基于ARIMA模型的新型冠状病毒感染情况预测分析——以云南省为例开题报告

1. 研究目的与意义

2019年12月，湖北省武汉市出现多起病毒性肺炎病例，此后，疾病逐渐在湖北乃至全国各地蔓延。

新型冠状病毒疫情的爆发给我们的生活带来了一场巨大的冲击，许多鲜活的生命在这场灾难中离世。

而经过了几个月的艰苦抗争，在政府和人民群众的共同努力之下，新冠肺炎疫情终于得到了有效的控制，疫情感染人数渐渐稳定了下来。

2. 研究内容和预期目标

研究内容：通过构建求和自回归移动平均预测模型ari-ma(p，q，d),以云南全省2020年1/22日-7/17日之间的疫情数据为训练数据,运行模型,预测数据与真实数据拟合度进行比较,检验显著效果。

关键问题：若预测数据与真实值出现断点，分析其干扰原因。

写作提纲：1.对数据进行分析，根据数据特点建立适合的模型。

3. 国内外研究现状

国内目前对于新冠疫情也是十分关注的，有许多专家和学者对于新冠疫情的感染情况做了一些预测。

咸阳师范学院的纪安之、杨雪梅两位学者应用国家卫生健康委发布的2020年1月24日24时至2020年3月29日24时新冠肺炎累计确诊病例数据,采用时间序列分析方法建立arima模型进行拟合分析,并预测其未来走势。

大连民族大学理学院的几位学者同样采用arima模型对湖北省新冠感染情况进行了预测分析。

4. 计划与进度安排

4．论文（设计）的研究计划或撰写方案:课题基本情况1.课题名称：基于arima模型的新型冠状病毒感染情况预测分析——以云南省为例2.课题数据来源：云南省2022年1月22日—7月17日疫情感染数据3.研究类型：统计分析4.实验时间：2022年12月—2022年5月二、课题的提出为预测新型冠状病毒感染情况，通过构建求和自回归移动平均预测模型ari-ma(p，q，d),以云南全省2022年1/22日-7/17日之间的疫情数据为训练数据,运行模型,预测数据与真实数据拟合度进行比较,检验其显著效果。

三、课题研究的假设通过本课题可以得出arima模型适用于对新冠肺炎疫情感染情况的预测分析，在未来对疫情情况进行预估时可以用到该模型。

四、课题研究的基本思路和具体措施1.引言课题的意义与现状2.arima模型的建立根据数据建立适合的模型，并对模型进行检验。

5. 参考文献

[1]魏凤英, 王金杰, 徐铣明, 等.全球新型冠状病毒肺炎疫情发展趋势预测[J].疾病监测,2020,35(6):467-472.DOI:10.3784/j.issn.1003-9961.2020.06.004[2]李凤英, 刘媚, 白伟.基于ARIMA模型的新型冠状病毒肺炎疫情预测分析[J].价值工程,2020,39(25):229-231.[3]徐茜.时间序列分析在青海省GDP预测中的应用——兼评新冠肺炎疫情冲击[J].青海金融,2020(06):4-8.[4]冯瑞.GDP时间序列的ARIMA模型研究[J].重庆工商大学学报(自然科学版),2014,31(12):34-37.[5]温亮,黄清臻,王志刚,李绵洋,姜天俊,秦玉玲,管希周,梁志欣,许寅喆,周飞虎.运用ARIMA模型预测巴基斯坦新型冠状病毒肺炎疫情发展趋势的结果分析[J].解放军预防医学杂志,2020,38(08):96-99 102.[6] 王俊芳, 雷亚洲, 周玉浩, 等.中美新冠疫情趋势分析及防控评价[J].价值工程,2020,39(23):59-61.[7]卢普庆.ARIMA模型与指数平滑法在新冠肺炎疫情传播中的应用[J].价值工程,2020,39(23):164-167[8]彭宗超,黄昊,吴洪涛,谢起慧.新冠肺炎疫情前期应急防控的“五情”大数据分析[J].治理研究,2020,36(02):6-20.[9]李福兴,谢可心,张玉琳,赵卫东.云南省新型冠状病毒肺炎流行情况初步分析[J].大理大学学报,2020,5(08):1-6.[10]林德双,金秀玲,刘文鑫,黄正鹏,黄怡宣.新冠肺炎疫情预测分析[J].黑龙江工业学院学报(综合版),2020,20(09):114-119.[11]王国贤,范英兵.基于干预ARIMA模型的中国GDP趋势分析[J].河南建材,2020(03):72-74.[12]Huang Hao. Analysis and Forecast of Resource-based City GDP Based on ARIMA Model[C]. AEIC Academic Exchange Information Centre(China).Proceedings of 2019 4th International Conference on Financial Innovation and Economic Development(ICFIED 2019)（Advances in Economics,Business and Management Research,VOL.76）.AEIC Academic Exchange Information Centre(China):International Conference on Humanities and Social Science Research,2019:203-209.[13]戴琳琳.基于ARIMA模型的青岛市GDP预测分析[J].河北能源职业技术学院学报,2019,19(03):60-62.[14]宋平,邱燕玲.基于时间序列分析青海省GDP预测[J].时代金融,2018(15):47-48 54.[15]纪安之, 杨雪梅.基于ARIMA模型的新冠肺炎序列分析预测[J].价值工程,2020,39(18):107-109.