余功超 冯慧芬 封 爽 赵 敬 徐 晶

【提 要】 目的 构建基于小波分析的自回归移动平均(ARIMA)模型预测手足口病流行，提高预测精度。方法 使用2010-2015年郑州市疾控中心手足口病监测数据，构建基于小波分析的ARIMA模型进行预测，用2016年数据进行验证，并与单纯的ARIMA模型进行比较。结果 构建的基于小波分解一层的ARIMA模型为ARIMA(0，1，3)(2，1，0)52，矫正后的AIC=2747.82，残差序列的ACF、PACF图示残差序列无自相关，Box-Ljung test统计量为0.9177，P=0.34，认为该残差为白噪声序列，模型拟合良好。预测2016年发病趋势与实际较为相符，均方根误差RMSE(root mean square error)、平均绝对误差MAE(mean absolute error)、平均绝对百分比误差MAPE(mean absolute percentage error )，分别为49.42、26.45、15.75(训练集拟合)和275.84、219.90、72.95(验证集预测)，除了验证集MAPE外，均小于单一的ARIMA模型。结论 基于小波分析的ARIMA模型可用于手足口病时间序列预测，拟合和预测性能较单一的ARIMA模型好。

手足口病是一种由多种肠道病毒引起的传染病[1]，好发于5岁以下儿童，是儿童主要感染性疾病之一。EV71和CA16是引起手足口病主要的病原，2015年EV71疫苗问世，有报道称近年来EV71和CA16感染病例数有所下降，但其他肠道病毒感染病例数上升[2-3]，其发病率仍居高不下[4-5]，给社会造成了很大的医疗和经济负担。手足口病无特殊治疗方法，主要是对症治疗和防治并发症[6]。因此，明晰手足口病流行周期及模式，更精准地预测其流行，对卫生行政部门制定预防控制策略、降低其发病率、减轻疾病负担具有重要意义。

自回归移动平均模型(ARIMA模型)是最常用的手足口病时间序列预测模型，适用于稳定性时间序列，但现实世界的时间序列往往是非稳定性的[7]，特别是流行病学时间序列[8]。……