滑动平均自回归差分模型在蚊虫密度监测数据中的应用

来源 :上海预防医学 | 被引量 : 0次 | 上传用户:liantonglingsheng
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
[目的]分析预测上海市浦东新区蚊虫密度指数的变化趋势,为虫媒疾病疫情风险控制以及处置措施提供数据支持.[方法]整理2011—2015年上海市浦东新区市级监测点蚊虫人工小时法的监测结果,使用滑动平均自回归差分模型(ARIMA)分析上海市浦东新区人工小时法密度指数的变化趋势.[结果]2011—2015年,浦东新区市级监测点人工小时法共开展监测135次,蚊虫密度指数平均值为6.17只/h(人工),标准差为4.93,最小值为0,最大值为18只/h(人工).指数呈明显的周期性,每年最高峰均出现在7—8月.ARIMA拟合最优模型为ARIMA(2,0,1),模型拟合统计量R2为0.808,Q检验值为19.632,显著性检验结果为0.186,不能拒绝残差为白噪声的结果.模型自回归参数AR1为1.866,AR2为-0.907,滑动平均参数MA为0.999.[结论]ARIMA模型可用于蚊虫密度监测数据的预测,但监测频率低、循环周期不固定对预测结果影响较大.
其他文献