时间序列分析在流感疫情预测预警中的应用-中国统计教育学会.doc

时间序列分析在流感中的应用研究 目 录 摘 要 - 2 - 一、问题提出 - 3 - 二、研究背景 - 4 - 1、时间序列模型背景 - 4 - 2、ARIMA模型简介 - 5 - 3、时间序列在传染病发病预测中的应用 - 6 - 三、ARIMA............................................................- 6 - （一）若干基本概念..................................................................................................-6- （二）江苏省流感样病例监测数据的ARIMA模型..............................................-7- 1、流感监测数据分析..........................................................................................-7- 2、数据的平稳化...................................................................................................-7- 3、模型的识别、定阶与参数估计.......................................................................-9- 4、模型诊断检验..................................................................................................-10- 5、模型的预测......................................................................................................-11- 6、基于流感样病例百分比序列的建模...............................................................-12- 四、结论与建议............................................................................................................-12- 参考文献.........................................................................................................................-13- 附录：流感监测的背景 摘 要 时间序列分析是概率统计学中一个重要分支，利用时间序列模型进行分析、预测已被广泛运用于医学、经济学等多领域，并取得良好的效果。流感作为最常见的传染病之一，具有易变异、传播速度快、波及范围广等特点，尤其是近期甲型H1N1流感在世界范围内广泛流行，引起社会、政府的广泛关注，对流感疫情预测预警等工作已逐渐成为控制流感的关键和焦点。2005年10月至2010年2月江苏省各监测点流感样病例总数的详细资料ARIMA模型：，并利用该模型对2010年3月至4月江苏省流感样病例的发病情况进行预测。研究结果显示，预测值与实际监测结果相符，建立的ARIMA模型拟合效果较好，能够较好的运用于流感样病例的预测预警工作，为疫情的防控工作提供科学依据。 一、问题提出 流行性感冒（流感）是由流感病毒引起的急性呼吸道传染病。流感病毒具有高度的传染性，一旦流感病毒通过抗原转换形成一种新的亚型，并且人群中对该亚型普遍缺乏免疫力，则可能引起较大范围的流感大流行。在人类发展的历史中，似乎曾没有离开过流感的威胁。1918年至1920年，世界上发生了历史上闻名的严重流感大流行西班牙流感此次流感广泛波及世界各地，几年内共出现了三次流行高潮，在全球范围内造成了2000万-4000万人死亡，大大多于第一次世界大战所致的死亡人数（850万人）[1]。2009年3月首先发现于墨西哥的新甲型H1N1病毒在三个月内已蔓延至全球135个国家或地区，世界卫生组织（WHO）曾一度将预警级别升至6级传染病预警最高级别，在全球范围内造成了巨大的经济损失[]。 为了能及时发现流感流行趋势异常，确定流感疫情开始时间，发现流感流