| 马亮亮,田富鹏.ARIMA 模型在支气管炎发病率预测中的应用[J].中国医学影像技术,2010,26(s1):216 |
| ARIMA 模型在支气管炎发病率预测中的应用 |
|
| |
| DOI： |
| 中文关键词: |
| 英文关键词: |
| 基金项目:国家自然科学基金(60673192) |
|
| 摘要点击次数: 3169 |
| 全文下载次数: 2834 |
| 中文摘要: |
| 目的 支气管炎发病率对于预报、防治支气管炎以及支气管炎异常发病情况的监测具有重要的意义,使用支气管炎发病率的历史数据对未来支气管炎发病趋势进行有效的预测显得尤为重要。一般常用的有时间序列预测法和回归预测法,时间序列预测法一方面承认事物发展的延续性,另一方面又充分考虑到了事物发展偶然因素影响产生的随机性。为了消除随机波动的影响,利用历史数据进行统计分析,该法用加权平均等方法对数据加以适当的处理,进行趋势预测。该文将采用ARIMA模型来预测支气管炎发病率时间序列。方法 全部支气管炎发病资料取自青海海西州第一人民医院。经过核对、补漏,从而保证资料的准确和完整。运用Excel2003及Eviews3.1对2003年1月—2009年12月的发病资料进行整理分析,统计出了2003年1月—2009年12月的支气管炎月发病率,共84组发病率数据。本文利用海西州地区2003年1月—2008年12月的支气管炎月发病率数据,建立一个简单合理预测准确的模型来预测2009年每月的支气管炎月发病率,并与实际发病率相比较,如模型合理则预测比较准确,若不合理则优化参数直到达到预期的结果。由时间序列图可以看出,2003年1月—2008年12月海西州地区的支气管炎月发病率呈上升趋势,增长幅度不同,这说明此数列既存在上升趋势又存在方差不齐,需进行平稳化处理,对原序列数据进行一阶差分转换并对转换得到的新序列作自相关-偏自相关图。自相关-偏自相关图显示自相关系数和偏自相关系数很快落入置信区间,说明新的时间序列具有平稳性。利用Eviews3.1软件对不同模型进行拟合,得到其中的参数。根据AIC值和SC值越小,模型拟合效果越好的原理,可知模型的AIC值和SC值均最小(4.329642和4.393379),故选择模型进行拟合。通过分析海西州地区2003年1月—2008年12月的支气管炎月发病率数据,得到ARIMA最优模型,利用该模型对2009年1月—12月的支气管炎月发病率进行预测并作图,分析相对误差。结果 预测值的平均误差为4.09%(可以接受的误差为5%),可见采用对支气管炎发病率进行短期预测是可行的。结果表明ARIMA(0,1,2)模型能较好地模拟并预测支气管炎月发病率趋势,可为支气管炎发病率的准确预测提供重要方法。结论 建立的ARIMA模型适用于青海海西州地区支气管炎发病率预测与监测。应当指出的是,影响一个地区支气管炎发病率的因素很多,诸如饮食习惯、气候因素等,这些因素将对未来时期支气管炎发病率趋势造成很大的影响,因此建议对已经建立的时间序列模型,必须以新的实际值来验证,并在现有基础上通过不断加入新的实际值来修正ARIMA 模型,从而使模型具有更好的预测性。本文中的数据是近7年的海西州地区支气管炎发病资料,海西州既是我国西北高原地区,又是我国少数民族聚集的地区,做好该地区支气管炎发病率的预测对高原少数民族地区人民的健康有重要的意义。近几年来海西州地区的支气管炎发病率有逐年增高的趋势,提醒医疗卫生部门应加强对高原少数民族地区支气管炎预防和控制的宣传工作。 |
| 英文摘要: |
| |
| 查看全文 查看/发表评论 下载PDF阅读器 |
|
|
|
