ARIMA模型和Holt-Winters指数平滑法在自杀死亡中的预测效果比较

目的 探讨比较自回归求和滑动平均(autoregressive integrated moving average,ARIMA)模型和Holt-Winters指数平滑法在自杀死亡预测中的应用。 方法 利用河北省2014年1月—2018年6月自杀月度死亡资料分别建立ARIMA模型和Holt-Winters指数平滑模型,对2018年7—12月自杀月度死亡例数进行预测,并与实际死亡人数进行验证比较,然后根据2个模型的均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)以及平均绝对百分比误差(mean absolute percentage error,MAPE)评价模型的预测效果。 结果 2014—2018年河北省累计报告自杀死亡人数2 882例,自杀死亡水平整体呈现下降趋势,构建的ARIMA最佳模型是ARIMA(0,1,1)(1,1,0)₁₂,预测结果的RMSE、MAE和MAPE分别为5.99、4.67和9.80%;Holt-Winters指数平滑法最佳拟合模型是乘法模型,预测结果的RMSE、MAE和MAPE分别为6.03、5.17和11.44%。 结论 ARIMA模型预测效果优于Holt-Winters指数平滑法,更适用于自杀死亡趋势的短期预测。     

ARIMA模型和Holt-Winters指数平滑法在贵州省肺结核发病预测中的应用

目的探讨比较自回归差分移动平均（autoregressive integrated moving average, ARIMA）模型及Holt-Winters指数平滑法在肺结核发病预测中的应用，为贵州省结核病防控工作提供科学依据。方法以2015—2021年贵州省登记报告的肺结核发病数据建立ARIMA模型和Holt-Winters指数平滑模型，分别用两种模型预测2022年1—10月肺结核发病数，并与实际登记报告肺结核发病数作比较，对两种模型预测效果进行评价。结果 2015—2021年贵州省累计报告肺结核患者28.08万例，总体上肺结核发病呈下降趋势。构建ARIMA最佳模型为ARIMA (1, 1, 0)(0, 1, 0)12，模型预测结果均方根误差（root mean square error,RMSE）为462.46，平均绝对误差（mean absolute error,MAE）为424.50，平均绝对百分比误差（mean absolute percentage error,MAPE）为21.21%;Holt-Winters指数平滑法最佳模型为乘法模型，模型预测结果 RMSE为387....     

ARIMA模型与指数平滑法预测门诊量效果比较

目的比较差分自回归移动平均(ARIMA)模型与指数平滑法对医院门诊量的预测效果。方法利用扬州市某综合性三甲医院2010—2016年门诊量数据分别拟合ARIMA模型和指数平滑模型,以2017年该院门诊量数据评价两种模型的预测效果。结果拟合最佳的ARIMA模型为ARIMA (2, 1, 0)(2, 1, 0)12,拟合的均方根误差(RMSE)、平均绝对百分比误差(MAPE)和平均绝对误差(MAE)分别为5 062.47、 2.83%和3 473.96;对2017年门诊量预测的RMSE、 MAPE和MAE分别为8 243.26、 4.42%和6 084.00。拟合最佳的指数平滑模型为Holt-Winters加法指数平滑模型,拟合的RMSE、 MAPE和MAE分别为4 605.15、 2.79%和3 296.90;对2017年门诊量预测的RMSE、 MAPE和MAE分别为9 585.25、 5.50%和7 733.58。ARIMA (2, 1, 0)(2, 1, 0)12预测的3个误差指标值均小于Holt-Winters加法指数平滑模型。结论 ARIMA模型预测精度更高,可应用于医院每月门诊量的短期预测。     

ARIMA乘积季节模型与LSTM神经网络模型对我国麻疹发病数预测效果的比较

目的 探讨长短期记忆神经网络(long short term memory, LSTM)模型和差分整合移动平均自回归(autoregressive integrated moving average model, ARIMA)乘积季节模型在全国麻疹发病趋势预测中的应用,为麻疹的早期防控提供科学依据。方法 选取2005年1月至2016年2月全国麻疹月发病数分别构建LSTM模型和ARIMA乘积季节模型,同时运用得到的模型对2016年3月至2018年12月发病数进行预测,运用两种评价指标平均绝对百分比误差(mean absolute percentage error, MAPE)和均方根误差(root mean square error, RMSE)检验模型的外推预测精度。最后应用模型预测2019年1月至2019年5月的全国麻疹月发病数。结果 LSTM模型和最优模型ARIMA(0,1,1)(0,1,1)₁₂外推预测的均方根误差(RMSE)分别为0.25和1.54,平均绝对百分比误差(MAPE)分别为3.6%和18.7%,提示LSTM神经网络的外推预测精度优于ARIMA模...     

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。     

基于Prophet与ARIMA模型的四川省COVID-19累计确诊病例预测研究

目的 探讨Prophet与ARIMA模型2种预测方法在四川省COVID-19累计确诊病例的预测价值。方法 通过四川省卫生健康委员会官网收集2022年1月1日至4月8日四川省COVID-19累计确诊病例，分别采用ARIMA模型与Prophet模型进行建模预测，采用MAE、MAPE、RMSE等3个指标评价预测效果。结果 ARIMA(0,2,1)为最优模型，且模型参数差异有统计学意义（P<0.001），模型的残差为白噪声序列（P=0.095）；建立了包括趋势、节假日、周、日成分的Prophet模型；Prophet模型在训练集和测试集的MAE、MAPE和RMSE值均小于ARIMA(0,2,1)模型。结论 Prophet模型能够较好的预测四川省COVID-19累计确诊病例，在传染病领域具有较好的推广应用价值。     

中国肺结核发病趋势的ARIMA乘积季节模型构建

目的 根据我国肺结核发病趋势和流行病学特征,建立ARIMA乘积季节模型并进行预测.方法 采用SPSS 25.0软件,对2004-2018年肺结核发病月度数据建模,预测2019年各月发病数,并与实际数据对比,分析预测效果.结果 构建的ARIMA(2,1,0)(2,1,1)12模型的拟合系数R2=0.762,拟合度较高,残差序列的白噪声通过检验.预测结果的平均绝对误差百分比(MAPE)为7.17％,且在3月、10月关键节点处,预测误差仅为4.61％、2.5％.结论 构建的ARIMA乘积季节模型拟合及预测效果良好,能较好地描述我国肺结核的发病趋势,为防控物资储备和人员安排提供数据支持.     

指数平滑法和ARIMA模型在学生肺结核预测的应用

目的 探讨指数平滑法和自回归积分滑动平均模型(auto regressive integrated moving average model,ARIMA)在衡阳市学生肺结核疫情预测中的可行性,比较两种模型的预测效果并确定最佳模型,为学校结核病疫情的早期发现和科学控制提供参考。 方法 收集衡阳市2010—2020年学生肺结核资料,比较两种模型的拟合情况和预测效果优劣。 结果 拟合最佳的指数平滑法模型为Holt-Winter加法模型,拟合的R²、平稳R²、均方根误差(root mean square error, RMSE)、平均绝对误差百分比(mean absolute percentage error, MAPE)、平均绝对误差(mean absolute error, MAE)、正态化BIC分别是0.666、0.469、5.716、31.276、3.873、3.606,Ljung-Box Q=20.741,P=0.145,验证2020年1—12月预测的平均相对误差为39.98%;拟合最佳的ARIMA模型为ARIMA(0,1,1)×(0,1,1)₁₂模型,拟合的平稳R²、R²、RMSE、MAPE、MAE、正态化BIC分别是0.500、0.603、6.532、34.623、4.443、3.885,验证2020年1—12月预测的平均相对误差为120.76%。 结论 与ARIMA模型比较而言,指数平滑模型拟合衡阳市学生肺结核发病数效果更好,预测精度更高。     

非线性自回归神经网络在肾综合征出血热流行趋势预测中的应用

目的 探讨非线性自回归(NAR)神经网络拟合及预测我国HFRS流行趋势的应用。方法 使用2004－2013年全国HFRS月报告发病数序列建立ARIMA模型和NAR神经网络模型,预测2014年HFRS月发病数,并比较两模型的拟合和预测效果。结果 对于拟合集,ARIMA模型的平均绝对误差(MAE)、均方误差平方根(RMSE)和平均绝对误差百分比(MAPE)分别为148.058、272.077和12.678%, NAR神经网络分别为119.436、186.671和11.778%; 对于预测集,ARIMA模型的MAE、RMSE和MAPE分别为189.088、221.133和21.296%, NAR神经网络分别为119.733、151.329和11.431%。结论 NAR神经网络对于全国HFRS流行趋势拟合及预测效果优于传统的ARIMA模型,具有良好推广应用价值。     

ARIMA-SVM组合模型在肺结核发病趋势预测中的应用

目的 研究ARIMA-SVM组合模型在肺结核发病趋势预测中的应用。方法 使用海南省2005—2021年肺结核发病数据,以2005—2020年发病数作为训练集,2021年发病数为验证集,建立ARIMA模型、SVM模型与ARIMA-SVM组合模型,并对三种模型拟合和预测效果进行分析与评价。结果 ARIMA-SVM组合模型数据拟合RMSE、MAPE分别为41.38、1.98%,模型预测RMSE、MAPE分别为45.18、4.84%,拟合和预测效果均优于ARIMA模型与SVM模型。结论ARIMA-SVM组合模型预测效果优于单一模型,更适合我国肺结核发病趋势预测,为我国传染病预测预警提供了新思路。     

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的新冠肺炎疫情前后结核病流行趋势预测与分析

目的 构建ARIMA季节性模型,探讨新型冠状病毒肺炎疫情(简称新冠肺炎疫情)对结核病流行特征的影响,预测上海市宝山区结核病流行趋势。 方法 收集上海市宝山区2009—2021年结核病月发病率资料,构建ARIMA季节性模型,验证预测模型效果,分析预测误差的原因。 结果 上海市宝山区结核病月发病率模型为ARIMA(2,0,0)(0,1,1)₁₂,BIC值最小,Ljung-Box统计量Q=23.127,P=0.081,残差序列为白噪声。2019年实际月发病率与预测值变化趋势基本一致,且均在预测值95%可信区间内。受新型冠状病毒肺炎疫情影响,近两年观察值与预测值差异较大,2021年2月观察值在拟合值的95%置信区间外。 结论 ARIMA(2,0,0)(0,1,1)₁₂模型能较为准确地预测宝山区新冠肺炎疫情前结核病发病趋势,受新冠肺炎疫情影响时,预测结果偏差较大,需要后疫情时代结核病发病数据来重新建模。     

基于ARIMA-GRNN组合模型预测医保补偿住院费用

目的 探讨ARIMA-GRNN组合模型在城乡居民基本医疗保险的医保补偿住院费用预测中的应用,比较它与ARIMA模型预测的效果。方法 收集2016年1月至2020年12月河南某市城乡居民基本医疗保险的住院补偿费用,使用Matlab R2016a建立ARIMA-GRNN组合模型,使用R 4.0.3建立ARIMA模型,用2020年5月至12月的数据对两模型的预测效果做评价。结果 ARIMA(0,1,1)(1,0,0)12模型相对最优,其拟合部分的MAE、MAPE、RMSE分别为3998.4、10.9%、5642.9,预测部分的MAE、MAPE、RMSE分别为6521.9、16.5%、6675.8。ARIMA-GRNN模型最优光滑因子为0.166,其拟合部分的MAE、MAPE、RMSE分别为4044.5、11.1%、5622.0,预测部分的MAE、MAPE、RMSE分别为5831.8、14.8%、6013.7。结论 ARIMA-GRNN组合模型预测效果比单纯ARIMA模型好,可短期预测医保补偿住院费用。     

季节时间序列分析在新疆地区涂阳结核疫情预测预警中的应用

目的 探讨季节时间序列模型(seasonal autoregressive integrated moving average,SARIMA)在新疆涂阳肺结核疫情预测预警中的应用。 方法 收集新疆2005年1月－2015年6月涂阳肺结核月发病数建立时间序列分析模型,对2015年7－12月的月发病数进行预测并与实际发病数进行比较评价。 结果 新疆涂阳肺结核月发病数具有明显季节性,在3月和11月存在发病高峰,SARIMA(0,1,1)(0,1,1)₁₂模型参数的回归系数假设检验结果P<0.001,与实际月发病数拟合效果良好,平均绝对百分比误差MAPE=7.985%。 结论 SARIMA模型能较好的拟合新疆涂阳肺结核疫情在时间上的变异趋势,用其进行预测效果良好,能够为肺结核疫情的预警防治提供参考。     

三种预测模型对南京市水痘发病预测的应用与比较

目的 构建南京市水痘发病预测的最优模型,为水痘防控给予科学指导。方法 以2014—2018年南京市逐月水痘发病率分别建立Holt-Winters加法模型、Holt-Winters乘积模型和自回归移动平均法（ARIMA）模型。对模型进行参数检验,计算预测值与实际值相对误差,选择最优模型预测南京市2019年的水痘发病率。结果 基于Ljung-BOX检验水准,剔除Holt-Winters加法模型,选择Holt-Winters乘积模型和ARIMA模型为水痘预测模型。Holt-Winters乘积模型和ARIMA模型的贝叶斯信息规则（BIC）分别为1.24、1.81,平均绝对百分比误差（MAPE）分别为14.24%、21.86%;R²均为0.97,预测值与实际值平均相对误差分别为11.90%、15.76%。结论 Holt-Winters乘积模型在拟合与预测效果上优于ARIMA模型,是水痘短期内预测精度较高的模型。     

ARIMA-LSTM-XGBoost加权组合模型在肺结核发病趋势预测的研究

目的 探讨ARIMA-LSTM-XGBoost加权组合模型在预测肺结核发病趋势中的应用。方法 收集广东省2009—2019年肺结核月发病数数据,将2009—2018年月发病数作为训练集,2019年月发病数作为测试集,建立ARIMA、ARIMA-LSTM、XGBoost以及ARIMA-LSTM-XGBoost加权组合模型,然后对模型预测效果进行比较。结果 ARIMA-LSTM-XGBoost加权组合模型预测数据的MAPE、RMSE、MAE分别为4.107%、376.483、301.333,优于其它几种模型。结论 ARIMA-LSTM-XGBoost加权组合模型能够提升模型预测效果,对肺结核发病预测具有应用价值,也可为其它传染病预测提供新的方法和思路。