基于时间序列模型的传染病流行趋势及预测研究

摘要

近年来传染病的流行给世界发展造成严重危害，从中国的非典到非洲的埃博拉，使得传染病的控制和预测成为科学研究的热点问题，利用科学的技术方法去控制传染病的发展，减小传染病带来的影响对社会发展至关重要。本文针对传染病流行趋势及预测方法进行了研究，主要工作如下：1、缺失数据处理。本文对于传染病流行趋势预测研究主要基于时间序列模型，因此样本数据为时间序列，包含了传染病患病人数在不同时间段的统计结果。但是由于统计工作不完善，不可避免的出现部分时间段内的统计数据缺失，本文中首先对数据预处理的原则和常用手段进行了总结介绍，其次对三次样条插值方法进行了介绍，并基于三次样条插值对本文的样本数据进行了处理。2、预测模型的介绍。本文中对数据外推预测的经典模型进行了分类归纳总结，对常见的模型原理和方法进行了介绍，其中重点介绍了时间序列模型。3、基于ARIMA时间序列模型的传染病流行趋势预测。本文中选取了乙类传染病中的乙肝、结核病和丙类传染病中的流行性感冒作为研究对象，搜集相关的时间序列数据，通过缺失数据处理后，得到计算所需样本数据，通过对不同模型和不同类型传染病之间预测结果的对标，结果表明，乙类传染病的流行趋势存在明显的季节周期性规律和自相关性，因此模型具有相对较好的预测结果，而对于流行性感冒，其流行趋势不存在明显的周期性规律和自相关性，预测结果十分不理想，因此在对传染病进行预测研究时，需要针对具体的疾病，选取适当的模型。4、基于ARIMA乘积季节模型的传染病流行趋势预测。ARIMA乘积模型对于具有周期性、季节性变化的时间序列的预测更加准确，并且模型能够准确刻画时间序列数据的随机性、周期性、季节性变化规律。基于ARIMA乘积季节模型，本文以乙肝患病人数的时间序列为对象进行了预测分析，结果表明预测效果优于ARIMA模型。最后，对本文中所做的工作以及传染病预测研究的发展进行了总结和展望。