ARIMA模型在军队呼吸道传染病发病预测中的应用研究

目的 了解军队呼吸道传染病的流行趋势,掌握呼吸道传染病的流行病学特点及规律,探索应用时间序列求和自回归移动平均(Autoregressive integrated moving average,ARIMA)模型预测军队常见呼吸道传染病的发病情况.为部队制定呼吸道传染病的预防控制措施提供决策依据.方法 探索采用ARIMA模型,对《中国人民解放军突发公共卫生事件和传染病疫情报告信息系统》报告的2010年1月至2016年12月某部常见6种呼吸道传染病(肺结核、水痘、麻疹、流行性感冒、流行性腮腺炎、风疹)每月的发病情况进行建模和拟合,应用SPSS18.0、Eveiws、Excel等统计软件,进行参数估计、模型诊断、模型评价,筛选得到最优模型,并对2017年上半年发病情况进行预测,评价模型的预测效果.结果 本文研究的6种军队常见呼吸道传染病高发季节均在3-5月份、11月份至次年的1月份.经过建模、拟合,得出ARIMA(0.0.0)(0.1.1)是军队某部常见呼吸道传染病拟合的最佳模型.模型拟合统计量均方根误差(Root Mean Square Error,RMSE)为3.436,平均绝对百分位差(Mean Absolute Percent Error,MAPE)为42.332,正态化的BIC为2.765,决定系数R2为0.576,根据贝叶斯准则BIC值最小,R2最大为最优模型;Ljung-BoxQ统计量为17.509,P=0.420,可知残差属于白噪声值,说明本模型预测相对适合.建立模型之后,对2017年上半年军队某部呼吸道传染病的发病数据进行ARIMA预测分析,结果显示2017年上半年实际发病趋势与预测曲线图高度吻合,说明ARIMA模型拟合精度和预测效果均较好.结论 ARIMA模型是针对有季节性变动和趋势性分月发病情况的时间序列提出的建模方法,在某部常见呼吸道传染病拟合的预测效果较为满意.ARIMA模型对未来6月内的预测值在这6种传染病发病情况未发生显著变化时,能较好地预测这些传染病未来的走势及发病数,这将为今后常见呼吸道传染病的预防和控制提供理论支撑.