α-Sutte模型在疫情预测中的应用:基于R软件

刘天 谢聪 杨雯雯 姚梦雷 侯清波 黄淑琼

刘天, 谢聪, 杨雯雯, 姚梦雷, 侯清波, 黄淑琼. α-Sutte模型在疫情预测中的应用:基于R软件[J]. 疾病监测, 2022, 37(6): 802-806. doi: 10.3784/jbjc.202109090486
引用本文: 刘天, 谢聪, 杨雯雯, 姚梦雷, 侯清波, 黄淑琼. α-Sutte模型在疫情预测中的应用:基于R软件[J]. 疾病监测, 2022, 37(6): 802-806. doi: 10.3784/jbjc.202109090486
Liu Tian, Xie Cong, Yang Wenwen, Yao Menglei, Hou Qingbo, Huang Shuqiong. Application of α-Sutte model in epidemic prediction—based on software R[J]. Disease Surveillance, 2022, 37(6): 802-806. doi: 10.3784/jbjc.202109090486
Citation: Liu Tian, Xie Cong, Yang Wenwen, Yao Menglei, Hou Qingbo, Huang Shuqiong. Application of α-Sutte model in epidemic prediction—based on software R[J]. Disease Surveillance, 2022, 37(6): 802-806. doi: 10.3784/jbjc.202109090486

α-Sutte模型在疫情预测中的应用:基于R软件

doi: 10.3784/jbjc.202109090486
详细信息
    作者简介:

    刘天,男,湖北省荆州市人,主管医师,主要从事急性传染病防制工作,Email:jzcdclt@163.com

    通讯作者:

    黄淑琼,Tel:027-87652069, Email:48501247@qq.com

  • 中图分类号: R211; R515.1; R183

Application of α-Sutte model in epidemic prediction—based on software R

More Information
  • 摘要:   目的  介绍α-Sutte模型的原理、方法,并利用R软件建立α-Sutte模型。 比较α-Sutte模型与乘积季节自回归移动平均模型(SARIMA)拟合及预测效果,为α-Sutte模型在疫情预测中的应用提供参考。  方法  收集2020年1月1日至2021年7月16日印度、美国、意大利、巴西、俄罗斯、南非各国新型冠状病毒肺炎(COVID-19)逐日累计报告病例数。 以首例报告病例时间作为起点,起始日期至2021年6月16日数据作为训练数据,2021年6月17日至2021年7月16日作为测试数据。 利用R语言根据α-Sutte模型计算公式自行编写拟合及预测函数α-Sutte。 训练数据被用于训练α-Sutte模型和SARIMA模型。 建立2个模型预测2021年6月17日至2021年7月16日COVID-19逐日报告病例数。 拟合值与训练数据比较、预测值与测试数据比较评价模型拟合及预测效果。 采用评价指标为平均绝对误差百分比(MAPE)。  结果  印度、美国、意大利、巴西、俄罗斯和南非建立的最优SARIMA模型为SARIMA(5,2,2)、SARIMA(0,2,2)、SARIMA(2,2,2)、SARIMA(3,2,2)、SARIMA(0,2,1)和SARIMA(4,2,3)。 α-Sutte和SARIMA模型在印度、美国、意大利、巴西、俄罗斯、南非6个国家拟合的MAPE分别为1.32%、1.34%、0.89%、1.65%、0.99%、0.99%,以及1.51%、1.59%、0.89%、1.67%、1.03%、1.13%。 α-Sutte和SARIMA模型在6个国家预测的MAPE 分别为0.81%、0.09%、0.13%、1.58%、1.73%、3.77%,以及0.09%、0.09%、0.18%、1.13%、1.83%、3.43%。  结论  α-Sutte模型的原理、建模简单,利用R语言建立的模型拟合及预测精度高,值得在疾病监测领域推广使用。
  • 图  1  6个国家COVID-19累计报告病例数时间序列

    Figure  1.  Time series of the cumulative number of reported cases of COVID-19 in 6 countries

    图  2  6个国家拟合SARIMA的残差分布情况

    Figure  2.  Residual distribution of SARIMA fitting in 6 countries

    表  1  研究地区数据收集情况

    Table  1.   Data collection in countries in study

    国家训练数据测试数据
    起始日期终止日期起始日期终止日期
    印度2020/01/302021/06/162021/06/172021/07/16
    美国2020/01/222021/06/162021/06/172021/07/16
    意大利2020/01/312021/06/162021/06/172021/07/16
    巴西2020/02/262021/06/162021/06/172021/07/16
    俄罗斯2020/01/312021/06/162021/06/172021/07/16
    南非2020/03/052021/06/162021/06/172021/07/16
    下载: 导出CSV

    表  2  6个国家拟合SARIMA最优模型及残差白噪声检验

    Table  2.   Fitting SARIMA optimal model and residual white noise test in 6 countries

    国家模型表达式Q统计量P
    印度SARIMA(5,2,2)690.18<0.01
    美国SARIMA(0,2,2)1 163.18<0.01
    意大利SARIMA(2,2,2)668.79<0.01
    巴西SARIMA(3,2,2)1 315.07<0.01
    俄罗斯SARIMA(0,2,1)759.50<0.01
    南非SARIMA(4,2,3)372.67<0.01
    下载: 导出CSV

    表  3  α-Sutte、SARIMA模型在6个国家拟合效果比较

    Table  3.   Comparison of fitting effects of α-Sutte and SARIMA models in 6 countries

    国家α-SutteSARIMA
    MAPE(%)MAERMSEMER(%)MAPE(%)MAERMSEMER(%)
    印度1.325 510.2810 617.670.071.513 493.996 416.000.05
    美国1.349 710.9916 293.110.071.598 714.1515 362.320.07
    意大利0.891 637.722 814.600.110.89975.071 715.850.07
    巴西1.6514 163.9318 767.730.231.679 218.4612 960.710.15
    俄罗斯0.99466.50696.260.021.03382.99587.450.02
    南非0.99930.211 590.870.111.13622.131 102.320.08
    注:MAPE. 平均绝对误差百分比;MAE.平均绝对误差;RMSE.均数标准差;MER.平均误差率
    下载: 导出CSV

    表  4  α-Sutte、SARIMA模型在6个国家预测效果比较

    Table  4.   Comparison of prediction effects of α-Sutte and SARIMA models in 6 countries

    国家α-SutteSARIMA
    MAPE(%)MAERMSEMER(%)MAPE(%)MAERMSEMER(%)
    印度0.81247 553.04306 183.090.810.0927 171.4437 746.810.09
    美国0.0930 419.3254 881.160.090.0931 827.2057 132.630.09
    意大利0.135 583.556 447.730.130.187 846.398 915.580.18
    巴西1.58300 014.24395 120.241.611.13214 642.07293 870.231.15
    俄罗斯1.7397 398.04122 177.361.771.83103 146.17128 914.371.88
    南非3.7780 128.09100 457.093.973.4373 193.8193 539.213.63
    注:MAPE. 平均绝对误差百分比;MAE.平均绝对误差;RMSE.均数标准差;MER.平均误差率
    下载: 导出CSV
  • [1] 杨维中, 兰亚佳, 吕炜, 等. 建立我国传染病智慧化预警多点触发机制和多渠道监测预警机制[J]. 中华流行病学杂志,2020,41(11):1753–1757. DOI:10.3760/cma.j.cn112338−20200722−00972.

    Yang WZ, Lan YJ, Lyu W, et al. Establishment of multi-point trigger and multi-channel surveillance mechanism for intelligent early warning of infectious diseases in China[J]. Chin J Epidemiol, 2020, 41(11): 1753–1757. DOI: 10.3760/cma.j.cn112338−20200722−00972.
    [2] 新华网. 习近平: 要立足更精准更有效地防[EB/OL]. (2020−06−02)[2021−08−25]. http://www.xinhuanet.com/politics/leaders/2020-06/02/c_1126066593.htm.

    Xinhuanet. Xi Jinping: To be based on more precise and effective prevention[EB/OL]. (2020−06−02)[2021−08−25]. http://www.xinhuanet.com/politics/leaders/2020-06/02/c_1126066593.htm.
    [3] 王树坤, 赵世文, 伏晓庆, 等. 传染病暴发或流行的探测、监测和预警[J]. 中华流行病学杂志,2021,42(5):941–947. DOI:10.3760/cma.j.cn112338−20201020−01251.

    Wang SK, Zhao SW, Fu XQ, et al. Roles of detection, surveillance and early warning on outbreaks or epidemics of infectious diseases[J]. Chin J Epidemiol, 2021, 42(5): 941–947. DOI: 10.3760/cma.j.cn112338−20201020−01251.
    [4] Ahmar AS, Rahman A, Mulbar U. α-Sutte Indicator: a new method for time series forecasting[J]. J Phys Conf Ser, 2018, 1040: 012018. DOI: 10.1088/1742−6596/1040/1/012018.
    [5] Ahmar AS, Rahman A, Mulbar U. Implementation of α-sutte indicator to forecasting consumer price index in turkey[J]. INA-Rxiv, 2017. DOI:  10.31227/osf.io/s8jzu.
    [6] Sutiksno DU, Ahmar AS, Kurniasih N, et al. Forecasting historical data of bitcoin using ARIMA and α-sutte indicator[J]. J Phys Conf Ser, 2018, 1028: 012194. DOI: 10.1088/1742−6596/1028/1/012194.
    [7] Wang YB, Xu CJ, Yao SQ, et al. Forecasting the epidemiological trends of COVID-19 prevalence and mortality using the advanced α-Sutte Indicator[J]. Epidemiol Infect, 2020, 148: e236. DOI:  10.1017/S095026882000237X.
    [8] Kurniasih N, Ahmar AS, Hidayat DR, et al. Forecasting infant mortality rate for China: a comparison between α-Sutte Indicator, ARIMA, and holt-winters[J]. J Phys Conf Ser, 2018, 1028: 012195. DOI: 10.1088/1742−6596/1028/1/012195.
    [9] Ahmar AS, Del Val EB. SutteARIMA: Short-term forecasting method, a case: Covid-19 and stock market in Spain[J]. Sci Total Environ, 2020, 729: 138883. DOI:  10.1016/j.scitotenv.2020.138883.
    [10] Awan TM, Aslam F. Prediction of daily COVID-19 cases in European countries using automatic ARIMA model[J]. J Public Health Res, 2020, 9(3): 1765. DOI:  10.4081/jphr.2020.1765.
    [11] Kanagarathinam K, Algehyne EA, Sekar K. Analysis of 'earlyR' epidemic model and Time Series model for prediction of COVID-19 registered cases[J]. Mater Today Proc, 2020. DOI: 10.1016/j.matpr.2020.10.086.
    [12] Ahmar AS. Sutte indicator: a technical indicator in stock market[J]. Int J Econom Financ Issues, 2017, 7(2): 223–226.
    [13] Ahmar AS, Djanggih H, Putri LD, et al. Applied sutte indicator method to predicting of stock movement of PT. astra agro lestari Tbk. (AALI)[J]. J Phys Conf Ser, 2018, 1114: 012012. DOI: 10.1088/1742−6596/1114/1/012012.
    [14] Ahmar AS. A comparison of α-Sutte indicator and ARIMA methods in renewable energy forecasting in Indonesia[J]. Int J Eng Technol, 2018, 7(1.6): 20–22. DOI:  10.14419/ijet.v7i1.6.12319.
    [15] Pao HT. Forecasting energy consumption in Taiwan using hybrid nonlinear models[J]. Energy, 2009, 34(10): 1438–1446. DOI:  10.1016/j.energy.2009.04.026.
    [16] Box GE, Jenkins GM, Reinsel GC, et al. Time series analysis: forecasting and control[M]. 5th ed. Hoboken, New Jersey: John Wiley and Sons, 2015: 14–16.
    [17] Ahmar AS. RcmdrPlugin. sutteForecastR: an RcmdrPlugin for Forecasting Data[J]. J Phys Conf Ser, 2018, 1028: 012224. DOI: 10.1088/1742−6596/1028/1/012224.
  • 加载中
图(2) / 表(4)
计量
  • 文章访问数:  192
  • HTML全文浏览量:  83
  • PDF下载量:  43
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-09-09
  • 网络出版日期:  2022-02-08
  • 刊出日期:  2022-07-14

目录

    /

    返回文章
    返回

    在线交流

    防诈骗公告

    近期有不法分子以本刊编辑身份添加作者微信,请务必提高警惕!本刊关于稿件的一切事项通知均采用编辑部唯一邮箱(jbjc@icdc.cn)和座机(010-58900732)联系作者,且在录用稿件后仅收取版面费,无其他任何名目费用(如审稿费和加急费等),非编辑部邮箱发送的本刊收费用通知等均为诈骗,不要随意汇入款项!如有可疑及时致电编辑部核实确认!