一种用于预测中国四川省结核病发病率的新型时间序列建模框架

《BMC Infectious Diseases》：A novel time-series modeling framework for predicting tuberculosis incidence in Sichuan, China

　　

摘要

目的

结核病（TB）仍然是中国四川省主要的传染病和公共卫生问题。本研究旨在探索并验证一种新型的自适应混合模型，该模型结合了集合经验模态分解（EEMD）、季节性自回归积分移动平均（SARIMA）和指数平滑（ES）方法，并首次将其应用于中国四川省结核病发病率的预测。

方法

我们收集了2006年至2020年中国四川省的月度结核病发病率数据，并将时间序列分为训练集和测试集。数据集包含180个月度数据点，按8:2的比例进行划分，训练集涵盖2006年至2017年（144个月），测试集涵盖2018年至2020年（36个月）。随后，基于训练集开发了SARIMA、ES和EEMD-SARIMA-ES混合模型。使用一系列指标评估了这些模型的预测性能，包括均方误差（MSE）、均方根误差（RMSE）和平均绝对百分比误差（MAPE）。

结果

2006年至2020年的结核病发病率表现出明显的季节性和周期性特征。最优的ES模型是Holt-Winters加性模型（BIC=-0.845；残差：Ljung Box Q = 22.721，p > 0.05）。最优的SARIMA模型是SARIMA(1,0,0)(0,1,1)₁₂（AIC = 282.18，BIC = 293.71；残差：Ljung Box Q = 0.079，p > 0.05）。构建的EEMD-SARIMA-ES混合模型在训练集（MSE = 3.5050，MAPE = 6.69%，RMSE = 4.9568）和测试集（MSE = 0.6897，MAPE = 3.92%，RMSE = 0.9754）上都表现出更优的预测性能，优于单独使用ES或SARIMA模型。

结论

EEMD-SARIMA-ES混合模型有效捕捉了中国四川省的结核病发病率趋势。该模型可作为四川省结核病监测和预警的有效工具。