • HTML全文浏览量:  286
  • PDF下载量:  89
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-03-22
  • 修回日期:  2020-03-25
  • 刊出日期:  2020-05-10

目录

    /

    返回文章
    返回

    版权所有 © 《中华疾病控制杂志》编辑部 皖ICP备05003562号

    本系统由 北京仁和汇智信息技术有限公司 开发