α-Sutte模型在疫情预测中的应用:基于R软件 |
| |
引用本文: | 刘天,谢聪,杨雯雯,姚梦雷,侯清波,黄淑琼.α-Sutte模型在疫情预测中的应用:基于R软件[J].疾病监测,2022,37(6):802-806. |
| |
作者姓名: | 刘天 谢聪 杨雯雯 姚梦雷 侯清波 黄淑琼 |
| |
作者单位: | 1.荆州市疾病预防控制中心传染病防治所, 湖北 荆州 434000 |
| |
摘 要: | 目的 介绍α-Sutte模型的原理、方法,并利用R软件建立α-Sutte模型。 比较α-Sutte模型与乘积季节自回归移动平均模型(SARIMA)拟合及预测效果,为α-Sutte模型在疫情预测中的应用提供参考。 方法 收集2020年1月1日至2021年7月16日印度、美国、意大利、巴西、俄罗斯、南非各国新型冠状病毒肺炎(COVID-19)逐日累计报告病例数。 以首例报告病例时间作为起点,起始日期至2021年6月16日数据作为训练数据,2021年6月17日至2021年7月16日作为测试数据。 利用R语言根据α-Sutte模型计算公式自行编写拟合及预测函数α-Sutte。 训练数据被用于训练α-Sutte模型和SARIMA模型。 建立2个模型预测2021年6月17日至2021年7月16日COVID-19逐日报告病例数。 拟合值与训练数据比较、预测值与测试数据比较评价模型拟合及预测效果。 采用评价指标为平均绝对误差百分比(MAPE)。 结果 印度、美国、意大利、巴西、俄罗斯和南非建立的最优SARIMA模型为SARIMA(5,2,2)、SARIMA(0,2,2)、SARIMA(2,2,2)、SARIMA(3,2,2)、SARIMA(0,2,1)和SARIMA(4,2,3)。 α-Sutte和SARIMA模型在印度、美国、意大利、巴西、俄罗斯、南非6个国家拟合的MAPE分别为1.32%、1.34%、0.89%、1.65%、0.99%、0.99%,以及1.51%、1.59%、0.89%、1.67%、1.03%、1.13%。 α-Sutte和SARIMA模型在6个国家预测的MAPE 分别为0.81%、0.09%、0.13%、1.58%、1.73%、3.77%,以及0.09%、0.09%、0.18%、1.13%、1.83%、3.43%。 结论 α-Sutte模型的原理、建模简单,利用R语言建立的模型拟合及预测精度高,值得在疾病监测领域推广使用。
|
关 键 词: | α-Sutte R软件 预测 乘积季节自回归移动平均模型 疾病 |
收稿时间: | 2021-09-09 |
|
| 点击此处可从《疾病监测》浏览原始摘要信息 |
| 点击此处可从《疾病监测》下载免费的PDF全文 |
|