【《SARIMA模型在肝炎发病率预测中的应用实证分析》8900字】

SARIMA模型在肝炎发病率预测中的应用实证研究摘要本文主要探讨SARIMA季节模型在全国甲型肝炎月发病率预测中的应用。首先，利用2004-2019年的甲型肝炎月发病率数据建立SARIMA季节模型；然后，预测出2020年甲型肝炎月发病率数据，然后再与实际的月发病率数据进行比较，得到SARIMA季节模型的精度高达97.30%,证明SARIMA模型可行性高；最后，利用SARIMA2,1,22,1,012模型预测了2021年的甲型肝炎月发病率数据，结果显示季节分布与以往类似，多发病于春秋季，在冬季很大程度减缓。验证了SARIMA季节模型在预测中具有很强的应用价值，为研究甲型肝炎发病率提供数据依据，为政府以及人们预防甲关键词甲型肝炎；SARIMA；预测目录引言 表3.1所示。经数据分析发现我国甲型肝炎发病率依然呈明显规律的以12个月为周期的波动性。季节分布同往年类似，都是12月到2月发病率较低，3月到8月发病率呈持续上涨趋势。绘制的预测图如图3.1所示:表3.12021年月发病率预测年份月份预测值20201月0.0797760220202月0.0679924720203月0.0984990720204月0.0922804820205月0.0848026520206月0.0994660420207月0.0835983320208月0.0988027720209月0.08360080202010月0.06976546202011月0.07023919202012月0.07085145图3.1SARIMA模型预测由图3.1对2020年发病率的预测图可以看出，SARIMA模型的预测曲线与原始数据有很高的吻合性，且从预测数据中看也具有季节变化性，这进一步说明了SARIMA模型的预测效果良好。结论本文采用2004年至2020年全国甲型肝炎月发病率数据进行分析，计算出经过模型预测2020年的平均相对误差值与MSE值都小于0.05，表明该模型达到较高的要求，模型中包含了原序列中的绝大部分信息，有理由相信用此模型进行预测可以达到较高的准确度。通过构建SARIMA模型对2021年全国甲型肝炎月发病率进行预测，旨在进一步提高公众对丙型肝炎的重视度，可以为政府部门和公众提供较为准确的理论依据。甲肝疫苗是用于预防\t"/item/%E7%94%B2%E8%82%9D%E7%96%AB%E8%8B%97/_blank"甲型肝炎的\t"/item/%E7%94%B2%E8%82%9D%E7%96%AB%E8%8B%97/_blank"疫苗，我国在2006年被纳入批签发管理系统，2008年正式纳入国家计划免疫规划。随着公民免疫意识加强，以及我国综合国力的提升，国内疫苗市场需求逐渐增长，我国甲型肝炎的发病率一直处于下降趋势，且逐渐趋于零状态。总结从我国法定传染病报告信息管理系统来看,我国甲型肝炎发病率处于持续下降并且零的趋势，但是预测未来的发病率仍然对人们预防甲型肝炎疾病有很大的指导意义，例如在甲型肝炎流行之季，人们谨记个人卫生、环境卫生，饮食等易感环境，做好防护，特别是尽可能的避免不必要的输血或血液制品的使用。 根据原始数据显示，甲型肝炎的月发病率存在趋势性，因此本文通过SARIMA季节模型来预测全国2021年甲型肝炎发病率，在今后的研究中，我们将结合影响发病率的其他因素，把变量计算入预测模型，同时结合组合不同预测模型，从而发现最优的、预测模型精度最高、同时操作便捷的预测模型，为甲型肝炎的风险评估、预防等提供更精确的科学依据，从而全面提升肝炎的防御控制能力。

参考文献HammondStephanie,NelsonN.P.,WengM.K.,HofmeisterM.G.,MooreK.L,DoshaniM.,KamiliS.,KoneruA.,HaberP.,HaganL.,RomeroJ.R.,SchillieS.,HarrisA.M..HepatitisA[J].WorkplaceHealth&Safety,2021,69(3).EngelBastian,LaschtowitzAlena,JanikMaciejK.,JungeNorman,BaumannUlrich,MilkiewiczPiotr,TaubertRichard,SebodeMarcial.Geneticaspectsofadultandpediatricautoimmunehepatitis:aconcisereview[J].EuropeanJournalofMedicalGenetics,2021(prepublish).刘天,姚梦雷等.残差自回归模型在甲型病毒性肝炎发病数预测中的应用[J].中国社会医学杂志,2020,37(02):210-213.刘天,张丽杰等.GM(1,1)模型、ARIMA模型及其组合模型在病毒性甲型肝炎发病数中的预测效果比较[J].实用预防医学,2020,27(03):315-318.韩兆洲,肖峰.我国工业增加值的波动与预测研究[J].统计与决策,2014(14):125-127.马晓梅,史鲁斌等.基于ARIMA乘积季节模型和Holt-Winters季节模型的梅毒月发病率预测[J].郑州大学学报(医学版),2018,53(01):79-84.侯文涛,杨郁辉,胡运红.SARIMA模型与Holt-Winters模型在丙型肝炎发病率预测中的应用[J].数学的实践与认识,2021,51(04):172-179.孔德川,潘浩等.指数平滑模型在上海市猩红热发病率预测中的应用[J].疾病监测.2019,34(10):932-935.朱佳佳,胡登利,吕媛.ARIMA模型在甲型肝炎时间分布特征及趋势预测中的应用[J].中西医结合心血管病电子杂志,2018,6(22):188-189.刘晓宏,金丕焕,陈启明.ARIMA模型中时间序列平稳性的统计检验方法及应用[J].中国卫生统计,1998(03):14-16.许贵阳.中国黄金现货价格预测模型——基于时间序列的数据分析[J].中国证券期货,2010(12):12-13.魏艳华,王甲参.统计预测与决策[M].西南交通大学出版社,2014.05.王燕.应用时间序列分析[M].北京:中国人民大学出版社,2014:160.侯文涛,冯晓梅.基于指数平滑模型的丙型肝炎发病率的预测分析[J].运城学院学报,2019,37(06):43-47.魏新秀,夏哲雷.基于神经网络的硬判决量化偏移量选择算法[A].浙江省信号处理学会、浙江大学.信号处理在地球物理——浙江省信号处理学会2018年学术年会论文集[C].浙江省信号处理学会、浙江大学:浙江省科学技术协会,2018:10.

附录全国甲型肝炎发病数据：月份时间地区发病人数死亡人数发病率死亡率1月2004.01全国640220.49250.00022月2004.02全国805820.61990.00023月2004.03全国905250.69640.00044月2004.04全国847330.65180.00025月2004.05全国889170.68400.00056月2004.06全国840410.64650.00017月2004.07全国833730.64140.00028月2004.08全国895030.68850.00029月2004.09全国789840.60760.000310月2004.10全国7792100.59940.000811月2004.11全国673600.518212月2004.12全国459400.35341月2005.01全国572630.44050.00022月2005.02全国453410.34880.00013月2005.03全国692360.53260.00054月2005.04全国620240.47710.00035月2005.05全国648140.49860.00036月2005.06全国628650.48360.00047月2005.07全国636750.48980.00048月2005.08全国684720.52670.00029月2005.09全国649640.49970.000310月2005.10全国675930.52000.000211月2005.11全国633140.48700.000312月2005.12全国439720.33830.00021月2006.01全国455040.34800.00032月2006.02全国493640.37750.00033月2006.03全国615730.47090.00024月2006.04全国563740.43110.00035月2006.05全国593130.45360.00026月2006.06全国594920.45500.00027月2006.07全国575550.44010.00048月2006.08全国659650.50450.00049月2006.09全国580320.44380.000210月2006.10全国621800.475511月2006.11全国601140.45970.000312月2006.12全国512410.39190.00011月2007.01全国567510.43170.00012月2007.02全国442600.33673月2007.03全国640620.48730.00024月2007.04全国601320.45740.00025月2007.05全国651320.49550.00026月2007.06全国671780.51100.00067月2007.07全国734210.55850.00018月2007.08全国826620.62880.00029月2007.09全国746540.56790.000310月2007.10全国732820.55750.000211月2007.11全国646430.49180.000212月2007.12全国452020.34390.00021月2008.01全国457800.34652月2008.02全国382800.28973月2008.03全国550520.41660.00024月2008.04全国544920.41240.00025月2008.05全国582400.44086月2008.06全国528410.39990.00017月2008.07全国524910.39730.00018月2008.08全国508410.38480.00019月2008.09全国439900.332910月2008.10全国416610.31530.000111月2008.11全国370300.280312月2008.12全国298320.22580.00021月2009.01全国310010.23340.00012月2009.02全国365110.27490.00013月2009.03全国435030.32760.00024月2009.04全国417320.31420.00025月2009.05全国431920.32520.00026月2009.06全国429410.32330.00017月2009.07全国416430.31350.00028月2009.08全国410410.30900.00019月2009.09全国358720.27010.000210月2009.10全国309920.23340.000211月2009.11全国259710.19560.000112月2009.12全国240320.18090.00021月2010.01全国201600.15102月2010.02全国201600.15103月2010.03全国279200.20924月2010.04全国289810.21710.00015月2010.05全国302210.22640.00016月2010.06全国297100.22267月2010.07全国321000.24058月2010.08全国372600.27929月2010.09全国337400.252810月2010.10全国333900.250211月2010.11全国287010.21500.000112月2010.12全国256300.19201月2011.01全国219820.16390.00012月2011.02全国210910.15730.00013月2011.03全国287820.21460.00014月2011.04全国265710.19810.00015月2011.05全国270510.20170.00016月2011.06全国267610.19960.00017月2011.07全国284200.21198月2011.08全国306010.22820.00019月2011.09全国270400.201710月2011.10全国270620.20180.000111月2011.11全国264520.19730.000112月2011.12全国227600.16971月2012.01全国190000.14102月2012.02全国220600.16373月2012.03全国223010.16550.00014月2012.04全国201610.14960.00015月2012.05全国215100.15966月2012.06全国195310.14500.00017月2012.07全国217000.16118月2012.08全国233310.17320.00019月2012.09全国201810.14980.000110月2012.10全国190600.141511月2012.11全国197400.146512月2012.12全国159600.11851月2013.01全国165300.12212月2013.02全国139600.10313月2013.03全国188400.13914月2013.04全国181100.13375月2013.05全国179700.13276月2013.06全国170110.12560.00017月2013.07全国204500.15108月2013.08全国207010.15290.00019月2013.09全国205100.151510月2013.10全国194900.143911月2013.11全国199800.147612月2013.12全国188900.13951月2014.01全国163200.12042月2014.02全国179200.13223月2014.03全国202810.14960.00014月2014.04全国185710.13700.00015月2014.05全国192210.14180.00016月2014.06全国199610.14730.00017月2014.07全国218020.16090.00018月2014.08全国239300.17669月2014.09全国246110.18160.000110月2014.10全国264400.195111月2014.11全国259700.191612月2014.12全国246710.18200.00011月2015.01全国241910.17750.00012月2015.02全国154000.11303月2015.03全国205410.15080.00014月2015.04全国176910.12980.00015月2015.05全国175620.12890.00016月2015.06全国174300.12797月2015.07全国200800.14748月2015.08全国190700.14009月2015.09全国194020.14240.000110月2015.10全国189700.139211月2015.11全国182620.13400.000112月2015.12全国180810.13270.00011月2016.01全国187020.13640.00012月2016.02全国166200.12123月2016.03全国219510.16010.00014月2016.04全国198400.14475月2016.05全国172410.12580.00016月2016.06全国159510.11640.00017月2016.07全国164100.11978月2016.08全国176800.12909月2016.09全国158700.115810月2016.10全国169700.123811月2016.11全国178500.130212月2016.12全国177700.12961月2017.01全国14380.10342月2017.02全国16160.11633月2017.03全国19780.14234月2017.04全国16840.12115月2017.05全国16060.11556月2017.06全国16090.11577月2017.07全国15560.11198月2017.08全国17740.12769月2017.09全国17870.128610月2017.10全国15300.110111月2017.11全国15970.114912月2017.12全国14280.10271月2018.01全国13290.09522月2018.02全国10540.07553月2018.03全国14220.10194月2018.04全国13680.09805月2018.05全国14370.10306月2018.06全国14220.10197月2018.07全国15870.11378月2018.08全国16400.11759月2018.09全国13760.098610月2018.10全国13140.094211月2018.11全国14200.101812月2018.12全国13670.09801月2019.01全国16220.11592月2019.02全国14650.10463月2019.03全国19380.13844月2019.04全国18640.13315月2019.05全国16150.11546月2019.06全国20270.14487月2019.07全国14690.10498月2019.08全国18090.12929月2019.09全国16030.114510月2019.10全国13130.093811月2019.11全国12300.087912月2019.12全国13160.09401月2020.01全国12510.07852月2020.02全国12950.07473月2020.03全国15290.10424月2020.04全国11870.09395月2020.05全国11000.08966月2020.06全国12490.09727月2020.07全国15140.09078月2020.08全国14010.10349月2020.09全国13350.091510月2020.10全国11810.078611月2020.11全国12430.081812月2020.12全国11960.0782SARIMA模型代码如下：data=read.csv("C://Users//Administrator.DESKTOP-4V01VJ6//Desktop//data.csv",",",header=T)x17_19=ts(data$发病率,start=c(2004,1),end=c(2019,12),frequency=12)x17_20=ts(data$发病率,start=c(2004,1),end=c(2020,12),frequency=12)par(mfrow=c(2,1))plot(x17_19,lwd="1.5",xlab="Time",ylab="Monthlyincidence")adf.test(x17_19)x.diff=diff(x17_19)plot(x.diff,lwd="1.5",xlab="Time",ylab="Monthlyincidence")par(mfrow=c(2,1))acf(x.diff,lag.max=1000,lwd="1.5")pacf(x.diff,lag.max=1000,lwd="1.5")x.diff1=diff(x.diff,12