齐 畅 刘利利 李春雨 朱雨辰 张丹丹 王志强 李秀君△

【提 要】 目的 研究季节性自回归分数差分移动平均(SARFIMA)模型预测肾综合征出血热(HFRS)发病率的效果，并与SARIMA模型进行比较。方法 收集山东省2009年1月至2018年12月HFRS月发病数据，考虑时间序列的短记忆性和长记忆性，构建SARFIMA模型，以SARIMA模型作为对比，比较两个模型的预测准确性。结果 山东省2009-2018年HFRS月发病率具有明显周期性和季节性特征。模型评估表明，SARFIMA模型具有更好的拟合度和预测能力。SARFIMA(1，0.33，3)(1，0，0)12：AIC=-629.76;RMSE=0.028;SARIMA(1，0，3)(1，1，0)12：AIC=-356.43;RMSE=0.033。结论 SARFIMA模型能较好地拟合山东省HFRS月发病率的动态变化，且预测效果优于SARIMA模型。因此，SARFIMA模型可用于HFRS发病率的预测。

肾综合征出血热(hemorrhagic fever with renal syndrome，HFRS)是一种自然疫源性疾病，在世界各地广泛流行，并且报告HFRS的国家数量不断增加[1]。中国是疫情最严重的国家[2]，其中山东省自1962年报告第一例HFRS以来，一直是发病最严重的地区之一[3]。时间序列分析被广泛用于传染病预测研究[4-6]，其中，季节性自回归移动平均(seasonal autoregressive integrated moving average，SARIMA)模型已用于预测许多传染病的短期波动[7-9]。SARIMA模型的数据准备和操作相对简单易行，定量预测结果较为准确[10]。然而，在许多时间序列中存在长记忆过程[11]，尽管长期观测值之间的相关性很小，但在分析时不应被忽略[12-13]。季节性自回归分数差分移动平均(seasonal autoregressive fractionally integrated moving average，SARFIMA)模型同时考虑了序列的短记忆性和长记忆性，有助于提高模型拟合和预测的准确性[14]。

本研究将SARFIMA模型应用于HFRS月发病率序列，同时考虑序列的短记忆性和长记忆性以进行更准确的预测。

资料与方法

1.研究资料

收集山东省2009年1月至2018年12月HFRS的发病报告数据，数据来源于山东省疾病预防控制中心疾病报告信息系统。……