ARIMA模型预测深圳宝安区流感样病例发病率的可行性

目的建立预测宝安区流感样病例发病率的ARIMA模型,并验证其可行性。方法应用SPSS 19.0软件对2010年1月~2015年6月宝安区流感样病例每月发病率进行模型拟合,以2015年7~9月每月流感样病例发病率作为考核样本评价模型预测效果。结果 ARIMA(2,1,0)(0,1,1)12拟合2010年1月~2015年6月宝安区每月新增感染率的变动趋势较为理想,实际值均在预测值的95%可信区间内,预测结果与实际值相对误差最大值为20.94%,最小为3.05%。结论 ARIMA(2,1,0)(0,1,1)12模型,该模型在宝安流感样病例发病率短期趋势的预测与实际发病率吻合,可考虑纳入周期性自变量或者选用其他模型加强预测精度。     

ARIMA模型与指数平滑法模型预测肺炎发病率效果比较

目的比较ARIMA模型与指数平滑法模型预测肺炎发病率的效果。方法应用SPSS 19.0软件,对2010年1月-2015年6月深圳市宝安区肺炎病例发病率进行ARIMA模型和指数平滑模型的建模,比较两种模型预测效果,并用较好者对2015年10-12月的肺炎发病率进行预测。结果 ARIMA(0,1,1)模型的平均误差百分比为1.5%,低于布朗线性趋势模型(5.00%),拟合效果较好。以ARIMA(0,1,1)模型预测2015年10-12月宝安区两种模型预测平均相对误差百分比肺炎发病率分别为1.02/10万、1.00/10万、0.98/10万。结论与指数平滑模型相比而言,ARIMA模型拟合宝安区肺炎发病率效果较好,可考虑联用其他模型加强预测精度。     

ARIMA模型和指数平滑法在我国北方流感样病例预测中的应用和比较

目的 比较ARIMA模型和指数平滑法对我国北方流感样病例的预测效果,为流感防控提供科学依据。方法 利用我国北方2012年第1周—2018年第17周的每周流感样病例比例数据拟合建立ARIMA模型和指数平滑模型,预测 2018年第18周—2019年第17周的流感样病例比例,对预测值与实际值进行比较。结果 ARIMA最优模型为ARIMA(0,1,1)(2,1,0)₅₂,预测的均方根误差(root mean square error,RMSE)、平均绝对百分比误差(mean absolute percentage error,MAPE)和平均绝对误差(mean absolute error,MAE)分别为0.57%、8.98%、0.34%;指数平滑法的最优模型为简单季节性模型,预测的均方根误差(RMSE)、平均绝对百分比误差(MAPE)和平均绝对误差(MAE)分别为0.83%、15.24%、0.55%。结论 ARIMA(0,1,1)(2,1,0)₅₂模型预测精度更高,可用于我国北方流感样病例的短期预测。     

ARIMA模型与Holt-Winters指数平滑模型在武汉市流感样病例预测中的应用

目的 探讨比较ARIMA模型和Holt-Winters模型在武汉市流感样病例预测中的应用,为流感防控提供科学依据。方法 利用武汉市2012年1月-2017年6月每周流感样病例比例数据拟合建立ARIMA模型和Holt-Winters指数平滑模型,预测2017年7-8月周流感样病例比例,并与实际流感样病例比例进行比较。结果 ARIMA最优模型为 ARIMA(1,0,1)×(0,1,1)52,预测的平均相对误差为6.88%,Holt-Winters的最优模型为乘法模型,预测平均相对误差为13.79%。结论 ARIMA(1,0,1)×(0,1,1)52模型拟合效果较好,预测精度更高,可用于武汉市流感样病例的预测。     

ARIMA模型在常德市痢疾发病预测中的应用

目的探索ARIMA模型在常德市痢疾预测中的应用,为常德市痢疾防治提供科学依据。方法采用SPSS13.0软件对常德市2000-2010年痢疾月发病数据进行模型拟合,用2011年的发病数据验证模型预测效果,对2012年1-12月的痢疾发病数进行预测。结果 ARIMA(2,1,0)(0,1,1)12模型能较好地拟合2005-2010年常德市痢疾月发病情况,用2011年数据验测模型预测效果,全年预测误差仅为3.43%,对2012年月发病数的预测符合实际发病变动趋势。结论 ARIMA模型是一种行之有效的预测方法,可以用于常德市痢疾发病的预测。     

基于ARIMA乘积季节模型的流行性感冒预测分析

目的通过对2005-2015年全国各月流行性感冒发病率的分析,为流感的预防和控制提供参考依据。方法以国家人口与健康科学数据共享服务平台公共卫生科学数据中心提供的《2005-2015年全国各月流行性感冒数据》中2005-2014年全国各月流行性感冒发病率为研究对象,采用SPSS 20.0软件对数据进行分析,采用时间序列分析的ARIMA乘积季节模型构建模型,进行预测,并用2015-01/12全国流感数据验证模型精确性。结果经反复多次分析比较,最终确立ARIMA(0,1,1)(0,1,1)_(12)为最优模型,经2015年各月数据验证,模型预测精确度较高。结论 ARIMA(0,1,1)(0,1,1)_(12)乘积季节模型能较好的预测全国流感月发病率的变化趋势,具有一定的推广及应用价值。     

ARIMA模型在乙型肝炎发病率预测中的应用

目的探讨ARIMA模型预测常州市乙型肝炎发病率的可行性。方法应用SPSS 18.0软件对常州市2002—2010年乙型肝炎月发病率进行ARIMA模型拟合,对2011年乙型肝炎发病率进行预测验证,并对2012年月发病率进行预测。结果最佳拟合模型为ARIMA(2,1,0)(1,1,0)12;2011年乙型肝炎发病率预测结果和实际值平均相对误差为3.55%。结论 ARIMA模型可用于常州市乙型肝炎发病率预测,其短期预测精度较高。     

ARIMA模型在衢州市梅毒发病率预测中的应用

目的探讨应用ARIMA模型预测梅毒发病趋势的可行性,为预防控制梅毒流行提供依据。方法应用SPSS 18.0对2005-2014年衢州市梅毒逐月发病率建立ARIMA模型,并对2015年梅毒发病率进行预测分析。结果 ARIMA(2,1,1)(0,1,1)12能较好拟合既往梅毒的发病率,2014年梅毒月发病率预测值和实际值的平均相对误差为11.89%,实际值均在预测95%CI内。结论 ARIMA模型能有效地预测梅毒发病趋势,为制定防控措施和策略提供科学的依据。     

季节性ARIMA模型在河南省流感样病例发病预测中的应用

目的 研究河南省流感样病例(ILI)发病规律，探讨使用自回归移动平均(ARIMA)模型预测河南省流感样病例发病趋势的可行性。方法 收集2010年第1周至2022年第30周河南省流感样病例占门急诊就诊病例的比例(ILI%)数据，使用R语言进行时间序列分析并建立季节性ARIMA模型，使用最优模型对2010年14周至2021年40周ILI%数据进行拟合，对2021年第41周至2022年第30周进行预测。结果 2010-2014年河南省ILI%整体呈增高趋势，2014-2022年ILI%整体呈降低趋势。河南省ILI%变化呈现季节性，12月底至次年1月初为报告高峰。最终选择的模型是ARIMA(0,1,1)×(1,1,0)₅₂，拟合和预测的发病趋势与实际观测到的情况基本一致，ILI%拟合误差范围在-2.93～3.51之间，平均误差-0.01，平均绝对误差0.29，均方根误差0.47，百分比误差(相对误差)在-213.95%～128.85%之间，平均绝对百分比误差11.22%；实际报告ILI%均在预测序列95%置信区间内。结论 季节性ARIMA模型可用于河南省流感样病例发病趋势...     

ARIMA模型在安溪县传染病发病率预测中的应用

目的 探讨用时间序列ARIMA模型对法定传染病发病率进行预测的可行性.方法 用SPSS 18.0对安溪县2005-2010年传染病月发病率进行ARIMA模型拟合,用所得模型对2011年各月发病率进行预测并与实际值比较.结果 ARIMA(0,1,1)×(1,1,0)12模型拟合良好,2011年各月预测值与实际值趋势吻合.结论 ARIMA模型能很好地模拟传染病发病率时间序列变动趋势,对疫情监测有重要意义.     

应用ARIMA模型预测结核病发病率研究

目的应用自回归求和移动平均(ARIMA)模型预测结核病发病率。方法收集浙江省余姚市2006—2016年结核病月发病资料,采用专家建模器和传统建模方法建立ARIMA模型,根据最小贝叶斯信息准则(BIC)值选出最优模型,对2006—2016年结核病月发病率进行回代拟合,并对2017年结核病月发病率进行预测。结果传统建模方法所得模型为ARIMA(0,1,1)(0,1,1)12,专家建模器所得模型为ARIMA(0,0,1)(0,1,1)12;两个模型的残差序列均未突破可信区间,为白噪声过程,均为恰当模型,但ARIMA(0,0,1)(0,1,1)12标准化的BIC值更小,确定为最优模型。对余姚市2006—2016年结核病月发病率进行回代拟合,实际发病率均落入拟合值的95%CI内,模型预测值能较好拟合原始数据;预测余姚市2017年1—12月结核病月发病率,预测值与实际值的平均相对误差为9.05%。结论应用专家建模器构建的ARIMA模型可较好地预测结核病发病率。     

基于ARIMA模型的2020年衡阳市肺结核发病趋势预测

目的 用差分整合移动平均自回归(autoregressive integrated moving average, ARIMA)模型对肺结核发病率进行预测,为人群肺结核的防治以及制定干预措施提供参考依据。 方法 收集衡阳市2010年1月—2019年12月肺结核月发病数据,运用SPSS 22.0软件进行数据分析,构建ARIMA模型对衡阳市肺结核发病趋势进行预测。结果 2010—2019年衡阳市共报告肺结核病例66 257例,2010—2018年衡阳市肺结核的总体发病率呈小幅度下降趋势,2019年发病率有所回升,发病主要集中在2—6月。ARIMA(0,1,1)×(0,1,1)₁₂模型是拟合衡阳市肺结核月发病率的最优模型。运用该模型对2020年上半年肺结核月发病率进行预测后发现,各个月份的预测发病率和实际发病率均在95%置信区间范围内,相对误差中位数是16.54%,模型预测效果较好。结论 ARIMA(0,1,1)×(0,1,1)₁₂模型能够较好拟合衡阳市肺结核发病率的变化趋势,可用于衡阳市肺结核发病率短期预测,对肺结核预测具有较好的应用价值。     

基于ARIMA模型的洛阳市手足口病发病率预测

目的建立洛阳市手足口病发病率的自回归积分移动平均(ARIMA)模型,并对洛阳市手足口病的发病率进行预测。方法以2009-2017年洛阳市手足口病发病率数据为基础建立ARIMA模型,并用2018年1月至5月的实际发病率进行验证,评价模型的拟合效果,利用最优模型预测2018年6月至12月洛阳市手足口病发病率。结果在本次研究中建立的ARIMA最优模型为ARIMA(2,0,0)(0,1,1)12,参数均有统计学意义(P 0. 05),拟合优度检验BIC最小为3. 563,残差序列为白噪声(Ljung-Box Q=13. 962,P=0. 528),拟合效果较好。预测出洛阳市2018年6-12月手足口病平均月发病率为13. 16/10万,与2017年同期相比略高。结论 ARIMA(2,0,0)(0,1,1)12模型拟合洛阳市手足口病发病率序列效果较好,可用于在短期上对洛阳市手足口病发病趋势进行预测。     

ARIMA乘积季节模型预测永嘉县其他感染性腹泻的流行

目的评估求和自回归移动平均(ARIMA)乘积季节模型预测其他感染性腹泻流行的可行性。方法利用2005—2014年永嘉县其他感染性腹泻的发病率数据,采用ARIMA模型结合随机季节模型的方法,建立预测其他感染性腹泻流行的ARIMA乘积季节模型,同时用2015年的数据做模型预测效果验证。结果根据模型拟合效果,模型ARIMA(1,1,1)(0,1,1)12的拟合效果为最优,其Ljung-Box检验值为7.796,BIC值为3.602,MAPE值为36.166%,表明模型拟合程度较好;该模型外推验证2015年发病率的预测效果较好,2015年各月发病率的实际值均落在该模型预测值95%可信区间内,且预测值与实际值间依时间变化的趋势也基本一致。结论ARIMA(1,1,1)(0,1,1)12模型能较好地预测永嘉县其他感染性腹泻的流行趋势,对该病的预警具有一定的价值。     

手足口病月发病率ARIMA乘积季节模型预测探讨

目的探讨ARIMA乘积季节模型在HFMD月发病率预测中的应用价值,为手足口病防控工作提供依据。方法以2009年1月~2015年12月全国HFMD月发病率数据为基础,使用Eviews8.0建立ARIMA乘积季节模型,采用2016年1月~6月实际数据验证,以RMSE、MAE、Theil IC、BP、VP、CP、MRE评估模型预测结果。同法预测2016年7月~12月全国HFMD月发病率。结果 2009年1月~2016年6月HFMD月发病率最优模型是ARIMA(1,0,1)×(0,1,1)_(12),模型口径为:(1-B~(12))(1-0.574B)xt=(1-0.441B)(1+0.919B~(12))ε_t,RMSE=4.15,MAE=2.59,Theil IC为0.143,BP=0.045,VP=0.225,CP=0.730,2016年7月~12月发病率(1/10万)预测值分别为24.70、14.96、15.00、14.12、13.05、11.22。结论 ARIMA(1,0,1)×(0,1,1)_(12)模型可较好地拟合全国HFMD月发病率的演变趋势,可用于HFMD发病率的短期预测。     

应用ARIMA模型预测石家庄市手足口病发病趋势

目的探讨应用ARIMA模型预测石家庄市手足口病发病趋势的可行性,为手足口病防制提供科学依据。方法收集石家庄市2011-2018年手足口月发病率,利用软件SPSS 19.0构建石家庄市手足口病月发病率ARIMA模型。结果石家庄市手足口病月发病率模型为ARIMA(1,0,1)(0,1,1)12,最小BIC指标值为3.058,Ljung-Box统计量为15.986(P=0.383),模型残差为白噪声序列。2018年7-12月实际月发病率与预测值基本吻合,预测值与实际值的平均相对误差为4.72%,实际值均在预测值95%可信区间。利用该模型进行预测,2019年石家庄市手足口病发病呈上升趋势。结论ARIMA(1,0,1)(0,1,1)12模型可以较为准确地预测短期内石家庄市手足口病发病趋势,可为手足口病的防治工作提供参考。     

ARIMA模型在安丘市肾综合征出血热月发病率预测研究中的应用

目的探讨ARIMA模型在安丘市肾综合症出血热月发病率预测中的应用,验证模型的可行性及其适用性。方法基于2000-2014年安丘市肾综合症出血热发病资料,拟合及验证肾综合症出血热的ARIMA模型。结果本研究构建的ARIMA(0,1,1)(0,1,1)12模型,其预测结果与安丘市肾综合症实际发病情况基本吻合。结论 ARIMA模型可用于安丘市肾综合症出血热发病率的短期预测研究。     

ARIMA模型在东莞市细菌性痢疾预测中的应用

目的探讨ARIMA模型在东莞市细菌性痢疾发病预测的可行性和适用性,为东莞市细菌性痢疾的防控提供参考依据。方法使用SPSS 17.0对2004年1月至2012年4月东莞市细菌性痢疾发病率资料拟合ARIMA模型,利用所得到的模型对东莞市2012年5～7月细菌性痢疾发病率进行预测评价。结果 ARIMA(0,0,1)(0,1,1)12模型具有较高的预测精度,预测值与实际值基本吻合,且实际值都在95%可信区间内。结论 ARIMA(0,0,1)(0,1,1)12模型较好地反映了东莞市细菌性痢疾发病趋势,可作为东莞市细菌性痢疾发病水平短期预测模型。     

乌鲁木齐市流感样病例与气象因素的ARIMAX模型预测分析

目的分析气象因素对乌鲁木齐市流感样病例(influenza-like illness,ILI)例数的影响,建立ARIMAX(autoregressive integrated moving average model-X)模型对ILI例数进行短期预测,为乌鲁木齐市流感的预防与控制提供理论依据。方法利用乌鲁木齐市2015年1月至2017年9月的ILI例数和同期气象数据,建立ARIMAX模型,预测乌鲁木齐市2017年10月至2018年3月的ILI病例数,并与实际ILI例数进行比较。结果2015年1月—2017年9月发病数建立了ARIMA(0,1,1)(1,1,0)12模型,AIC=200.09;通过残差序列互相关函数(CCF)得出月平均相对湿度与ILI例数之间存在正相关关系,月日照时数与ILI例数之间存在负相关关系。将月平均相对湿度和月日照时数作为影响变量,建立ARIMAX模型,其中,纳入滞后0阶月日照时数的ARIMAX模型的AIC最小(AIC=197.63),且模型各参数差异均具有统计学意义。与一元时间序列ARIMA模型相比,拟合的平均绝对百分误差(MAPE)降低1.3687%,预测的MAPE降低5.25%,预测精度提高。结论本研究建立的带有气象因素的ARIMAX模型能较好预测短时间内ILI病例数发病趋势,为流感监测和预防控制提供依据。     

基于时间序列模型对甲型病毒性肝炎的预测研究

目的探讨时间序列模型在甲肝发病预测的应用,为下一步采取防控措施提供科学依据。方法基于宜昌市2005-2015年逐月甲肝发病率建立两种模型,对2016年甲肝的发病率进行预测,并将预测值与实际值进行拟合评价。结果 ARIMA模型首先要求数据平稳,宜昌市的甲肝发病存在季节性波动,为不平稳序列,但2010年之后数据较为平稳,经对2010-2015年甲肝月发病率进行季节性差分、差分处理,新数列为平稳序列(游程检验法Z=1.447,P=0.148),然后进行参数估计(BIC=-4.293)和白噪声检验(Q=22.150,P=0.138),据此建立ARIMA模型,ARIMA(0,0,1)(0,1,1)12模型为最优模型,能较好的模拟甲型病毒性肝炎的发病。结论 ARIMA(0,0,1)(0,1,1)12模型能较好的模拟甲肝发病在时间序列的变化趋势,为制定科学的防控措施和策略提供依据。