[基于北京三个时间序列模型的流感趋势预测性能评估]

科学领域:

• 流行病学 流行病学
• 时间序列分析时间序列分析
• 公共卫生 公共卫生

背景情况:

• 流感对公众健康构成重大挑战,需要准确的预测才能制定有效的干预策略.
• 传统的时间序列模型可能无法完全捕捉影响流感传播的因素的复杂相互作用.
• 预测流感趋势对于资源分配和公共卫生准备在北京等城市环境中至关重要.

研究的目的:

• 评估和比较自回归集成移动平均线 (ARIMA),自回归集成移动平均线与外源变量 (ARIMAX) 和向量自回归 (VAR) 模型对北京流感阳性率的预测性能.
• 确定最适合在北京长期流感趋势预测的模型,并结合气象因素.
• 预测研究期间以后北京流感发病率的未来趋势.

主要方法:

• 从2013年到2024年 (不包括2020-2023) 在北京收集的每周流感病毒核酸测试阳性率和气象数据.
• 员工扩展培训套件和相应的测试套件,以评估不同数据子集的模型性能.
• 基于预测准确度指标的ARIMA,ARIMAX和VAR模型进行比较,例如根平均平方误差 (RMSE) 和平均绝对误差 (MAE).

主要成果:

• 北京的流感发病率表现出季节性,在冬季和春季达到顶峰.
• 与ARIMA和VAR模型相比,ARIMAX模型显示出更高的预测精度 (RMSE:0.1153,MAE:0.0767).与ARIMA和VAR模型相比,ARIMA和VAR模型显示出更高的预测精度 (RMSE:0.1153,MAE:0.0767).
• 在流感阳性率和大气压/风速之间观察到正相关性,与温度有负相关性.
• 阿里马克斯模型预测,在2024年10月之后,流感阳性率将上升,在2025年初达到峰值,低于之前的季节.

结论:

• 结合气象参数的ARIMAX模型比ARIMA或VAR模型更适合预测北京的长期流感趋势.
• 该研究预测2025年第二周流感峰值,与上个季节相比,感染率较低.
• 使用气象数据准确预测流感,可以帮助公共卫生规划和应对.