时间序列论文.docVIP

时间序列模型在传染病发病率中的应用 曾湾 （东华理工大学 数学与信息管理系10级， 江西 抚州 344000） 摘要：从系统论的角度看，时间序列就是某一系统在不同时间（地点、条件等）的响应，因此可以通过对时间序列的研究来认识系统的结构特征，揭示其运行规律，进而用以预测。时间序列分析作为一种有效的数据挖掘方法，在工程、经济学等领域的运用已经相当普遍在疾病发病率的预测研究中应用也越来越多。由于病毒性肝炎是我国发病率居首位的传染性疾病，是防控的重点与研究的热点。国内已有学者利用时序方法对病毒性肝炎病率进行测研究。但由于传染病发病率通常波动幅度较大，现有预测结果普遍存在精度不够的问题。因此进一步探索建立发病率的计量时序模型是非常有必要的。文章以我国病毒性肝炎发病率的短期预测为例，研究基于ARIMA时间序列与灰色组合建模预测方法的应用可以为卫生管理部门的流行病防控提供决策参考。 关键词：ARIMA模型；时间序列；灰色组合预测 1 引言 病毒性肝炎是由几种不同的嗜肝病毒（肝炎病毒）引起的 以肝脏炎症好久和坏死病变为主的一组感染性疾病，是法定乙类传染病，具有传染性较强、传播途径复杂、流行面广泛、发病率高等特点；部分乙型、丙型和丁型肝炎患者可演变成慢性，并可发展为肝硬化和原发性肝细胞癌，对人民健康危害甚大。目前已确定的有甲型、乙型、丙型、丁型及戊型病毒性肝炎五种类型，其中甲型和戊型病毒性肝炎主要表现为急性肝炎 乙型 丙型 丁型病毒性肝炎可以呈急性肝炎或慢性肝炎的表现，并有发展为肝硬化和肝细胞癌的可能。在临床上，一些非嗜肝病毒如巨细在临床上，一些非嗜肝病毒如巨细胞病毒、EB病毒等感染虽然也可引起肝损伤，但不属于病毒性肝炎；曾被热议的庚型肝炎病毒（HGV）及经血传播病毒（TTV）的致病性尚有争议，但现在认为不属于嗜肝病毒。 病毒性肝炎是世界范围内流行的疾病，病理上以肝细胞变性、坏死、炎症反应为特点，临床以恶心、呕吐、厌油、乏力、食欲减退、肝肿大、肝功能异常为主要表现，部分患者可出现黄疸，亦可以表现为无症状感染或自限性隐性感染，有些患者还可表现为慢性肝炎或肝衰竭。不同类型的病毒性肝炎传播途径不尽相同，如甲型病毒性肝炎及戊型病毒性肝炎主要通过消化道（粪—口途径）传播，病毒通过污染食物或/和水源而引起大范围的流行，曾于1988年由于食用受病毒污染的毛蚶在上海引起建国以来最大一次甲型肝炎流行；由于水源的污染，于1986年9月至1988年4月中国新疆南部暴发戊型肝炎流行。乙型、丙型及丁型病毒性肝炎是通过血液、体液途径及母婴垂直传播，2006年统计数据显示我国1-59岁人群乙肝表面抗原携带率为 7.18%，属于中流行地区,年长患者中,主要是通过母婴传播获得感染的,随着乙肝计划免疫的实施,母婴传播率已明显下降,5岁以下儿童的HBsAg携带率仅为0.96%；我国一般人群丙型肝炎抗体检出率为3.2%,通过输血或血制品传播,但近年来通过静脉吸毒引起的传播已受到高度重视；丁型肝炎是在乙型肝炎的基础上才会发生,我国HBsAG阳性人群中丁型肝炎病毒抗体阳性率约为2%。 Jenkins在20世纪70年代提出的时间序列分析模型，即自回归移动平均模型（Auto-Regressive ang Moving Average Model）由自回归模型（简称AR模型）与滑动平均模型（简称MA模型）为基础“混合”构成。一般的ARMA（p,q）模型的形式可以表示为 （1） 式中：是白噪声序列，p和q都是非负整数，AR和MA都是ARMA（p,q）的特殊情形，当q=0时，ARMA（p,q）称为AR(p)模型，当p=0时ARMA（p,q）称MA(q)模型。 2.2 ARMA模型 ARMA模型的基本思想是预测一个现象的未来变化时，用该现象的过去预测未来，即通过时间序列历史数据揭示现象随时间变化的规律，并将这种规律延伸到未来，从而对该现象的未来做出预测。AEMA模型是一种比较成熟的时间序列模型，适合于短期预测。 ARMA模型要求序列是平稳的，对于非平稳序列，可以将其平稳化处理。序列蕴含着显著的线性趋势，一阶差分就可以实现趋势平稳；序列蕴含着曲线趋势，通常低阶（儿阶或三阶）查分就可以提取出曲线趋势的影响；对于蕴含着固定周期的序列进行步长为周期长度的差分运算，通常可以较好的提取周期信息。差分运算与ARMA模型的组合就是ARMIMA模型 (2) 为零均值白噪声序列，估计ARMIMA（p,d,q）模型与估计ARMA（p,q）具体的步骤相同，唯一不同的是在估计之前要确定原序列的差分d，对进行d阶差分。因此ARIMA模型区别于ARMA模型之处就是在于前者的自回归部分的特征多项式含有d个单位根。 ARIMA模型的应用 运用ARIMA模型建模的前提条件是作为预测对象的的时间序列的均值是零的