基于ARIMA模型的重庆市流行性感冒预测研究

邹小江; 赵寒; 王祈茵; 叶孟良

doi:10.13406/j.cnki.cyxb.003384

您当前的位置：

首页 >

文章列表页 >

基于ARIMA模型的重庆市流行性感冒预测研究

疾病数据分析与建模 | 更新时间：2025-10-22

- 基于ARIMA模型的重庆市流行性感冒预测研究
- Prediction of influenza in Chongqing，China，based on the Autoregressive Integrated Moving Average model
- 重庆医科大学学报 2023年48卷第12期页码：1425-1429
- 作者机构：
  
  1.重庆医科大学公共卫生学院，重庆 400016
  2.重庆市疾病预防控制中心，重庆 400000
- 作者简介：
  
  邹小江，Email：1192690896@qq.com，研究方向：传染病预防与控制。
  叶孟良，Email：yemengliang@cqmu.edu.cn。
- 基金信息：
- DOI：10.13406/j.cnki.cyxb.003384
  中图分类号： R511.7
- 收稿：2023-09-05，
  
  修回：2023-11-10，
  
  录用：2023-12-10，
  
  纸质出版：2023-12-28
- 稿件说明：
移动端阅览
邹小江,赵寒,王祈茵,等.基于ARIMA模型的重庆市流行性感冒预测研究[J].重庆医科大学学报,2023,48(12):1425-1429.

Zou Xiaojiang,Zhao Han,Wang Qiyin,et al.Prediction of influenza in Chongqing，China，based on the Autoregressive Integrated Moving Average model[J].Journal of Chongqing Medical University,2023,48(12):1425-1429.
邹小江,赵寒,王祈茵,等.基于ARIMA模型的重庆市流行性感冒预测研究[J].重庆医科大学学报,2023,48(12):1425-1429. DOI： 10.13406/j.cnki.cyxb.003384.

Zou Xiaojiang,Zhao Han,Wang Qiyin,et al.Prediction of influenza in Chongqing，China，based on the Autoregressive Integrated Moving Average model[J].Journal of Chongqing Medical University,2023,48(12):1425-1429. DOI： 10.13406/j.cnki.cyxb.003384.

摘要

目的

分析流感的流行趋势，构建流行性感冒发病的自回归滑动平均混合模型（autoregressive integrated moving average，ARIMA）并对验证集进行预测，为重庆市流感的防治提供科学依据。

方法

本研究采用R软件对重庆市2010年1月至2021年6月的流感数据进行ARIMA模型拟合，用2021年7月至2021年12月的数据评价模型拟合效果。

结果

该流感疾病的流行呈现出明显的季节周期性，周期为1年，发病高峰期为冬季和春季，整体患病率呈上升后有下降趋势，拟合最佳模型为

ARIMA

（0，1，2）×（0，1，2）

，且该模型在预测2021年7月至12月罹患率的均方根误差为10.70，平均绝对百分比误差为70.04%，预测效果较好。

结论

ARIMA模型在预测重庆市流感发病和流行趋势上有一定的效果，并能对未来的罹患率进行估计，可以为今后的流感疾病防控工作提供参考。

Abstract

Objective

To investigate the trend of influenza prevalence by constructing an Autoregressive Integrated Moving Average （ARIMA） model for influenza and making predictions on the validation set，and to provide a scientific basis for the prevention and control of influenza in Chongqing，China.

Methods

In this study，R software was used for the ARIMA model fitting of influenza data in Chongqing from January 2010 to June 2021，and the data from July to December 2021 were used to evaluate the fitting performance of the model.

Results

The prevalence of this influenza disease presented with a noticeable seasonal pattern，with a yearly cycle and a peak in winter and spring. The overall prevalence rate tended to increase first and then decrease，and the best-fitting model was

ARIMA

（0，1，2）×（0，1，2）

，which had a root mean square error of 10.70 and a mean absolute percentage error of 70.04% in predicting the attack rate in July to December 2021，suggesting that the model had good predictive efficacy.

Conclusion

The ARIMA model has a certain effect in predicting the onset and prevalence trend of influenza in Chongqing and can estimate the attack rate of influenza in the future，which can provide a reference for the prevention and control of influenza in the future.

关键词

Keywords

references

杨萌萌，龚胜生，黄淑琼，等 . 2009—2020年湖北省流行性感冒时空分布特征及预测分析 [J ] . 公共卫生与预防医学， 2023 ， 34 （ 6 ）： 35 - 39 .

Yang MM ， Gong SS ， Huang SQ ， et al . spatial-temporal distribution characteristics and prediction of influenza in Hubei，2009-2020 [J ] . J Public Health Prev Med ， 2023 ， 34 （ 6 ）： 35 - 39 .

Ito G ， Takazono T ， Hosogaya N ， et al . Impact of meteorological and demographic factors on the influenza epidemic in Japan：a large observational database study [J ] . Scientific Reports ， 2023 ， 13 （ 1 ）： 13000 .

Iuliano AD ， Roguski KM ， Chang HH ， et al . Estimates of global seasonal influenza-associated respiratory mortality：a modelling study [J ] . The Lancet ， 2018 ， 391 （ 10127 ）： 1285 - 1300 .

Smeeth L ， Thomas SL ， Hall AJ ， et al . Risk of myocardial infarction and stroke after acute infection or vaccination [J ] . New England Journal of Medicine ， 2004 ， 351 （ 25 ）： 2611 - 2618 .

Ruuskanen O ， Lahti E ， Jennings LC ， et al . Viral pneumonia [J ] . The Lancet ， 2011 ， 377 （ 9773 ）： 1264 - 1275 .

王炜翔 . 南京市2006～2013年流感流行特征及ARIMA模型的应用 [D ] . 南京：东南大学， 2015 ．

Wang WX . The analysis of influenza epidemic characteristics and the application of ARIMA model in infections disease prediction in Nanjing from 2006 to 2013 ［D］. Nanjing ： Southeast University ， 2015 .

王　晨，郭　倩，周罗晶 . 基于R语言的ARIMA模型对流感样病例发病趋势的预测 [J ] . 中华疾病控制杂志， 2018 ， 22 （ 9 ）： 957 - 960 .

Wang C ， Guo Q ， Zhou LJ . Forecast of incidence trend of infulenza-like illness by the ARIMA model based on R [J ] . Chinese Journal of Disease Control and Prevention ， 2018 ， 22 （ 9 ）： 957 - 960 .

Meng P ， Huang J ， Kong D . Prediction of Incidence Trend of Influenza-Like Illness in Wuhan Based on ARIMA Model [J ] . Computational and Mathematical Methods in Medicine ， 2022 ， 2022 ： 6322350 .

He Z ， Tao H . Epidemiology and ARIMA model of positive-rate of influenza viruses among children in Wuhan，China：a nine-year retrospective study [J ] . International Journal of Infectious Diseases ， 2018 ， 74 ： 61 - 70 .

Qi L ， Xiong Y ， Xiao B ， et al . Epidemiological and virological characteristics of influenza in Chongqing，China，2011-2015 [J ] . PLoS One ， 2016 ， 11 （ 12 ）： e0167866 .

Meng X ， Zhao H ， Ou R ， et al . Epidemiological and Clinical Characteristics of Influenza Outbreaks Among Children in Chongqing，China [J ] . Frontiers in Public Health ， 2022 ， 10 ： 760746 - 760746 .

王怡珺，沈福杰，舒　敏，等 . 上海市黄浦区流感发病的人群及时空分布特征 [J ] . 环境与职业医学， 2021 ， 38 （ 4 ）： 408 - 413 .

Wang YJ ， Shen FJ ， Shu M . Demographic and spatial-temporal distributions of influenza cases in Huangpu District，Shanghai [J ] . Journal of Environmental and Occupational Medicine ， 2021 ， 38 （ 4 ）： 408 - 413 .

傅伟杰，丁　晟，程慧健，等 . 2017—2019年江西省流行性感冒时空聚集性分析 [J ] . 中华疾病控制杂志， 2022 ， 26 （ 1 ）： 80 - 85 .

Fu WJ ， Ding S ， Cheng HJ ， et al . Spatiotemporal clustering analysis of influenza in Jiangxi Province from 2017 to 2019 [J ] . Chinese Journal of Disease Control and Prevention ， 2022 ， 26 （ 1 ）： 80 - 85 .

Diamond C ， Gong H ， Sun FY ， et al . Regional-based within-year seasonal variations in influenza-related health outcomes across mainland China：a systematic review and spatio-temporal analysis [J ] . BMC medicine ， 2022 ， 20 （ 1 ）： 58 .

Guo X ， Shen H ， Liu S ， et al . Predicting the trend of infectious diseases using grey self-memory system model：a case study of the incidence of tuberculosis [J ] . Public Health ， 2021 ， 201 ： 108 - 114 .

Guohun Z ， Liping L ， Yuebin Z ， et al . Forecasting influenza based on autoregressive moving average and holt-winters exponential smoothing models [J ] . Journal of Advanced Computational Intelligence and Intelligent Informatics ， 2021 ， 25 （ 1 ）： 138 - 144 .

Lu Y ， Wang S ， Wang J ， et al . An epidemic avian influenza prediction model based on google trends [J ] . Letters in Organic Chemistry ， 2019 ， 16 （ 4 ）： 303 - 310 .

Wiese AD ， Everson J ， Grijalva CG . Social distancing measures：evidence of interruption of seasonal influenza activity and early lessons of the SARS-CoV-2 pandemic [J ] . Clinical Infectious Diseases ， 2021 ， 73 （ 1 ）： e141 - e143 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

支气管哮喘合并肺部感染患者病原菌分布及血清sTREM-1、HBD-2水平的预测价值

基于机器学习算法构建食道闭锁术后吻合口漏概率在线交互式网页计算工具及相应风险分层系统

NLR及PLR对晚期尿路上皮癌免疫治疗疗效和预后的预测价值

克罗恩病儿童血生化结果对内镜下疾病活动度的预测分析

Ca125、HCG、P对早期先兆流产患者妊娠结局预测的比较