文章目录

1 资料与方法

1.1 资料来源

1.2 统计分析

    1.2.1 数据处理

    1.2.2 建模步骤

        1.2.2.1 序列的平稳化

        1.2.2.2 模型识别与检验

        1.2.2.3 模型预测

2 结 果

2.1 数据处理和平稳化过程

2.2 模型的识别与参数估计检验

2.3 模型预测

3 讨 论

文章摘要:目的构建时间序列自回归移动平均模型（autoregressive integrated moving average, ARIMA）乘积季节性模型,预测高原地区青海省流感病毒的活动趋势,探讨该模型在预测流感病毒活动规律中的应用。方法对2009—2019年流感病毒核酸阳性检出率的时间序列资料构建模型,以流感病毒核酸阳性检出率为验证数据,验证预测模型效果。结果高原地区青海省2009—2019年流感病毒的活动呈现明显季节性效应,ARIMA（1,1,0）（0,1,0）₁₂为最优模型,回归系数差异有统计学意义（P<0.05）,其中R²=0.765,BIC=4.77,白噪声残差分析显示序列自相关函数Ljung-Box=19.080（P=0.324）,残差为随机误差,实际值在预测值的95%可信区间范围内。结论乘积季节模型ARIMA（1,1,0）（0,1,0）₁₂较好地拟合和预测了短期内流感病毒的活跃程度,显示2020年青海省流感病毒发生暴发或流行趋势较低,可为全省流感流行和暴发起到预警作用。

文章关键词:

项目基金: