GM(1,1)模型和ARIMA模型预测我国淋病发病率

目的比较ARIMA模型和GM(1,1)模型在我国淋病发病率预测中的效果,为完善我国淋病的监测和防制工作提供参考依据。方法收集2004年1月-2012年12月我国淋病的月发病率资料,用SPSS 13.0软件和GM软件2008分别拟合ARIMA模型和GM(1,1)模型,并用2013年每月的数据评价模型的预测效果。结果 GM(1,1)模型的CC=0.818 1、P=0.000 0,拟合效果较差,不适合用于预测我国淋病的月发病率。ARIMA(1,1,0)×(2,1,1)12模型的各参数差异均具有统计学意义(AIC=-170.388,SBC=-157.024),对数似然函数值为90.194,并且残差序列Box-Ljunt统计结果显示统计量差异均无统计学意义(P0.05)。为预测我国淋病月发病率的最佳模型,预测值和实际值的动态趋势基本一致。并用此模型对我国2014年每月淋病发病率进行了预测。结论 GM(1,1)模型不能用于我国淋病月发病率的预测。ARIMA模型是一种短期内预测精度较高的预测模型,预测效果可靠。     

ARIMA模型在南京市梅毒预测中的应用

目的探讨应用自回归滑动平均混合(ARIMA)模型进行南京市梅毒月发病率预测的可行性,建立梅毒发病率的预测模型,为制定防治策略提供依据。方法应用SPSS18.0软件对南京市2006-2012年梅毒逐月发病率进行ARIMA模型建模拟合,依据BIC准则确定最优模型。用所得到的模型对2013年各月发病率进行预测,并与实际发病率进行比较,检验预测效果。结果 ARIMA(0,1,1)(0,1,1)12模型很好地拟合了梅毒月发病率的变化规律,模型预测结果与实际值非常接近,实际值均在预测值的95%可信区间范围内。结论 ARIMA模型能够很好地模拟、预测梅毒的发病情况,可以为梅毒的防治工作提供科学依据。     

ARIMA模型在河南省梅毒月发病率预测中的应用

目的 应用自回归移动平均模型(auto-regressive integrated moving average,ARIMA)建立河南省梅毒月发病率预测模型,为制定梅毒防控措施提供参考依据.方法 应用SPSS15.0统计软件包对河南省2006年1月至2011年12月梅毒月发病率进行ARIMA模型拟合,依据BIC准则确定模型的阶数.利用最终模型预测2012年1月至5月梅毒月发病率,比较预测值和实际值,检验预测效果.结果 ARIMA(3,1,0)(0,0,1)12模型能够较好地拟合及预测梅毒月发病率,具有较高的预测精度,模型所得结果与实际值非常接近,实际值均在预测值的95％可信区间范围内.结论 ARIMA模型能较好地模拟梅毒发病率在时间序列上的变化趋势,可用于预测梅毒的发病率趋势,为制定其防控措施提供科学依据.     

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。     

中国1990-2011年梅毒流行特征分析与趋势预测

目的分析1990-2011年我国梅毒变化趋势,并探讨时间序列模型在梅毒未来发病预测中的应用。方法利用1990-2011年全国梅毒发病率资料,采用SPSS13.0进行ARIMA时间序列模型拟合及发病率预测。结果 1990-2011年梅毒流行特征为:1990-1994年发病率一直较稳定,未见明显上升趋势,自1995年发病率开始上升,1999-2003年略有波动,2004-2011年,发病率急剧上升,截至2011年末,梅毒发病率已为29.47/10万。利用ARIMA模型拟合梅毒发病趋势效果较好,预测2012年和2013年梅毒发病率分别为29.31/10万、29.16/10万。结论运用ARIMA时间序列模型对梅毒发病率进行拟合及预测是可行的,预测效果较好。     

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模型预测北京市密云区手足口病发病趋势

目的采用自回归移动平均(Autoregressive integrated moving average,ARIMA)模型对北京市密云区手足口病月发病率进行预测,为调整防控策略提供依据。方法应用ARIMA模型对北京市密云区2008年1月-2014年6月手足口病每月报告发病率进行拟合,以2014年7-12月的月发病率作为验证数据,用于评价该模型的预测效果。结果密云区手足口病月发病率的ARIMA模型为ARIMA(0,1,0)(0,1,1)12,模型的参数估计值为0.609,t=4.116,P=0.000,经检验参数有统计学意义。残差分析统计量经检验差异无统计学意义(Ljung-Box Q=16.690,P=0.476)。模型很好的拟合了既往时间段上的发病率序列,对2014年7-12月手足口病发病率的预测值符合实际发病率变动趋势。结论 ARIMA可用于手足口病月发病率的预测,预测和预警效果良好。     

三种模型应用于中国2011—2020年梅毒发病趋势分析的比较

  目的  比较差分自回归移动平均(autoregressive integrated moving average model, ARIMA)模型、非线性自回归神经网络(nonlinear autoregressive neural network, NAR)模型和长短期记忆神经网络(long-short term memory neural network, LSTM)模型应用于梅毒报告发病预测的效果, 优化疫情预测模型。  方法  以中国31个省、自治区、直辖市(未包含中国台湾、香港和澳门)2011-2019年梅毒月报告发病率为拟合集, 建立ARIMA模型、NAR模型和LSTM模型, 比较3种模型的拟合效果。以2020年梅毒月报告发病率为预测集, 比较3种模型的预测效果。  结果  ARIMA模型、NAR模型和LSTM模型拟合所得的平均绝对误差(mean absolute deviation, MAD)分别为0.013、0.011和0.002, 均方根误差(root mean squared error, RMSE)分别为0.015、0.018和0.003, 平均绝对百分比误差(mean absolute percentage error, MAPE)分别为4.266%、3.810%和0.692%;预测所得的MAD分别为0.064、0.049和0.044, RMSE分别为0.069、0.068和0.060, MAPE分别为23.310%、17.629%和18.575%。  结论  LSTM模型拟合预测梅毒报告发病率的效果更好, 为梅毒疫情的防控提供数据支撑。     

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。     

基于ARIMA-GRNN组合模型预测手足口病发病率

目的探讨ARIMA-GRNN组合模型在某市手足口病发病率预测中的应用,并比较其与ARIMA模型的预测效果。方法通过收集2010年1月至2015年12月广西某地级市手足口病发病率资料,用SPSS 20.0建立ARIMA模型,用MATLAB R2014a建立ARIMA-GRNN组合模型,并用2015年7月至12月数据对模型的预测效果进行评价。结果 ARIMA(1,0,0)(1,1,0)12模型拟合及预测的平均绝对误差分别为1.727、2.077,均方根误差分别为2.727、2.803;ARIMA-GRNN模型拟合及预测的平均绝对误差分别为1.012、0.467,均方根误差分别为1.453、0.587。结论 ARIMA-GRNN模型的拟合和预测效果均优于ARIMA模型,可用于手足口病月发病率短期预测。     

应用ARIMA-GRNN模型预测深圳市宝安区流感样病例发病率

目的建立预测流感样病例发病率的ARIMA-GRNN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9月宝安区流感样病例月发病率进行模型拟合,并应用MATLAB 7.0联合GRNN模型进行误差修正。以2014年10月-2015年9月月流感样病例发病率作为考核样本评价模型预测效果,并预测2015年10-12月月流感样病例发病率。结果 ARIMA(2,1,0)(0,1,1)12拟合2010年1月-2015年9月宝安区每月新增感染率的变动趋势较为理想,联合GRNN模型后,预测结果与实际值相对误差最大值为3.12%,最小为2.00%;结论 ARIMA(2,1,0)(0,1,1)12-GRNN模型在宝安区流感样病例发病率短期趋势的预测与实际发病率吻合,拟合效果较好。     

GM(1,1)灰色模型和ARIMA模型在上海市手足口病发病率预测应用中的比较研究

目的分别采用求和自回归滑动平均模型(autoregressive integrated moving average,ARIMA)和灰色模型GM(1,1)(grey model,GM(1,1))对上海市手足口病的发病率进行预测,并比较两者的预测效果。方法采用2005-2008年上海市手足口病的月发病率和年发病率分别建立ARIMA模型和GM(1,1)模型,并使用2009年的实际年发病率验证两种模型拟合和预测效果。选取相对误差最小的模型预测2011-2012年的发病率。结果 针对手足口病发病率建立的GM(1,1)模型和ARIMA模型,2005-2008年的拟合平均误差率分别为11.06%和10.54%;对2009年进行预测,预测值与实测值的相对误差分别为69.30%和6.51%。采用ARIMA模型对2011年和2012年的年发病率预测为255.32/10万和294.59/10万。结论 ARIMA模型对上海市手足口病的预测效果要优于灰色模型GM(1,1),对解决时间序列类型的发病率等资料有很好的实用价值,预测结果对该病的防治具有科学意义。     

2004-2014年全国肺结核月发病率时间趋势分析

目的探讨求和自回归滑动平均模型(ARIMA)在全国肺结核月发病率中的应用,并利用该模型进行未来肺结核月发病率的预测。方法利用中国疾病预防控制中心公共卫生科学数据中心网站上公布的2004-2014年全国肺结核月发病率数据建立ARIMA模型,并预测2014年月发病率,并加入2014年的实际月发病率数据对模型进行修正,并预测2015年肺结核月发病率。结果 ARIMA(0,1,0)×(0,1,1)12模型能很好地拟合2004-2014年全国肺结核月发病率数据,模型的决定系数(R2)为0.984,预测2014年肺结核月发病率的效果尚可。加入2014年实际月发病率,修正后的最优模型为ARIMA(1,0,2)×(1,0,0)12,决定系数(R2)为0.935。结论 ARIMA模型能很好地对未来的肺结核月发病率进行预测,预测到2015年肺结核疫情基本处于平稳态势。     

基于周期分解的ARIMA模型在甲肝发病率预测中的应用

摘要:目的　探讨基于周期分解的ARIMA模型在我国甲肝月发病率预测中的应用,并比较其与SARIMA模型的预测效果。方法　收集2004年1月-2014年12月我国甲肝月发病率资料,用SPSS13.0分别拟合两种模型,并用2014年的数据评价模型的预测效果。结果　基于周期分解的ARIMA模型的拟合及预测的MRD,MER,MSE和MAE分别为4.4691,0.0446,0.0002,0.0092;4.1310,0.0415,0.0001,0.0066。SARIMA模型的拟合及预测的MRD,MER,MSE和MAE分别为7.2979,0.0781,0.0003,0.0185;6.4407,0.0708,0.0002,0.0110。结论　基于周期分解的ARIMA模型拟合和预测效果优于SARIMA模型。它可以提高预测的精度,具有较好的应用价值。     

ARIMA模型及其在肺结核预测中的应用

[目的]探讨应用时间序列ARIMA模型进行肺结核发病率预测的可行性,为结核病防治提供科学依据.[方法]对重庆市1997～2005年肺结核发病率建立ARIMA模型,并对预测效果进行评价.[结果]ARIMA (1,0,0)×(0,1,1)12模型很好地拟合了既往时间段上的发病率序列,对2005年各月发病率的预测值符合实际发病率变动趋势.[结论]ARIMA模型能很好地模拟肺结核发病率的变动趋势,预测效果可信,能为肺结核的防治工作提供科学依据.     

变权组合模型在我国手足口病发病率预测中的应用北大核心CSCD

目的探讨变权组合模型在我国手足口病月发病率预测中的应用,并与ARIMA模型和残差自回归模型的预测效果进行比较。方法收集2008年1月至2014年12月我国手足口病月发病率资料,用SPSS13.0和Eviews8.0拟合三种模型,并用2014年7-12月的数据比较三种模型的拟合和预测效果。结果 ARIMA模型、残差自回归模型和变权组合模型拟合及预测的MRD,MSE,RMSE和MAE分别为14.006,4.689,2.165,0.147和13.565,4.416,2.101,0.133;16.793,7.247,2.692,0.171和16.206,6.639,2.577,0.164;8.447,1.843,1.358,0.092和8.409,1.833,1.354,0.082。结论变权组合模型拟合及预测效果优于ARIMA模型和残差自回归模型。     

ARIMA模型与灰色系统GM(1,1)模型在长沙市艾滋病发病率预测中的效果比较

目的利用ARIMA模型和GM(1,1)模型对长沙市艾滋病发病率进行模拟预测并对预测效果进行比较。方法收集长沙市2006—2016年艾滋病的发病资料,分别建立自回归滑动平均模型(ARIMA)及灰色系统GM(1,1)模型,进行回代拟合,并预测2017和2018年艾滋病的发病率,同时比较2种模型的拟合与预测效果。结果 ARIMA(1,1,1)模型预测出2017和2018年长沙市艾滋病发病率分别为6.19/10万、8.19/10万;GM(1,1)模型预测出2017年和2018年长沙市艾滋病发病率为6.39/10万和8.16/10万。结论 ARIMA模型及GM(1,1)模型的拟合结果均与长沙市艾滋病发病趋势相同,ARIMA模型对2006—2016年长沙市艾滋病发病率的预测效果较GM(1,1)模型好,预测准确度P高于GM(1,1)模型,平均绝对误差MAE小于GM(1,1)模型     

变权组合模型在我国手足口病发病率预测中的应用

目的探讨变权组合模型在我国手足口病月发病率预测中的应用,并与ARIMA模型和残差自回归模型的预测效果进行比较。方法收集2008年1月至2014年12月我国手足口病月发病率资料,用SPSS13.0和Eviews8.0拟合三种模型,并用2014年7-12月的数据比较三种模型的拟合和预测效果。结果 ARIMA模型、残差自回归模型和变权组合模型拟合及预测的MRD,MSE,RMSE和MAE分别为14.006,4.689,2.165,0.147和13.565,4.416,2.101,0.133;16.793,7.247,2.692,0.171和16.206,6.639,2.577,0.164;8.447,1.843,1.358,0.092和8.409,1.833,1.354,0.082。结论变权组合模型拟合及预测效果优于ARIMA模型和残差自回归模型。     

ARIMA模型应用于部队病毒性肝炎预测预警分析

目的 探讨ARIMA模型应用于部队病毒性肝炎预测的可行性,为部队传染病预防控制提供依据.方法 利用 SPSS 13.0软件对1999-2008年某部队病毒性肝炎逐月发病率进行ARIMA模型建模拟合,并对2009年病毒性肝炎逐月发病率进行预测.结果 ARIMA(0,1,1)×(0,1,1)12模型预测效果较好,2009年病毒性肝炎逐月发病率均在预测值的95%可信区间内.结论 ARIMA时间序列模型可以用于部队病毒性肝炎发病率的动态分析和短期预测.