目的探讨季节性自回归滑动平均(seasonal autoregressive integrated moving average,SARIMA)模型在流感样病例(influenza like illness,ILI)发病趋势预测中的可行性。方法收集保定市流感监测哨点医院2014年第1周—2020年第52周每周流...目的探讨季节性自回归滑动平均(seasonal autoregressive integrated moving average,SARIMA)模型在流感样病例(influenza like illness,ILI)发病趋势预测中的可行性。方法收集保定市流感监测哨点医院2014年第1周—2020年第52周每周流感样病例就诊比例(consultation rate of influenza like illness,ILI%)资料,运用R语言进行时间序列分析并建立预测模型。结果保定市2014年第1周—2020年第18周ILI%时间序列不平稳,先缓慢上升,随后呈"V"形变动,并且具有明显的季节性。本次研究采用2014年第1周—2020年第18周的ILI%对数转换的序列建模,最适预测模型为ARIMA(1,1,0)(0,1,1)_(52),在残差Box-Pierce检验结果中,6阶延迟为χ^(2)=5.4204,P>0.05;12阶延迟为χ^(2)=10.109,P>0.05,残差为白噪声序列。利用2020年第19—52周的ILI%对数转换值进行预测,实际值均在预测值的95%置信区间(95%confidence interval,95%CI)内。结论SARIMA模型可用于保定市ILI短期发病趋势的预测。展开更多
针对城市用水周期性及波动性特点,依据深圳市47个水厂及10个行政区2015-2019年逐月的供用水序列,考虑产业结构、人口特征及水厂供水的时间变化因子,提出KMeans聚类算法和季节性滑动平均自回归(seasonal moving average autoregressive,S...针对城市用水周期性及波动性特点,依据深圳市47个水厂及10个行政区2015-2019年逐月的供用水序列,考虑产业结构、人口特征及水厂供水的时间变化因子,提出KMeans聚类算法和季节性滑动平均自回归(seasonal moving average autoregressive,SMAAR)模型耦合方法,将水厂和行政区的时间序列进行聚类,分类别进行建模,预测2020年1-8月水厂及行政区的逐月供水数据,进而汇总出深圳市2020年1-8月的总供水数据,并与普通的自回归滑动平均(autore⁃gressive moving average,ARMA)模型对比。结果表明:建模对象范围越小预测结果的RE较小。SMAAR的性能比ARMA有显著提升,且在长期预报中依旧表现出较强的泛化能力,254 d逐日预测结果的平均相对误差只有0.08。本研究方法可为城市需水预测和供水调度管理提供支撑。展开更多
文摘目的探讨季节性自回归滑动平均(seasonal autoregressive integrated moving average,SARIMA)模型在流感样病例(influenza like illness,ILI)发病趋势预测中的可行性。方法收集保定市流感监测哨点医院2014年第1周—2020年第52周每周流感样病例就诊比例(consultation rate of influenza like illness,ILI%)资料,运用R语言进行时间序列分析并建立预测模型。结果保定市2014年第1周—2020年第18周ILI%时间序列不平稳,先缓慢上升,随后呈"V"形变动,并且具有明显的季节性。本次研究采用2014年第1周—2020年第18周的ILI%对数转换的序列建模,最适预测模型为ARIMA(1,1,0)(0,1,1)_(52),在残差Box-Pierce检验结果中,6阶延迟为χ^(2)=5.4204,P>0.05;12阶延迟为χ^(2)=10.109,P>0.05,残差为白噪声序列。利用2020年第19—52周的ILI%对数转换值进行预测,实际值均在预测值的95%置信区间(95%confidence interval,95%CI)内。结论SARIMA模型可用于保定市ILI短期发病趋势的预测。
