ARIMA模型在血液供應(yīng)量預(yù)測分析中的應(yīng)用

丁輝 李瑛瑛

摘要：血液庫存的有效控制是血站工作中的一項(xiàng)重要內(nèi)容。本文通過應(yīng)用SPSS統(tǒng)計軟件，構(gòu)建ARIMA模型來預(yù)測未來一段時間的血液供應(yīng)量，科學(xué)指導(dǎo)采集血液，合理地控制血液庫存水平。

關(guān)鍵詞：ARIMA模型;預(yù)測;血液供應(yīng)

中圖分類號：TP311? ? ? ? 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2019）22-0239-03

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

Application of ARIMA Model in Prediction and Analysis of Blood Supply

DING Hui1， LI Ying-ying2

（1.Chenzhou Vocational and Technical College， Chenzhou 423000， China; 2. Chenzhou Central Blood Station， Chenzhou 423000， China）

Abstract： Effective control of blood stock is an important part of work in blood station. In this paper， we build ARIMA model by using SPSS statistical software in order to predict the blood supply in the future. Then we can guide the collection of blood scientifically， and control the blood stock level reasonably.

Key words： ARIMA Model; prediction; Blood Supply

血液將氧氣和養(yǎng)分運(yùn)輸至人體各個臟器，是人類生存必不可少的物質(zhì)，尤其在挽救失血患者生命中具有不可替代性。目前我國實(shí)行無償獻(xiàn)血制度，血液的來源受獻(xiàn)血者的個人意愿、天氣狀況、過節(jié)放假等因素影響較大，導(dǎo)致血液偏型和采血量季節(jié)性變化，如不進(jìn)行計劃性安排，血站的采血量將是完全無序狀態(tài)。而各家醫(yī)院受到眾多外部因素影響，比如重大自然災(zāi)害和突發(fā)事件，血液需求變化波動性較大。血液供需雙方的不確定性將很大程度導(dǎo)致兩種極端現(xiàn)象的發(fā)生：一方面血液庫存量不足，影響為臨床治療提供血液的有效性;另一方面庫存量過多，輕則影響血站供血周轉(zhuǎn)率，重則導(dǎo)致血液報廢。因此，科學(xué)預(yù)測各醫(yī)療臨床單位對血液的需求量，指導(dǎo)血站制定合理的血液庫存和采血計劃，可以使臨床用血得到最大限度的滿足，有效降低庫存的時間及庫存量，不斷提升輸血效力，減少血液的報廢率，使得血站對血液的有效管理和合理調(diào)配。

當(dāng)前SPSS軟件被廣泛應(yīng)用于各行各業(yè)的統(tǒng)計工作[1]，在醫(yī)學(xué)研究中也有很好作用[2]，本文運(yùn)用SPSS 24.0統(tǒng)計軟件對郴州市中心血站血液供應(yīng)量進(jìn)行預(yù)測分析。

1 血液供應(yīng)量的ARIMA模型建立

就郴州市中心血站2012年1月到2018年12的月度紅細(xì)胞供應(yīng)數(shù)據(jù)，建立血液供應(yīng)量ARIMA（p，d，q）模型。運(yùn)行SPSS統(tǒng)計軟件，得到血液供應(yīng)量數(shù)據(jù)時序圖（圖1），通過對圖1的觀察可發(fā)現(xiàn)數(shù)據(jù)呈季節(jié)性波動現(xiàn)象，而且有明顯的逐年遞增趨勢。

從2012-2018年紅細(xì)胞供應(yīng)數(shù)據(jù)序列的自相關(guān)圖（圖2）和偏自相關(guān)圖（圖1）得知該序列是非平穩(wěn)的，需要運(yùn)用差分的方法對該數(shù)據(jù)序列進(jìn)行處理，即通過一階差分后做進(jìn)一步分析。

繪制一階差分時序圖（圖4），從圖中可以看到，一階差分序列基本上呈正負(fù)均勻分布，因此可以判斷該序列是平穩(wěn)的。一階差分后自相關(guān)圖（圖5）和一階差分后偏自相關(guān)圖（圖6）均為拖尾的，因此可確定差分階數(shù)d=1，可對紅細(xì)胞供應(yīng)數(shù)據(jù)序列建立ARIMA（p，1，q）模型。

觀察一階差分后自相關(guān)圖（圖5）和一階差分后偏自相關(guān)圖（圖6），可以初步斷定p=1，q=2。通過多次試算后，以平穩(wěn)R方、Sig、MAPE、BIC等參數(shù)為指標(biāo)的優(yōu)化模型統(tǒng)計參數(shù)見表1。ARIMA（1，1，2）的平穩(wěn)R方、Sig、MAPE、BIC等參數(shù)最優(yōu)，故確認(rèn)較為合適的預(yù)測數(shù)學(xué)模型為ARIMA（1，1，2）。

2 診斷ARIMA（1，1，2）模型

對郴州市中心血站紅細(xì)胞供應(yīng)量的ARIMA（1，1，2）模型，通過SPSS軟件得到殘差的ACF和PACF見圖7，全部點(diǎn)均應(yīng)落在95%置信區(qū)間內(nèi)，擬合效果比較理想，可以運(yùn)用ARIMA（1，1，2）模型進(jìn)行預(yù)測。

3 應(yīng)用ARIMA（1，1，2）模型的預(yù)測結(jié)果

SPSS軟件運(yùn)行后得到的ARIMA（1，1，2）模型的擬合圖見圖8，2019年1-6月郴州市中心血站紅細(xì)胞供應(yīng)量的預(yù)測結(jié)果見表2。

4 結(jié)語

運(yùn)用SPSS軟件對時間序列數(shù)據(jù)的ARIMA模型分析，可以尋找變量與目標(biāo)值的關(guān)聯(lián)性[3]，預(yù)測了2019年1-6月郴州市中心血站紅細(xì)胞的供應(yīng)量，還可以采用類似方法，對不同血型進(jìn)行分別預(yù)測。然而，血站的庫存管理工作比較復(fù)雜，還受到采血及供血能力、臨床用血需求、血液的庫存計劃以及應(yīng)急事件處理狀況等諸多因素的影響，血液采集和血液的需求均具有高度的不確定性[4]，所以一方面血站應(yīng)引入社會營銷理念，完善無償獻(xiàn)血招募機(jī)制，擴(kuò)大無償獻(xiàn)血者隊伍，可從中挑選一些有高度社會責(zé)任感、樂于奉獻(xiàn)的人員組成應(yīng)急隊，以應(yīng)對突發(fā)事件和自然災(zāi)害可能導(dǎo)致的急需用血;另一方面血站還應(yīng)加強(qiáng)科學(xué)用血的宣傳和指導(dǎo)，盡量減少不合理用血。只有全面細(xì)致地分析血液庫存管理的各關(guān)聯(lián)因素，才能卓有成效地提升血液庫存管理水平，為臨床用血提供有力保障。

參考文獻(xiàn)：

[1]郭志剛.社會統(tǒng)計分析方法—SPSS軟件應(yīng)用[M].北京：中國人民大學(xué)出版社，1999.

[2]孫源，原搏，原杰.基于SPSS時間序列法對甲狀腺疾病建模研究[J].現(xiàn)代電子技術(shù)，2014，37（4）：83-84.

[3]張賢達(dá).時間序列分析高階統(tǒng)計量方法[M].北京：清華大學(xué)出版社，2008.

[4]尚盧青.血液庫存管理與其相關(guān)因素探討[J].臨床醫(yī)藥文獻(xiàn)雜志，2015，21（2）：4495-4498.

【通聯(lián)編輯：王力】