摘要
比较自回归移动平均模型(Auto Regressive Integrated Moving Average, ARIMA)与指数平滑模型(Exponential Smoothing,ES)在青海省法定传染病应用中的拟合效果和预测稳定性,为疾病防控提供科学依据。方法:收集2012年1月-2019年6月青海省法定传染病通报资料,利用2012-2018年发病数据建立ARIMA模型与指数平滑模型,预测2019年1月至6月青海省法定传染病的发病情况,并进行拟合预测评价。结果:通报资料显示,2012-2018年青海省累计报告259,674例法定传染病患者,其中甲类0例,乙类196,209例,丙类63,465例。乙类传染病高发于9月和10月,丙类传染病高发于6月和7月,流行呈现季节性。模型拟合评价显示:乙类传染病ARIMA最优模型为ARIMA (1,1,1) (0,1,4),指数平滑模型的最佳拟合模型为加法模型(α=0.21、β=0、γ=0)。丙类传染病ARIMA最优模型为ARIMA (1,2,1) (0,2,3),指数平滑模型选择乘法模型(α=0.08、β=0.42、γ=0.79)。结论:乙类传染病拟合最好的为指数平滑加法模型,丙类传染病拟合最好的为ARIMA模型,两种模型预测精度较好,可应用于青海省法定传染病的预警。
