芜湖市空气质量对儿科门诊人数的影响分析与预测研究

摘要

2013年上半年，整个中国被雾霾笼罩着，空气质量出现了空前的问题。与此同时，27个城市都陆续出现了儿科门诊急诊人数爆发性增长的现象。因此，研究空气质量对儿科门诊人数的影响具有重要的实际意义和价值。
　　本文利用芜湖市某医院2014年至2015年每日的儿科门诊人数以及相应时间内每日的污染物浓度以及温差数据，分别建立了时间序列模型和泊松回归模型，研究了芜湖市空气质量对儿科门诊人数的影响，并对未来的门诊人数进行了预测。
　　本文先从时间序列分析的角度出发，检验2014年至2015年每日的儿科门诊就诊人数这一时间序列的平稳性以及纯随机性，确定该序列为平稳非白噪声序列。利用对平稳非白噪声序列的建模方法，对预处理之后的时间序列数据进行定阶、参数估计以及预测。进一步，本文在适当的假设之下，将各种空气污染物浓度以及温差等影响因素纳入到模型中，建立了泊松回归模型，并进行参数估计以及预测。论文的主要结论有以下三个方面：
　　第一，从泊松回归模型的结论来看，PM2.5，PM10和NO2的浓度以及温差对儿科门诊人数的影响最为显著。并且这4个因素对儿科门诊人数的影响力也不同，影响力从大到小依次为温差，PM2.5，PM10以及NO2。
　　第二，从预测精度来看，利用泊松回归模型预测产生的绝对误差是2.694，其小于利用时间序列模型预测产生的绝对误差4.125，这就说明泊松回归的预测精度高于时间序列模型。
　　第三，从模型的实际应用来看，利用泊松分布模型进行预测，会涉及到较多的自变量，需要搜集全面的空气质量数据，预测过程较为复杂。而利用时间序列模型进行预测，只要拟合模型通过了检验，就可利用历史数据，预测出未来数据的趋势，过程较为简便。

目录

声明

第一章 绪论

1.1 研究背景

1.2 研究意义

1.3 文献综述

1.4 研究内容

第二章 对芜湖市区气候特点以及四个空气监测点的介绍

2.1 芜湖市区气候特征

2.2 四个空气监测点

第三章 数据的预处理

3.1 数据的来源

3.2 数据的预处理

3.3 数据初步描述

第四章 利用时间序列模型进行拟合以及预测

4.1 时间序列数据的预处理

4.2 平稳非白噪声序列的建模

4.3 序列的预测

第五章 利用泊松回归模型进行拟合以及预测

5.1 模型的选择

5.2 利用泊松回归模型进行拟合

5.3 利用泊松回归模型进行预测

第六章 本文的研究结论以及展望

6.1 本文的研究结论以及应用

6.2 本文的不足以及研究展望

参考文献

致谢