基于分数整合自回归移动平均模型的山西省手足口病预测研究

来源：疾病监测杂志2023年第7期北京时间：

作者：王晓瑞,刘元,王彤

摘要：目的 探讨分数整合自回归移动平均（ARFIMA）模型在手足口病发病率预测中的可行性。方法 基于Python语言，以山西省2008年1月至2021年8月手足口病发病率数据为训练集建立ARFIMA模型和自回归移动平均（ARIMA）模型，以2021年9月至2022年8月数据为测试集对所构建的两种模型进行效果评价，选用最优模型对2022年9月至2023年8月山西省手足口病发病率做出预测。结果 建立ARFIMA（4,0.05,5）模型和ARIMA（5,1,2）模型，残差白噪声检验P≥0.05。 利用构建好的ARFIMA模型和ARIMA模型对测试集进行预测，平均绝对误差分别为0.92、1.58，平均绝对百分比误差分别为1.28、1.67，均方误差分别为1.18、3.56，均方根误差分别为1.09、1.89。 使用较优ARFIMA（4,0.05,5）模型预测2022年9月至2023年8月山西省手足口病月发病率在0.13/10万～3.51/10万。结论 相比ARIMA模型，考虑了序列长记忆性的ARFIMA模型可较准确地预测山西省手足口病发病趋势，在手足口病防控中具有现实意义。

关键词：手足口病, 长记忆性, 分数整合自回归移动平均, Python, 模型预测