采用ARIMA模型对河北省保定市手足口病发病的预测分析

目的采用自回归滑动平均模型(autoregressive integrated moving average model,ARIMA)对保定市手足口病发病预测进行模型构建,探索该市传染病预测的方法。方法利用软件SPSS 13.0,对保定市2009-2015年手足口病逐月发病数进行ARIMA建模和拟合,筛出最优模型,对2016年1~10月的发病数进行预测并评价效果。结果 ARIMA(0,1,1)×(1,1,0)12为最适模型,对保定市2009-2015年手足口病发病数进行了很好的拟合,残差是白噪声序列,对2016年1~10月发病数的预测值均落入相应的95%可信区间,再现了手足口病的季节模式。结论 ARIMA模型很好的拟合了保定市手足口病在时间序列上的变化趋势,可用于疫情的动态分析和短期预测。     

ARIMA模型与GRNN模型对肺结核发病率预测的对比研究

目的 比较自回归移动平均(ARIMA)模型与广义回归神经网络(GRNN)模型对于肺结核发病率的预测性能.方法 根据我国2004年1月至2012年12月的肺结核逐月发病率数据资料,应用Eviews 7.0.0.1建立ARIMA模型,应用Matlab 7.1的神经网络工具箱建立GRNN模型;选取2013年肺结核逐月发病率数据对两种预测模型进行检验,比较预测结果.结果 ARIMA模型和GRNN模型的Theil不等系数(TIC)分别是0.034和0.059,说明ARIMA模型对我国2013年肺结核逐月发病率的拟合程度优于GRNN模型,ARIMA模型相对误差绝对值仅为GRNN模型的57.19％.结论 ARIMA预测模型更适合用于我国肺结核发病率的预测;建议尝试组合模型预测肺结核发病率.     

自回归求和移动平均乘积季节模型在我国布鲁菌病短期月发病人数预测中的应用

目的 研究我国布鲁菌病（布病）月发病人数的趋势性和季节性,探讨自回归求和移动平均（ARIMA）乘积季节模型预测我国布病短期月发病人数的效果。方法 收集2004年1月—2015年5月我国布病月发病人数（共137组）,进行时间序列分析。数据来自国家卫生和计划生育委员会公布的疫情监测数据。观察我国布病月发病人数的趋势性和季节性,以我国2004-2013年的布病月发病人数作为训练样本,拟合ARIMA乘积季节模型;用2014年1月—2015年5月的发病数据作为校验样本,验证模型;确定最优模型后,预测2015年6-12月我国布病月发病人数。结果 2004-2008年我国布病月发病人数相对平稳,从2009年以后有了明显的上升趋势。从季节性来看,每年的6、7、8月属高发病期,每年的1月和12月处于全年的最低发病期。选取的最优模型为ARIMA（0,1,0）（1,1,0）12,其平均绝对百分误差（MAPE）=13.60,决定系数（R2）=0.881;对模型进行参数显著性检验,一阶季节自回归项（SAR）参数估计值=-0.292,P=0.048。运用ARIMA（0,1,0）（1,1,0）12对2015年6-12月我国布病月发病人数进行预测,其预测值分别为7 709、7 524、6 113、4 458、3 450、3 576、3 760例。结论 从2009年以后,我国布病月发病人数有明显的上升趋势;季节性表现在6～8月为高发病期,12月至来年1月为低发病期。ARIMA乘积季节模型拟合我国布病月发病人数的时间序列模型精度较高,可以用来预测我国布病短期月发病人数。     

基于ARIMA模型结合回归分析在产科工作量预测中的应用

目的:探讨ARIMA模型结合回归方程在产科工作量预测中的应用价值。方法:以产科门诊建卡数与分娩量数据为基础,运用SPSS19.0建立月建卡数的ARIMA模型、月建卡数与月分娩量的回归方程模型,采用实际数据验证模型,评价模型,选择精度较高的模型进行2018-2020年的产科工作量预测。结果:月建卡数的模型ARIMA(1,1,1)(0,1,1)_(12)的拟合效果最优,用实际分娩量进行预测精度验证,预测分娩量与实际分娩量基本吻合,且实际值均在预测值可信区间范围内。符合拟合程度较高以及线性回归的显著性检验要求的回归方程为y=313.727+1.212x,其预测的平均误差为5.114%,具有较高的精确度,并对历史值的预测效果较好。采用ARIMA模型结合线性回归分析预测2018-2020年建卡人数分别为11 324、12 388、13 334,增长率依次为4.62%、9.40%、7.64%;分娩量预测值分别为12 936、13 554、14 369,增长率依次为9.61%、4.78%、6.01%。结论:ARIMA模型结合回归分析具有较高的预测精度,可较好地拟合产科工作量的演变趋势,为新生育政策下产科管理提供决策依据。     

自回归求和移动平均模型在流感发病预测中的应用

目的探讨应用自回归求和移动平均季节模型(ARIMA)进行流感发病率的拟合和预测,为流感疫情预警提供依据。方法运用统计分析软件对陕西省2008—2014年每月的流感网络报告发病率数据进行模型拟合,建立ARIMA模型,用2015年的数据来检验ARIMA模型的预测效果。结果陕西省2008年1月—2014年12月流感的平均年发病率为0.74/10万,将时间序列分解为总体趋势、季节趋势及随机误差,流感发病整体呈缓慢上升,发病率存在明显的季节性,冬春季出现高峰,随机误差保持在一定水平;ARIMA(0,0,1)×(0,1,1)12模型能较好拟合既往时间段内流感的发病率,且对2015年1—12月流感月发病率的预测值与实际值基本吻合,模型预测值与实际值的绝对误差、相对误差平均值分别为0.18和0.26。结论 ARIMA(0,0,1)×(0,1,1)_(12)模型可以作为陕西省流感月发病率的短期预测模型。     

ARIMA模型在深圳市病毒性肝炎发病趋势预测的应用

目的 通过探讨单纯求和自回归滑动平均模型(ARIMA模型)应用于病毒性肝炎发病率预测的可行性,为当前的防控工作提供科学依据.方法 采用SAS9.2软件对深圳市2004～2013年的病毒性肝炎的月发病率进行ARIMA模型的建模拟合,预测2014年病毒性肝炎的月发病率,利用预测值和实际值的均方误差、平均绝对误差、平均绝对百分误差评价拟合效果,选择合适的模型预测深圳市2015年病毒性肝炎的月发病率.结果 最终拟合为ARIMA 《12),1,1)模型,残差为白噪声序列,预测值与实际值的均方误差为1.742,平均绝对误差为1.159,平均绝对百分误差为0.092,2015年深圳市病毒性肝炎发病率延续了自2011年以来的逐年上升的趋势.结论 ARIMA模型对病毒性肝炎的时间序列变动趋势的拟合效果较好,并对未来的发病率进行预测,可为病毒性肝炎防治提供科学依据.2015年预测结果提示病毒性肝炎的发病有上升的趋势,需要进一步调整相应防控策略.     

ARIMA模型在东莞市细菌性痢疾预测中的应用

目的探讨ARIMA模型预测东莞市细菌性痢疾发病的可行性和适用性,为东莞市细菌性痢疾的防控提供参考依据。方法使用SPSS17.0对2004年1月~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月~7月细菌性痢疾发病率进行预测评价。结果 ARIMA（1,0,0）模型的预测值与实际值的平均相对误差为11.97%,实际值都在95%可信区间内,实际值与预测值变动趋势一致。结论 ARIMA（1,0,0）模型较好的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。     

自回归求和移动平均模型在湖南省食物中毒预测中的应用

目的：探索自回归求和移动平均模型(autoregressive integrated moving average, ARIMA) 在湖南省食物中毒预测中的应用,为食物中毒的预防和控制提供依据。方法：收集2003 年1 月至2009 年12 月湖南省食物中毒人数进行ARIMA 模型拟合,用2010 年的中毒资料验证模型的预测效果,并预测2011 年湖南省食物中毒人数。 结果：ARIMA(0,1,1)(0,1,1)₁₂ 较好地拟合了既往时间段中毒人数的时间序列,拟合预测误差为9.59%,2011 年湖南省食物中毒预测人数为834 人。 结论：ARIMA 预测模型能较好地拟合短期内食物中毒人数在时间序列上的变化趋势,若用于长期预测,应根据长期监测数据不断调整模型参数。     

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。     

应用时间序列模型预测安康市细菌性痢疾的发病率

目的探讨应用ARIMA模型预测细菌性痢疾发病率的可行性,为细菌性痢疾的防治提供科学依据。方法应用SPSS13.0对安康市2005～2009年细菌性痢疾的月发病率进行ARIMA模型拟合,并用所得到的模型对2010年细菌性痢疾的月发病率进行预测,将预测值与实际值进行比较。结果 ARIMA（0,1,1）×（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2010年月发病率的预测值符合实际发病率变动趋势。结论时间序列模型可以模拟细菌性痢疾发病率在时间序列上的变动趋势。     

应用ARIMA模型预测肺结核报告发病率的研究

目的探讨ARIMA模型在宜昌市肺结核预测方面的应用,为进一步采取预防控制措施提供科学依据。方法基于宜昌市1997~2013年肺结核发病率的数据建立一个原始时间序列,对1998~2013年的发病进行预测,并与实际发病进行比较。结果最终得出ARIMA(1,0,1)(2,1,0)12为最优模型,实际发病与预测值及其95%置信区间基本一致,模型的拟合效果较好,可以对2014年发病率进行预测。结论肺结核具有很高的发病率,ARIMA模型能较好的模拟肺结核发病在时间序列的变化趋势,为制定防控措施提供科学的依据。     

应用ARIMA模型预测昭通市麻疹发病趋势

目的预测昭通市麻疹的发病趋势,为制定防治措施提供参考依据。方法应用SPSS17．0软件对2005年1月至2013年3月麻疹发病率进行ARIMA模型建模拟合,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。结果采用ARIMA（1,2,1）（0,1,0）12预测昭通市麻疹的发病趋势,2013年发病率为12．26／10万。结论ARIMA模型能很好地模拟麻疹发病率在时间序列上的变动趋势,并对未来的发病率进行预测。     

基于ARIMA模型的非伤寒沙门菌发病率趋势预测

目的探讨ARIMA模型在非伤寒沙门菌发病率预测中的应用。 方法以湖北省某医院2015年1月—2019年12月非伤寒沙门菌发病率数据为基础,采用时间序列方法建立模型,估计、检验模型中间的相关参数,确定最优模型,并预测2019年7月—12月非伤寒沙门菌发病率,同时对预测效果进行评价。 结果通过比较,确立了最优预测模型,该模型预测值和实际值之间的稳合度较好,实际值全部在预测值95%置信区间范围中。预测2019年7月—12月非伤寒沙门菌发病率分别为3.93%、3.28%、3.56%、2.65%、1.04%、0.82%。 结论ARIMA模型能较好预测非伤寒沙门菌发病率的变化趋势,模型有助于医院及疾控部门及早采取预防措施进行干预,降低传染风险。     

3种模型在肺结核发病率预测中的比较研究

目的对GM（1,1）模型、霍尔特双参数指数平滑预测模型和ARIMA模型在肺结核发病率预测中的效果进行比较。方法利用1980-2007年北京市肺结核的发病率分别建立GM（1,1）灰色预测模型、霍尔特双参数指数平滑预测模型和ARIMA模型,对建立的模型进行拟合。比较3个模型的拟合效果,同时利用ARIMA模型对2008年北京市的肺结核发病率进行预测。结果针对北京市肺结核发病率建立的GM（1,1）模型、霍尔特双参数指数平滑预测模型和ARIMA模型的平均误差率（MER）分别为15.11%、9.51%、9.52%,决定系数R2分别为0.935、0.964、0.969。结论 ARIMA模型对于隐含波动周期并且不稳定的循环型时间序列拟合效果优于GM（1,1）模型,对解决时间序列类型的肺结核发病率等资料有很好的实用价值。     

ARIMA模型在预测重庆市医院日住院量中的应用

目的建立预测与监测的求和自回归移动平均模型(ARIMA)的时间序列模型,研究日住院量的变化规律。方法通过对2009年2～4月重庆市逐日住院患者量分析用Box-Ljung统计量评价ARIMA模型的拟合度,用平均预测相对误差作为预测效果的评价指标。结果重庆市住院患者量以周为时间周期,每周中以周一、二住院量达到高峰,周六、日为低谷。ARIMA(0,1,1)(1,1,1)7是重庆市2009年2～4月住院量预测最优拟合预测模型,一周和两周外推预测的平均相对误差分别为6.27%和9.14%。结论对住院患者量的历史数据进行时间序列分析是用于住院患者量监测的一个重要的内容。本研究所建立的ARIMA模型适用于重庆市住院患者量预测,预测精度较高。     

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ARIMA模型预测宜昌市手足口病的发病趋势

目的探讨ARIMA模型在宜昌市手足口病发病预测中的应用,为进一步采取干预措施提供科学依据。方法基于宜昌市2008~2013年手足口病发病率的数据建立一个原始时间序列,采用求和自回归移动平均模型(ARIMA模型),对2014年手足口病的发病率进行预测。结果 ARIMA(0,0,1)(1,1,0)12为最优模型,宜昌市手足口病的实际值与预测值及其95%置信区间基本一致,ARIMA模型的拟合效果较好。结论手足口病在临床上具有很高的发病率,常易引起托幼机构、学校等聚集场所的暴发流行,严重时可引起患儿死亡,对婴幼儿的影响较大,ARIMA模型能较好地模拟宜昌市手足口病发病在时间序列的变化趋势,为制定防控措施和策略提供科学的依据。     

应用ARIMA 模型预测我国孕产妇死亡率

 目的 探讨应用ARIMA 时间序列模型预测我国孕产妇死亡率的可行性,为继续降低孕产妇死亡率提供理论依据。方法 收集全国1991年至2009年孕产妇死亡率数据,建立数据库。采用差分方法对序列资料进行平稳化,进行定阶,建立2010年全国孕产妇死亡率数据的序列分析预测模型,并对预测结果进行分析和评价。结果 ARIMA模型拟合结果较理想,残差序列的自相关函数图显示残差均为白噪声序列,模型的预测结果表明到2010年我国孕产妇死亡率全国、城市和农村分别为30.39 ‰, 24.73 ‰ 及 28.80 ‰,说明整体水平不断下降,将达到一个较低的水平。结论 用ARIMA模型对孕产妇死亡率数据拟合较为满意,预测效果良好,可为进一步制定预防策略措施提供依据。