目的联合运用乘积季节自回归积分滑动平均模型(autoregressive integrated moving average model,ARIMA)联合季节变动模型和单一ARIMA模型对感染性腹泻发病数据建模,预测辽宁省2014年1—6月感染性腹泻疫情,为预防控制工作提供依据。方...目的联合运用乘积季节自回归积分滑动平均模型(autoregressive integrated moving average model,ARIMA)联合季节变动模型和单一ARIMA模型对感染性腹泻发病数据建模,预测辽宁省2014年1—6月感染性腹泻疫情,为预防控制工作提供依据。方法对辽宁省2009—2013年感染性腹泻月发病数通过SPSS软件进行建模,比较联合模型和单一模型的预测效果。结果对感染性腹泻的季节性时间序列建立ARIMA(0,1,1)(1,1,0)12模型,与季节变动的测定进行联合,联合模型相对误差率为6.05%,单一ARIMA模型相对误差率为17.89%,联合应用上述模型的预测效果优于单一模型。应用联合模型对2014年1—6月感染性腹泻发病数进行短期预测,预测相对误差率分别为-2.15%、0.21%、-7.06%、-4.91%、12.79%和9.14%。结论联合模型效果优于单一ARIMA乘积季节模型,可用于感染性腹泻的短期预测,且效果较好。展开更多
文摘目的联合运用乘积季节自回归积分滑动平均模型(autoregressive integrated moving average model,ARIMA)联合季节变动模型和单一ARIMA模型对感染性腹泻发病数据建模,预测辽宁省2014年1—6月感染性腹泻疫情,为预防控制工作提供依据。方法对辽宁省2009—2013年感染性腹泻月发病数通过SPSS软件进行建模,比较联合模型和单一模型的预测效果。结果对感染性腹泻的季节性时间序列建立ARIMA(0,1,1)(1,1,0)12模型,与季节变动的测定进行联合,联合模型相对误差率为6.05%,单一ARIMA模型相对误差率为17.89%,联合应用上述模型的预测效果优于单一模型。应用联合模型对2014年1—6月感染性腹泻发病数进行短期预测,预测相对误差率分别为-2.15%、0.21%、-7.06%、-4.91%、12.79%和9.14%。结论联合模型效果优于单一ARIMA乘积季节模型,可用于感染性腹泻的短期预测,且效果较好。
