田德红于国伟丁国武△段春红廖伟斌王熙蓓彭 峥



ARIMA-DES混合模型在中国布鲁菌病分析和预测中的应用*

田德红1于国伟2△丁国武1△段春红3廖伟斌4王熙蓓1彭 峥1

【提 要】 目的 探讨中国布鲁菌病发病的趋势和季节规律，并构建时间序列模型对发病数做短期预测。方法 用Matlab2014对中国布病的发病数建立ARIMA和DES模型。用Eviews8.0对发病数进行X-12季节调整后，对趋势项用ARIMA-DES建模预测，其中ARIMA-DES混合模型采用PSO算法赋予不同的权重，最后比较三种模型的预测精度，选取最优模型预测未来发病数。结果 全国布病的发病在每年5月份最高，12月最低。选取的最优模型为ARIMA-DES，并预测了2015年6月至12月的发病数，分别为7286、6710、5723、4296、3463、3355.34、3777。结论 ARIMA-DES模型预测精度较单一的ARIMA模型和DES模型高，ARIMA-EDS模型适合我国布病发病数短期预测。季节调整后的成分序列反映出的季节性与全国各地报道的季节性不同。

【关键词】布鲁菌病 混合模型 X-12季节调整 粒子群优化算法

1.兰州大学医学院公共卫生学院（730000）

2.西北民族大学西部环境健康研究所

3.兰州大学数学与统计学院

4.兰州交通大学

布鲁菌病（brucellosis，布病），也称波状热，是布鲁菌引起的传染病，属人畜共患的自然疫源性疾病。布鲁氏杆菌是一种革兰氏阴性的不运动细菌，它作为细胞内寄生虫，可以侵犯人和多种动物。人群因接触患病动物或布鲁氏菌污染物等途径被感染，开始发病时会伴随着中度发热，急性发作时夜间发烧会加重，肝、脾、淋巴结肿大是这个时期的特征［1］。

时间序列分析法是依据预测对象过去的统计数据，找到其随时间变化的规律，建立时序模型，以推测未来数值的预测方法。……