论文部分内容阅读
对流感样病例就诊比例的分布特征、流行趋势进行描述和分析，尽可能及时、准确地预测流感及其发展趋势，有利于控制疾病的传播，减少损害。 本文采用2008年48周～2013年5周北京市朝阳区流感样病例监测资料，对北京市朝阳区流感样病例的分布特征、季节变动、长期趋势等流行特征进行描述。在此基础上，分别采用ARIMA、指数平滑和神经网络等三种方法对流感疫情进行了预测。为验证预测结果的有效性，本文将样本分为估计样本和预测样本，其中估计样本为2008年48周～2012年37周，预测样本为2012年38周～2013年5周，即总样本的10％左右用来测试预测效果，并以预测均方误差(mean squaredforecast error, MSFE)作为评价预测效果的统计量，对预测结果进行了评价。之后，本文运用Bootstrap方法，对上述三种模型方法进行集成，得到了每种预测方法的权重，进行了集成预测。实证结果表明新的集成方法使预测结果更为准确和稳定。 本文研究认为，ARIMA模型、指数平滑方法、神经网络均可用于北京市朝阳区流感样病例就诊比例预测，并均具有较高的短期预测精度。从衡量模型预测效果的指标均方误差来看，ARIMA的预测效果最好，指数平滑法最差。但是从预测误差的标准差来看，指数平滑却是预测最为稳定的模型。综合来看，单一的模型并不一定能够提供最优的预测值，而组合预测大大降低了均方误差，从而大幅提高了预测稳定性和准确性。