自回归移动平均乘积季节模型在甲型肝炎发病数中的应用

目的 建立自回归移动平均(ARIMA)乘积季节模型,利用该模型预测并分析全国甲型肝炎发病情况,为全国甲型肝炎疫情防控提供决策依据。 方法 利用中国疾病预防控制中心2011年1月~2016年12月全国甲型肝炎月报告数据,建立甲型肝炎ARIMA乘积季节预测模型,并用2017年1~12月发病数评估模型的预测效果。 结果 非季节和季节移动平均的参数分别是0.282 、0.530,赤池信息量准则(AIC)=815.710,许瓦玆贝叶斯准则(SBC)=819.865,最优模型显著性检验结果显示P均<0.05,模型残差白噪声检验的6、12、18、24阶的χ2值分别为6.83、12.38、15.12和18.28,差异无统计学意义(P均>0.05),据此建立ARIMA(0,1,1)(0,1,1)₁₂模型,模型表达式为∇∇₁₂x_t=(1-0.282B)(1-0.530B12)ε_t,以此开展甲型肝炎发病数预测。 结论 ARIMA(0,1,1)(0,1,1)₁₂乘积季节模型能够较好地拟合甲型肝炎发病趋势,可用于全国甲型肝炎发病预测,为全国甲型肝炎疫情防控提供一定的科学依据。     

ARIMA乘积季节模型在我国甲肝发病预测中的应用

目的:应用求和自回归移动平均模型(ARIMA)乘积季节模型对我国病毒性甲型肝炎进行预测分析,为甲型肝炎的防治提供决策依据?方法:对1994~2012年我国甲型肝炎月发病数的历史疫情数据建立ARIMA乘积季节模型,应用Eviews 6.0软件进行模型拟合,对2013年上半年甲型肝炎的月发病数进行预测,并用实际数据评估模型预测效果?结果:ARIMA(1,1,0)(2,1,2)12模型较好地拟合了既往甲肝的实际发病序列,也获得了较好的预测效果?结论:ARIMA模型能够较好地模拟我国甲型肝炎的发病趋势,预测效果良好,可为甲肝疫情的防控提供一定的科学数据?     

时间序列分析在甲型肝炎疫情预测中的应用

目的应用季节乘积求和自回归移动平均模型分析南通市甲型肝炎(简称甲肝)每月发病数时间序列,建立预测模型。方法收集南通市2009年1月~2015年9月间甲肝病例月报告数据,应用EVIEWS软件拟合ARIMA模型,最后进行预测分析。结果成功建立模型ARIMA[(2),0,(2)],模型表达式为:xt=8.4 419+(1+0.6 182 B2)t/(1-0.7 474B2),模型通过参数检验及残差白噪声检验(P0.05)。预测2015年4月~2015年9月发病数,平均相对误差为30.17%,模型拟合效果较好。预测2015年10月~2016年3月发病数,显示发病趋势较为平稳。结论求和自回归移动平均模型对南通市甲肝发病情况拟合和趋势预测效果较好,可根据预测结果开展甲肝疫情相关防控工作。     

时间序列ARIMA模型在医院剖宫产统计中的预测研究

目的建立医院剖宫产统计的预测模型,为医院决策提供依据。方法根据湖南省妇幼保健院2005~2012年产房剖宫产统计的数据,运用时间序列ARIMA模型预测分析医院未来两年剖宫产的发展趋势。结果 2009年之后医院的数据波动很频繁,上升趋势较强,最终利用2009年以后的原始数据序列进行分析建模。建立ARIMA(1,1,1)(0,1,1)模型,模型方程为▽▽12Xt=(1+0.705B)(1+0.705B12)/(1+0.874B)×at。结论 ARIMA(1,1,1)(0,1,1)模型预测未来两年医院剖宫产趋势呈明显的季节性、周期性,7~9月呈现出高峰点,10~12月呈现全年的最高峰值。结论本预测模型可为决策者对医院政策调整提供科学、合理的依据。     

乘积季节模型在我国肺结核疫情预测中的应用

目的 探讨乘积季节模型预测肺结核发病例数的可行性,为肺结核的针对性防控提供理论依据。 方法 根据中国疾病预防控制中心2011年1月至2016年12月的全国肺结核上报资料建立乘积季节模型,并预测2017年1月至9月数据,评价其预测效果。 结果 2011年1月至2016年12月我国肺结核发病例数呈现以年为周期的季节效应,并且出现长期递减的趋势;乘积季节ARIMA(0,1,1)(0,1,1)₁₂(不含常数项)模型所有参数都通过统计学检验(P<0.05), 残差序列为白噪声序列(P>0.05), 拟合优度相对最好(AIC=1 223.004, SBC=1 227.159);模型对2017年1月至9月的预测值与实际值基本吻合,预测效果较好。 结论 乘积季节ARIMA(0,1,1)(0,1,1)₁₂(不含常数项)模型可用于预测我国肺结核疫情,具有较好的推广应用价值。     

ARIMA季节乘积模型在预测医院月住院量的应用

目的:探讨ARIMA季节乘积模型在时间序列资料分析中的应用,建立住院量的预测模型.方法:利用重庆市某医院2002～2005年的月住院量,采用条件最小二乘法估计模型参数,按照残差不相关原则、简洁原则确定模型结构,依据AIC和SBC准则确定模型阶数,建立ARIMA预测模型.结果:模型参数有统计学意义.方差估计值为0.003 175,AIC=-94.245 1,SBC=-91.252 1.对模型进行白噪声残差分析,拟合优度结果表明ARIMA的最优模型为:(1一B)(I-B12)Zt=(1-0.543 02B)(1-B12)at.结论:用所建立模型对月住院量进行预测,结果表明ARIMA是一种短期预测精度较高的预测模型.     

乘积季节ARIMA模型在乙肝发病率预测中的运用

目的探讨乘积季节自回归求和滑动平均模型(integrated autore-gressive moving average model,ARIMA)在荆州市乙肝发病预测中的应用,为乙肝预防控制提供参考。方法利用2004-2015年乙肝网络监测数据对荆州市乙肝发病率数据构建乘积季节ARIMA模型,同时利用2016年实际发病率与模型拟合数据进行比较,评价模型的预测性能,并预测荆州市2017年的乙肝发病率。结果荆州市乙肝发病率预测最优模型为ARIMA(0,1,1)(0,1,1)12模型,利用2016年拟合值与实际乙肝发病率比较,相对误差介于1.33%~27.80%之间,平均相对误差10.23%,提示ARIMA(0,1,1)(0,1,1)12模型具有较佳的预测能力。预测2017年荆州市乙肝疫情与2016年基本一致,发病整体平稳。结论 ARIMA(0,1,1)(0,1,1)12模型可用于荆州市乙肝发病率的预测,对乙肝预防控制产生积极的指导作用。     

南通市流行性腮腺炎疫情的预测预警分析

目的 :探讨时间序列分析中的求和自回归移动平均模型(autoreg ressive integrated moving average,ARIMA)乘积季节模型在南通市流行性腮腺炎疫情预测预警中的应用。方法:收集“中国疾病预防控制系统”中2004年1月~2013年11月流行性腮腺炎的月发病监测数据,建立时间序列数据库,对每月腮腺炎的发病人数进行ARIMA模型拟合,利用模型对2004年1月~2013年11月的数据进行回代预测,并对2013年12月~2014年6月各月的流行性腮腺炎的发病情况进行前瞻性预测。结果 :构建流行性腮腺炎的ARIMA(0,1,2)(1,1,0)12模型为(1-B)(1+0.51B12)caset=(1-0.24B-0.29B2)(1-B12)εt,其中B代表后移算子,caset代表年腮腺炎发病数,εt为随机误差。回代预测的实际值和预测值基本相符,均在95%可信区间内。前瞻性预测结果符合流行性腮腺炎的流行特征。结论:该模型能较好模拟并预测腮腺炎的发病情况,流行性腮腺炎发病数有增加趋势,应进一步分析本地腮腺炎的流行特征及其免疫策略。     

乘积季节自回归积分滑动平均模型在长沙市手足口病发病率预测中的应用

目的：建立长沙市手足口病发病率的乘积季节自回归积分滑动平均模型(autoregressive integrated moving average model,ARIMA),探讨乘积季节ARIMA模型在手足口病疫情预测的可行性。方法：运用EVIEWS 6.0软件对长沙 市2008年5月至2013年8月的手足口病发病率资料建立乘积季节ARIMA模型,以2013年9月至2014年2月的发病资料作为 模型预测效果的检验样本,最后再用所得到的模型对2014年3月至2014年8月的月发病率进行预测。结果：经过序列 平稳化、模型识别以及模型诊断后,建立乘积季节ARIMA模型(1,0,1)×(0,1,1)12,模型拟合度R2=0.81,预测均方 根误差为8.29,平均绝对误差为5.83。结论：乘积季节ARIMA模型是一种较好的预测模型,所建模型拟合度较好,能 为手足口病的防治工作提供参考。     

乘积季节ARIMA模型预测上海市松江区手足口病发病趋势

目的:探讨运用乘积季节ARIMA模型预测上海市松江区手足口病发病情况。方法:通过上海市松江区2009-2016年手足口病月发病率建立ARIMA模型,预测2017年手足口病的发病率。结果:乘积季节ARIMA(1,0,0)(1,1,0)12能较好地拟合既往手足口病发病率,预测2017年手足口病发病率为276.37/10万。结论:乘积季节ARIMA模型能较好的预测未来手足口病的发病率。     

应用ARIMA模型预测广西孕产妇死亡率的可行性研究

 目的 探讨应用ARIMA时间序列模型预测广西孕产妇死亡率的可行性，为广西继续降低孕产妇死亡率提供理论依据。方法 基于2002-2006年广西的逐月孕产妇死亡率，采用非条件最小二乘法估计模型参数，按照残差不相关原则与简洁原则确定模型结构，依据AIC与SBC准则确定模型的拟合优度，建立预测广西孕产妇死亡率的最优ARIMA模型。用所得模型预测广西2007年的孕产妇死亡率，比较预测值与实际值的差异；再以2002-2007年的数据构建模型预测广西2008年的孕产妇死亡率。结果 模型ARIMA(2,1,0)(0,1,1)12较好拟合了既往时间段孕产妇死亡率的时间序列，模型自回归参数(AR1=-0.708，AR2=-0.537)与季节滑动平均参数(SMA1=0.511)均有统计学意义(P<0.05)，AIC=33.814，SBC=39.364，模型残差为白噪声(P>0.05)，模型数学函数式为 (1+0.708B)(1+0.537B2)(1-B) (1-B12) Zt=(1-0.511 B12) t 。2007年逐月孕产妇死亡率的预测值符合实际值的变动趋势，2007年孕产妇死亡率与实际值的相对误差率仅为2.08%。预测2008年广西的孕产妇死亡率为21.232/10万。结论 ARIMA模型可以较好地拟合孕产妇死亡率的时间变化趋势，并用于预测未来的孕产妇死亡率，是一种短期预测精度较高的预测模型。     

采用自回归滑动平均模型预测2011年门诊量

目的拟合适合门诊量时间序列资料的预测模型,预测我院2011年门诊量。方法采用ARIMA模型对门诊量进行模型拟合。结果拟合模型参数具有统计学意义,方差估计值为8.97,AIC=1366.888,SBC=1373.676。对模型进行白噪声残差分析,拟合优度统计量表表明最终拟合的ARIMA模型为：（1-B）（1-B12）Yt=-11.7601＋（1-0.8527B）（1-0.3947B12）et。结论 ARIMA模型适用于门诊量的时间序列模型拟合,结果显示模型预测值与实际值相符合,在没有外来干预因素影响的情况下,门诊量将会继续上涨。     

武汉市江汉区细菌性痢疾发病率的ARIMA模型预测应用

目的：探讨A RIM A模型在武汉市江汉区细菌性痢疾月发病率预测应用的可行性,为该区细菌性痢疾的防控提供科学参考依据。方法使用SAS9．2软件对2005～2013年该区菌痢月发病资料拟合ARIMA模型,利用建立的模型对2014年1～6月菌痢月发病率资料进行预测和效果评价。结果建立ARIMA（0,1,1）X（0,1,1）12模型拟合效果较好,预测2014年上半年疫情将呈缓慢上升趋势,预测值与实际值拟合趋势基本一致。结论 A RIM A模型可以作为该区菌痢月发病水平的短期预测模型。     

2004-2012年中国丙型肝炎报告数据ARIMA模型及其趋势预测

目的利用季节自动回归移动平均混合模型（ARIMA模型）对我国丙型病毒性肝炎（丙肝）报告数据进行分析、拟合和预测。方法对2004年1月-2012年7月我国丙肝报告数据进行差分以达到平稳化,采用季节ARIMA模型对数据进行分析、拟合和预测。结果2004年1月-2012年7月我国丙肝发病数呈逐年上升趋势,且呈现明显的以年为单位的周期性变化;对丙肝报告数据进行平稳化检验、差分、模型识别、模型诊断,获得季节序列ARIMA（1,1,1）×（1,1,1）12为最优模型,该模型残差检验为白噪声序列,且拟合数据在95％置信区间;对2012年7月-2014年12月全国丙肝发病数进行预测,显示全国丙肝发病数呈继续上升且具有明显的周期性波动趋势。结论季节ARIMA模型能较好地拟合和预测我国丙肝发病数在时间上的变化趋势,可为疫情的防治提供借鉴。     

江苏省戊型肝炎发病趋势的时间序列模型应用

目的:探讨ARIMA模型在戊型肝炎发病预测方面的应用,为戊型肝炎的早期预警提供决策依据?方法:应用Eviews5.0软件对1997~2009年江苏省戊型肝炎月发病数据进行模型拟合,建立时间序列分析模型,用模型对2010年戊型肝炎逐月发病数进行预测分析,并用2010年的实际发病数据评估模型预测效果?结果:ARIMA模型较好地拟合了既往戊型肝炎的实际发病序列,残差序列通过了白噪声检验(P > 0.05),对2010年各月发病数进行预测也获得了较好的预测效果?结论:ARIMA模型能较好地模拟江苏省戊型肝炎的发病趋势,可用于戊型肝炎疫情的短期预测和动态分析?     

应用随机时间序列分析法预测痢疾发病率

目的:应用随机时间序列分析法预测痢疾发病率。方法:应用SPSS11.5软件对某市2001～2007年痢疾逐月发病率进行ARIMA模型建模拟合,用所得到的模型对2008年各月痢疾发病率进行预测。结果:ARIMA(1,0,0)×(1,1,0)12模型很好地拟合了既往时间段上的痢疾发病率序列,对2008年各月发病率的预测值符合实际发病率变动趋势,且实际发病率均在95%可信限内。实际值与预测值的全年误差为13.02%,1～6月份误差为4.91%。结论:应用随机时间序列分析法对痢疾的发病率进行短期预测能够收到很好的效果,为痢疾的防控提供科学有效的依据。     

ARIMA模型和ARIMA-SVM模型对上海市2型糖尿病患者肺结核发病的预测效果

目的 建立差分自回归移动平均（autoregressive integrated moving average,ARIMA）模型,对上海市2型糖尿病（type 2 diabetes mellitus,T2DM）患者肺结核（pulmonary tuberculosis,PTB）的发病率进行预测,在此基础上建立ARIMA支持向量机（support vector machines,SVM）组合模型,修正单一模型的预测结果。方法 以上海市T2DM患者管理库及结核病监测系统数据为基础,获得2010—2015年确诊的上海市户籍T2DM患者的基线信息及随访期间TB的发病情况。以2010—2014年TB月发病数据为基础,建立ARIMA模型,并应用SVM对ARIMA模型残差进行非线性建模,建立组合模型。以2015年月发病率数据对模型进行验证。采用均方根误差（root mean square error,RMSE）和平均绝对误差百分比（mean absolute percentage error,MAPE）评估和比较模型的准确性。结果 建立的ARIMA模型为ARIMA（3,1,0）（1,1,0）₁₂。ARIMA模型和ARIMA-SVM组合模型预测2015年上海市T2DM患者PTB月发病率的MAPE分别为87.0%和54.6%,RMSE分别为2.96和2.26,组合模型数值更低,预测更准确。结论 ARIMA-SVM组合模型对T2DM患者PTB发病的预测精度高于单一ARIMA模型。     

ARIMA乘积季节模型在山东省肺结核发病预测中的应用

目的 根据山东省肺结核的季节性、趋势性建立求和自回归移动平均(ARIMA)乘积季节模型,预测山东省肺结核发病趋势,调整防控措施。 方法 应用R软件对2010年1月至2019年12月山东省肺结核传染病疫情月度数据建立最优模型,预测2020年1月至10月肺结核发病数,并与实际值进行比较,以此评估模型的预测效果,预测2020年11月至2021年12月的发病趋势。 结果 山东省肺结核发病数表现为年度周期性,最优模型为ARIMA(3,1,0)(0,1,1)₁₂,2010年1月至2019年12月拟合结果准确性显示平均绝对百分比误差仅为5.50%, 2020年1月至10月模型预测效果的平均相对百分比误差为21.69%,2020年11月至2021年12月的发病数较同期有轻微变化。 结论 ARIMA乘积季节模型能够较好地对山东省肺结核发病趋势进行拟合及预测。