您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览199 | 下载72

目的 分析全国狂犬病疫情的时间分布特征,探讨用自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)预测疫情发展趋势的可行性.方法 建立2004 ― 2015年全国狂犬病月度发病率时间序列,用 R3. 3.2软件建立最优 ARIMA模型,对2016年1~11月发病率进行预测,并评价预测效果.结果 2007年以来我国狂犬病年发病率呈下降趋势,8~10月为高峰季节;建立的最优模型为 ARIMA(2,1,1)(2,0,0)12,其平均绝对标准化误差(The mean ab-solute error,MASE)为0.755;2016年1~11月发病率预测结果显示,平均相对误差为15.61

作者:任江萍;陈直平;孙继民;陈恩富;施旭光;张蓉;刘营;凌锋

来源:中国人兽共患病学报 2018 年 34卷 3期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:199 | 下载:72
作者:
任江萍;陈直平;孙继民;陈恩富;施旭光;张蓉;刘营;凌锋
来源:
中国人兽共患病学报 2018 年 34卷 3期
标签:
时间序列分析 ARIMA模型 狂犬病 time-series analysis ARIMA model rabies
目的 分析全国狂犬病疫情的时间分布特征,探讨用自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)预测疫情发展趋势的可行性.方法 建立2004 ― 2015年全国狂犬病月度发病率时间序列,用 R3. 3.2软件建立最优 ARIMA模型,对2016年1~11月发病率进行预测,并评价预测效果.结果 2007年以来我国狂犬病年发病率呈下降趋势,8~10月为高峰季节;建立的最优模型为 ARIMA(2,1,1)(2,0,0)12,其平均绝对标准化误差(The mean ab-solute error,MASE)为0.755;2016年1~11月发病率预测结果显示,平均相对误差为15.61

Baidu
map