运用时间序列模型分析新发传染病网络舆情变化规律的研究
目的 了解新发传染病引起的网络舆情变化的趋势和规律, 为舆情监测预警和实施早期舆论引导提供针对性的依据及方向.方法 利用百度指数收集网络用户对寨卡、埃博拉两起新发传染病疫情报告后相关信息的搜索量, 形成时间序列数据, 应用ARIMA模型对数据分析并建立预测模型, 对建立的预测模型进行参数估计、模型诊断、模型评价和比较, 选择最优预测模型.结果 网络舆情前驱期平均4 d, 暴发期平均9.5 d, 波动期平均13.5 d, 消退期平均29 d, 到达峰值的时间平均12.5 d.广州市寨卡相关舆情拟合的ARIMA (3, 1, 0) 模型和全国寨卡相关舆情拟合的ARIMA (1, 1, 1) 模型的赤池信息准则 (AIC) 分别为747.85和689.81, 预测的误差的标准差 (SDE) 分别为27.05和1388.97;埃博拉相关舆情拟合的ARIMA (3, 2, 1) 模型和全国埃博拉相关舆情拟合的ARIMA (3, 2, 1) 模型的AIC分别为850.05和1 150.65, 预测的SDE分别为70.87和1 283.21.结论 舆情搜索量与该传染病在本地是否出现病例、发病规模、疾病严重程度有关, 疾病预防机构在疫情舆情发展中的暴发期进行疾病宣教效果更好, ARIMA模型能较好地模拟新发传染病网络舆情变化趋势, 且局部地区的数据拟合模型预测效果优于全国数据拟合模型.
ARIMA模型、时间序列、新发传染病、网络舆情
34
R183(流行病学与防疫)
广州市医药卫生科技项目20161A010067,20171A010296;广州市科技计划项目201707010195
2018-08-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
628-632