河南省艾滋病流行趋势预测

摘要

目的:
　　分析河南省艾滋病疫情数据的动态变化；探讨适合于河南省艾滋病疫情流行趋势特点的预测方法并验证其效果；对艾滋病疫情未来的发展进行中期预测，为艾滋病防控策略及措施的制定提供参考数据。
　　方法:
　　收集河南省2000-2014年期间新报告HIV/AIDS人数和病死人数资料，采用动态数列指标描述其15年来艾滋病疫情的动态变化趋势。然后利用趋势外推模型、差分自回归移动平均模型(autoregressive integrated moving average model, ARIMA)以及由趋势外推模型和自回归移动平均模型(auto regression moving average model,ARMA)模型构成的组合模型对2000-2013年河南省HIV/AIDS新报告人数和病死人数分别进行拟合，并对2014年河南省HIV/AIDS新报告人数和病死人数进行预测和回代验证。通过平均误差率(mean error rate,MER)和相对误差率(relative error rate,RER)分别评价各个模型的拟合精度和预测效果。最后选取三种模型中拟合精度和预测效果均较好的模型对河南省2015-2017年艾滋病疫情进行预测。
　　结果:
　　12000年至2014年河南省新报告HIV/AIDS人数累计达到65295人，呈现整体上升趋势；2000-2014年河南省HIV/AIDS病死人数累计达到18384人，呈现先升后降现象。
　　2趋势外推模型
　　S曲线能够更好地反映出河南省2000-2013年HIV/AIDS新报告人数的流行趋势。S曲线拟合2000-2013年HIV/AIDS新报告人数时，平均误差率为19.22％，预测2014年HIV/AIDS新报告人数时，其相对误差率为15.77%。
　　Quadratic函数能够较好地拟合河南省2000-2013年HIV/AIDS病死人数的变化趋势。拟合HIV/AIDS病死人数时，Quadratic函数的平均误差率为16.59%，对2014年HIV/AIDS病死人数预测时，其相对误差率为13.41%。
　　3 ARIMA模型
　　ARIMA(1,2,0)模型是河南省2000-2013年HIV/AIDS新报告人数的相对最优模型。ARIMA(1,2,0)模型拟合2002-2013年HIV/AIDS新报告人数时，平均误差率为22.19%，预测2014年HIV/AIDS新报告人数的相对误差率为10.57%。
　　ARIMA(0,2,1)模型是河南省2000-2013年HIV/AIDS病死人数的相对最优模型。拟合2002-2013年HIV/AIDS病死人数时，ARIMA(0,2,1)模型的平均误差率为23.24%，预测2014年HIV/AIDS病死人数时，其相对误差率为11.12%。
　　4组合模型
　　适合HIV/AIDS新报告人数的组合模型是S函数-ARMA(1,0)模型。组合模型拟合2000-2013年HIV/AIDS新报告人数时，平均误差率为16.16%，预测2014年HIV/AIDS新报告人数的相对误差率为13.14%。
　　适合HIV/AIDS病死人数的组合模型是Quadratic函数-ARMA(0,1)模型。组合模型对2000-2013年HIV/AIDS病死人数拟合时，平均误差率为13.80%，对2014年HIV/AIDS病死人数预测的相对误差率为6.78%。
　　5 S函数-ARMA(1,0)组合模型对河南省2015-2017年HIV/AIDS新报告人数的预测值分别为4208、4258和4302。Quadratic函数-ARMA(0,1)组合模型对河南省2015-2017年HIV/AIDS病死人数的预测值分别为979、715和579。
　　结论:
　　（1）趋势外推模型、ARIMA模型以及由趋势外推和ARMA构成的组合模型均适合用于河南省2000-2014年 HIV/AIDS新报告人数和病死人数的拟合预测，且组合模型的拟合精度和预测效果均优于前两者。
　　（2）河南省2015-2017艾滋病疫情预测显示，HIV/AIDS新报告人数将继续增加，但增幅已缓，HIV/AIDS病死人数则有所降低。

目录

封面

声明

中文摘要

英文摘要

目录

英文缩略词表

1 引言

2 数据来源和方法

2.1 资料来源

2.2 研究内容及方法

2.3 疫情动态数列分析指标

2.4 预测模型建模原理及步骤

2.5 统计软件

3 结果

3.1 河南省艾滋病疫情特征

3.2 趋势外推模型的建立

3.3 ARIMA模型的构建

3.4 趋势外推和ARMA组合模型的分析

3.5 三种模型的效果评价

3.6 河南省2015-2017年艾滋病疫情的预测

4 讨论

4.1 基于历史数据开展艾滋病预测的可行性

4.2 模型的选择依据

4.3 模型的效果分析

4.4 疫情预测结果分析

4.5 论文的创新点和不足之处

5 结论

参考文献

综述： 传染病疫情预警体系的研究进展

个人简历、在学期间发表的学术论文与科研成果

致谢