ARIMA模型在预测我国乙肝月报告发病数中的应用

目的 建立适合预测我国乙肝月报告发病人数的自回归移动平均（autoregressive integrated moving average,ARIMA）模型。方法 收集2010年3月~2017年8月我国乙肝月报告发病人数据资料,用Excel 2010建立数据库,用R 3.3.3软件进行模型构建。其中2010年3月~2017年3月数据用于模型建立,2017年4~8月数据用于模型检验。结果 我国乙肝月报告发病数整体呈现下降趋势并于每年2月达到最低值,于3月份迅速上升到高峰值,具有明显季节性和周期性。建立ARIMA（2,1,1）（1,1,1）₁₂模型对我国乙肝月报告发病数进行预测,该模型预测的绝对误差平均值为2 628.55,相对误差最大值为6.16%,最小值为1.29%,平均值为2.61%。结论 基于本研究数据,ARIMA（2,1,1）（1,1,1）₁₂模型能较好地拟合我国乙肝的月报告发病人数,可用于预测。     

ARIMA模型在三门峡市手足口病发病预测中的应用

目的 建立以三门峡市手足口病发病数据为基础的整合滑动平均自回归模型(autoregressive integrated moving average model, ARIMA),并利用该模型对三门峡市手足口病的发病数进行预测。 方法 以三门峡市2008年1月—2017年12月的手足口病月发病数据为基础差分平稳化后经过文献查阅和验证建立最优ARIMA,并对2018年1月—12月的手足口病发病数进行预测,通过与实际值的比较评价预测效果。 结果 三门峡市手足口病发病预测模型为ARIMA(1,1,1)×(0,1,1)₁₂ ,模型各项参数均有统计学意义(P<0.001),拟合优度检验BIC=0.287,残差序列为白噪声序列(P=0.10),拟合效果较好。预测了三门峡市2018年1—12月的手足口发病数,并与实际值进行比较,1—2月预测值与实际值符合度较高。 结论 拟合的三门峡市手足口病发病序列模型ARIMA(1,1,1)×(0,1,1)₁₂效果较好,可用于对三门峡市手足口病发病趋势进行短期预测。     

2005―2019年湛江市主要血源及性传播疾病流行特征分析与模型预测

目的 探讨湛江市5种血源及性传播疾病的发病特征,建立求和自回归移动平均(autoregressive integrated moving average, ARIMA)模型预测其月发病率,为制定防控策略提供依据。方法 收集湛江市2005―2019年5种血源及性传播疾病的报告病例数,分析其流行特征,并为每种疾病构建ARIMA模型。结果 湛江市2005―2019年累计报告血源及性传播疾病154 477例,年均发病率为148.54/10万,发病率呈长期上升趋势,男性发病数多于女性,主要发生在20～<40岁年龄段,高发人群为农民,好发于廉江市,2月呈发病低谷期。乙型病毒性肝炎(乙肝)、丙型病毒性肝炎(丙肝)、HIV/AIDS、淋病最优模型均为ARIMA(0,1,1)(0,1,1)₁₂,梅毒最优模型为ARIMA(0,1,1)(1,1,1)₁₂,2019年拟合值与真实值的平均绝对百分比误差(mean absolute percentage error, MAPE)分别为7.76%、7.58%、9.39%、19.60%、11.48%。结论 2005―...     

ARIMA模型在我国法定传染病报告数中的应用

目的 利用自回归移动平均乘积季节（ARIMA）模型建立适合我国法定传染病月报告发病数的预测模型,借此预测我国法定传染病的变化趋势。方法 利用R软件对2009年5月至2016年7月我国法定传染病月报告发病数据建立ARIMA模型,用2016年8月至2017年1月实际值与预测值进行比较,从而评价模型的预测性能。结果 我国法定传染病月报告发病数具有明显的季节性,且报告在每年2月出现最低峰,6月呈现最高峰;建立ARIMA （4,1,0）（1,1,1）₁₂模型对我国法定传染病发病数进行预测,模型预测的最大相对误差为9.78%,最小为2.21%,平均值为5.39%。结论 ARIMA （4,1,0）（1,1,1）₁₂乘积季节模型较好的拟合了我国法定传染病月报告发病数,可用于预测。     

SARIMA模型在苏州市细菌性痢疾发病预测中的应用

目的 探讨季节性差分自回归求和滑动平均(seasonal auto-regressive integrated moving average, SARIMA)模型在苏州市细菌性痢疾月发病数预测中的应用。 方法 利用R i386 3.2.3软件对2005年1月－2018年4月苏州市细菌性痢疾月发病数据构建SARIMA模型,对2018年5－7月份细菌性痢疾的月发病人数进行预测,验证预测效果。 结果 建立了SARIMA(0,l,2)×(0,1,1)₁₂模型,Ljung-Box检验结果为Q=19.494,P=0.244,模型拟合效果良好,与2018年5－7月实际发病人数比较,实际值均在预测值95%可信区间内,相对误差的平均值为-0.147。 结论 SARIMA(0,l,2)×(0,1,1)₁₂模型可以对苏州市细菌性痢疾月发病人数进行较好的预测。     

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。     

差分自回归移动平均乘积季节模型预测广州市肺结核发病趋势

  目的  探讨应用差分自回归移动平均(autoregressive intergrated moving average, ARIMA)乘积季节模型预测广州市肺结核月发病数的可行性,为制定防控措施提供参考依据。  方法  利用2010年1月至2019年6月广州市肺结核月发病数据建立ARIMA模型,并以2019年7-12月数据对模型的预测效果进行验证。  结果  2010-2019年广州市共报告肺结核124 311例,总体呈下降趋势。2月发病数最少,3-4月发病数最多。拟合出的最佳模型ARIMA (0, 1, 1) (0, 1, 1)₁₂对广州市2019年7-12月肺结核月发病数预测结果显示实际值和预测值相对误差范围介于0.08%~11.33%,平均相对误差为1.46%。  结论  ARIMA (0, 1, 1) (0, 1, 1)₁₂模型可用于广州市肺结核月发病数的短期预测。     

ARIMA乘积季节模型在湖南省HIV感染的应用研究

目的 研究ARIMA乘积季节模型对湖南省HIV感染的适用性,并进行预测。 方法 本文以湖南省2005-2014年HIV月感染数据建立模型,以2015年月数据进行模拟。首先采用差分的方法对序列进行平稳化,然后进行模型识别、定阶,再对模型进行检验并预测未来3年的发病情况。 结果 对时间序列进行自然对数转换,一阶差分和一阶季节差分得到ARIMA乘积季节模型,结果显示ARIMA(1,1,1)(0,1,1)₁₂很好地拟合了HIV的感染情况(R²=0.894)。残差序列经Ljung-Box 检验为白噪声序列,P=0.472。预测结果显示未来3年全省HIV感染人数仍有增长趋势。 结论 利用乘积季节ARIMA模型对湖南省HIV感染拟合效果较好,可以为卫生工作者采取控制措施提供依据。     

基于Python语言的ARIMA模型在天津市结核病发病率预测中的应用

 目的 探讨差分自回归移动平均（ARIMA）模型在结核病发病率预测中的可行性。方法 基于Python语言的statsmodels模块,以天津市2004年1月—2015年12月结核病月发病率数据作为训练集建立最优季节性差分自回归移动平均（SARIMA）模型,以2016年1—12月数据对SARIMA模型进行效果评价,并对2017年1月—2019年12月天津市结核病月发病率进行预测。结果 流行病学结果显示,2004年1月—2015年12月天津市结核病月发病率总体呈下降趋势。2005—2008年出现一个发病高峰,2009年后大幅度下降,随后趋于平稳。2017年1月—2019年12月天津市结核病月发病率与往年相比平稳下降。建立的最佳模型为SARIMA（1,1,1）×（3,1,1）₁₂,该模型残差BOX-Ljung统计量P值为0.493,提示残差为白噪声序列,模型拟合良好。预测结果实际值均在预测值的95%置信区间。结论 SARIMA（1,1,1）×（3,1,1）₁₂模型可对天津市结核病月发病率进行较准确的预测。     

ARIMA和ARIMA-SVM组合模型在江苏省艾滋病发病预测中的应用

目的 建立差分自回归滑动平均求和（autoregressive integrated moving average,ARIMA）模型，在此基础之上引入支持向量机（support vector machine SVM）方法，构建ARIMA-SVM组合模型对江苏省2022年上半年艾滋病病例报告数进行预测，比较ARIMA以及ARIMA-SVM模型的的预测效果，为江苏省艾滋病防控提供科学参考。方法 以江苏省2016年1月—2021年12月艾滋病病例报告数据为基线，利用R软件，构建ARIMA模型对2022年1—6月艾滋病病例报告数进行预测，并用SVM对ARIMA模型中的非线性特征进行预测，建立ARIMA-SVM模型，与实际病例报告数进行比较，评价两种模型的预测效果。结果 江苏省2016年1月—2021年12月共登记艾滋病病例报告数9 109例，月均发病127例。构建最佳的ARIMA模型的为ARIMA (0,0,1)(0,1,1)12,MAPE为53.27%. ARIMA-SVM模型的MAPE为14.67%，在相对误差上，除6月外，ARIMA-SVM组合模型各月的相对误差均低于ARIMA模型。结论...     

中国内地法定报告传染病预测和监测的ARIMA模型

目的通过对1995年1月～2004年4月中国大陆法定报告传染病逐月发病率数据的分析,研究其变化规律,建立预测与监测的ARIMA时间序列模型。方法利用时间序列模型中的自回归滑动平均混合模型ARIMA,考虑非季节效应和季节效应,分析中国法定报告传染病发病率的变化趋势和周期性,模型参数估计采用非线性最小二乘法,应用残差和赤池信息量准则（AIC）评价模型的优劣。1995～2004年我国内地法定报告传染病逐月发病率的数据用于建立模型,2005年1月～2006年4相应数据用于模型检验。结果分析结果显示,法定报告传染病发病以年为周期,一年中6～9月为高发月,尤其是8月和7月最为严重。ARIMA（0,1,0）（0,1,0）12模型是法定报告传染病拟合的最佳模型,其拟合残差的方差为2.28,外推预测的平均绝对误差为0.34。利用预测值的95%置信区间建立了我国内地法定报告传染病发病率变化的监测控制线,用于其发病情况的预测与预报。结论对传染病发病率历史数据进行时间序列分析是用于传染病监测的一个重要的工具。所建立的ARIMA模型适用于对中国大陆法定报告传染病发病率预测与监测。该模型具有一定的实用价值,并可以应用于其他传染病的监测和异常变化的检测。     

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...     

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。     

时间序列分析在阜阳市细菌性痢疾发病预测中的应用

目的探讨时间序列分析在细菌性痢疾发病预测中的应用,验证分析模型的可行性与适用性。方法利用阜阳市2009年1月～2013年6月细菌性痢疾发病资料,拟合自回归移动平均（ARIMA）模型,对阜阳市2013年7～11月各月发病情况进行预测评价。结果建立ARIMA（1,2,0）（0,1,0）12模型,预测结果基本符合实际发病变动趋势,验证了该模型的可行性。结论 ARIMA模型可用于模拟细菌性痢疾发病在时间序列上的变化趋势分析,并进行短期预测。     

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。     

中国2008-2016年手足口病月发病率时间序列分析及预测模型

  目的  通过时间序列分析我国手足口病（hand-foot-mouth disease,HFMD）的发病趋势并构建时间序列预测模型,为制定防控策略提供科学依据。  方法  从公共卫生科学数据中心收集2008-2016年我国HFMD月发病数据,使用Excel 2007建立发病率数据库并进行图表绘制,通过SAS 9.1拟合自回归综合移动模型（autoregressive integrated moving average model,ARIMA model）。以2008年1月-2015年12月HFMD月发病率作为测试集构建时间序列模型,2016年发病率数据作为验证集检验预测效果,做出模型评价,利用该模型对2017年HFMD发病率做出预测。以P<0.05为差异有统计学意义。  结果  最终构建ARIMA（（12）,2,0）疏系数模型,残差为白噪声序列,实际值均落在预测值95% CI内,模型回归系数有统计学意义,预测值与实际值总体吻合程度良好,均方误差平方根为3.6490,平均绝对误差=2.62,平均绝对百分比误差=28.24%。  结论  疏系数模型可较好的拟合我国HFMD发病率的时间序列趋势,对HFMD防控策略的制定有指导意义。     

ARIMA模型在上海市猩红热发病率预测中的应用

目的 探讨差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型在上海市猩红热月发病率预测的应用。方法 利用ARIMA时间序列模型拟合2004年1月—2017年6月上海市猩红热的月发病率资料,并利用最优模型对2017年7—12月猩红热的月发病率进行预测。结果 最终拟合ARIMA(1,1,0)(0,1,1)₁₂模型,其标准化贝叶斯信息准则值(Bayesian information criterion,BIC)(-2.247)最小,残差经Ljung-Box Q(18)检验为白噪声序列,预测值与实际值基本吻合,相对误差在0.35%~16.74%的范围内。结论 ARIMA模型用于上海市猩红热月发病率的短期预测,可应用于定量风险评估等猩红热疫情的预警预测。     

ARIMA模型预测2018－2019年我国肺结核发病趋势的应用

目的 应用自回归移动平均（autoregressive integrated moving average,ARIMA）模型对我国2018－2019年肺结核发病情况进行预测,为肺结核防控工作提供参考依据。方法 收集2005年1月至2017年12月中国肺结核月发病数据,使用R 3.4.4软件基于2005年1月至2017年6月肺结核月发病数据建立ARIMA模型,比较2017年7－12月预测数据和实际数据以进行模型预测性能的检验,并预测2018－2019年肺结核发病数情况。结果 2005－2017年共报告肺结核患者13 022 675例,发病数呈逐年下降趋势,2017年肺结核患者数较2005年下降了33.68%,且季节性明显,每年冬春交界之时发病数较高。根据2005年1月至2017年6月肺结核月发病数据拟合出了ARIMA（0,1,2）（0,1,0）₁₂模型,该模型拟合的2017年7－12月的预测值与实际值的相对误差范围是1.67%～6.80%,预测2018年和2019年发病数分别为789 509例和760 165例。结论 ARIMA（0,1,2）（0,1,0）₁₂模型对我国肺结核发病数的拟合效果较好,可用于我国肺结核的短期预测和动态分析,具有较好的应用价值。