文献知网节
  • 记笔记

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

马晓薇李晓宁黄勇陆剑云王志伟肖新才

广州市疾病预防控制中心

摘要: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。
  • 专辑:

    医药卫生科技

  • 专题:

    预防医学与卫生学; 感染性疾病及传染病

  • 分类号:

    R183

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • HTML阅读
  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:513 页码:628-632 页数:5 大小:323K

相关文献推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者