灰色模型在预测天津市肠道传染病发病趋势中的应用

目的探讨预测天津市肠道传染病发病率的灰色模型,为天津市肠道传染病防制工作提供科学的参考依据。方法利用2004--2009年天津市肠道传染病疫情资料建立GM（1,1）预测模型,进行模型评价,并对未来几年进行趋势预测。结果天津市肠道传染病发病率GM（1,1）模型为：Yr＋1=-1532．39e^-0.1125t＋1681．68,拟合精度合格。结论模型能够用于预测天津市肠道传染病发病率的短期趋势,未来3年天津市肠道传染病将呈缓慢下降趋势。     

应用灰色预测GM（1.1）模型预测福州市3种肠道传染病发病趋势的研究

目的研究福州市3种肠道传染病的发病规律和趋势。方法将1993—2009年痢疾、甲型肝炎、伤寒副伤寒3种肠道传染病的发病率建立灰色预测GM（1,1）模型并进行外推5年预测。结果后验差比值C和小误差概率P综合模型检验,3个模型等级结果均为1级。结论通过模型进行分析,3种肠道传染病发病率在未来的5年将下降。     

灰色模型对长沙市四类传染病发病率的模拟与预测

目的模拟与预测长沙市2006-2010年法定甲乙类传染病中血源及性传播疾病、呼吸道传染病、肠道传染病、虫媒及自然疫源性疾病发病率,掌握流行趋势,为制定长沙市传染病预防控制措施提供依据。方法应用灰色GM(1,1)模型对长沙市1995-2005年的法定甲乙类传染病四类发病率进行拟合,得出拟合模型并进行精度检验。结果建立的模型预测精度良好,外推预测2006-2010年长沙市血源及性传播疾病、呼吸道传染病发病率明显上升,肠道传染病、虫媒及自然疫源性疾病发病率显著下降,符合流行规律。结论该模型受样本含量和概率分布的限制较小,运算简单,有较高实用价值,可用于长沙市各类传染病发病率近期预测。     

灰色模型预测传染病流行趋势在基层的应用

传染病预测是制定传染病近期和远期应对策略的重要前提,也是变被动预防为主动预防的重要环节。传染病的预测方法种类繁多,且比较深渊。对于基层防疫人员来说,如何利用常规监测资料,定量地研究传染病的传播规律,开展及时、准确的传染病流行趋势预测,是一个很大的挑战。GM（1,1）灰色模型具有预测效果好、影响因素少、计算简单快速等优点,非常适合基层防疫人员运用。本文试以建德市2002—2007年肺结核发病率建立预测模型,对2008年及2009年肺结核发病情况进行预测,并利用2008年肺结核实际发病率与预测发病率进行对比,计算其相对误差来检验模型预测效果。此方法可供基层防疫人员参考,现介绍如下。     

随机时间序列分析法在传染病预测中的应用

目的阐述ARIMA模型拟合时间序列的方法和步骤,并将其应用于乙型肝炎的预测,为传染病预警系统提供决策依据。方法利用SPSS统计软件求解适宜的ARIMA模型,据所得误差评价预测效果。结果通过对乙型肝炎发病率的预测,相对误差在15%左右,预测效果较为可靠。结论在乙型肝炎的近期预测中引入时间序列的ARIMA模型分析方法,能够对传染病的预测产生积极的指导意义。     

小波神经网络在肾综合症出血热发病率预测中的应用

目的探索小波神经网络在传染病预测中的应用。方法构造小波神经网络对2004年1月至2010年1月我国内地法定报告的肾综合症出血热发病率数据进行训练,对2010年2月至2010年10月相应数据进行预测,并将预测结果与传统的BP神经网络及SARIMA时间序列模型进行比较。结果小波神经网络拟合结果及预测结果的MAPE、MAE及RMSE均小于BP神经网络、SARIMA模型。结论小波神经网络预测效果最优,对于肾综合症出血热等传染病发病率预测具有较好的应用价值。     

模糊时间序列分析在肾综合征出血热发病率预测的应用初探

目的 探讨模糊时间序列分析在传染病发病率预测的应用价值.方法 采用模糊时间序列分析方法,对2004年1月～2010年7月我国内地法定报告的肾综合征出血热(HFRS)逐月发病率资料建立预测模型,并对2010年8月～2010年11月的相应数据进行预测,并将预测结果与传统SARIMA模型预测结果进行比较.结果 本次研究结果显示,模糊时间序列分析相对于SARIMA模型,有较好的预测能力.结论 模糊时间序列分析对于HFRS等传染病发病率的预测具有较好的应用价值.     

基于ARIMA乘积季节模型的苏州市介水传染病发病预测研究

目的探讨运用自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型对苏州市介水传染病发病率进行预测。方法利用R软件对苏州市2008年1月—2015年12月的介水传染病发病率数据进行拟合,构建ARIMA乘积季节模型,对苏州市2016年1—6月介水传染病的发病率进行预测。结果构建了ARIMA(2,1,2)×(0,1,1)_(12)乘积季节模型,模型Ljung—Box检验差异无统计学意义(Q=18.478,P=0.779),模型适用于短期预测,2016年1—6月苏州市常见介水传染病实际发病率均在预测结果95%可信区间内,预测结果相对误差的平均值为-0.024。结论ARIMA(2,1,2)×(0,1,1)_(12)季节乘积模型可用于苏州市介水传染病发病率的短期预测。     

ARIMA模型在安溪县传染病发病率预测中的应用

目的 探讨用时间序列ARIMA模型对法定传染病发病率进行预测的可行性.方法 用SPSS 18.0对安溪县2005-2010年传染病月发病率进行ARIMA模型拟合,用所得模型对2011年各月发病率进行预测并与实际值比较.结果 ARIMA(0,1,1)×(1,1,0)12模型拟合良好,2011年各月预测值与实际值趋势吻合.结论 ARIMA模型能很好地模拟传染病发病率时间序列变动趋势,对疫情监测有重要意义.     

基于BP神经网络的河南省甲乙类法定报告传染病预测研究

目的 建立用于河南省法定报告传染病(甲乙类)预测的神经网络模型,为制定传染病预防和控制措施提供理论依据.方法 首先确定预测模型的基本结构,以归一化后的2003-2009年河南省甲乙类法定报告传染病发病率数据为训练样本,以2010年的数据为检验样本,采用改进的BP神经网络算法训练预测模型.利用该模型对2011-2013年河南省甲乙类法定报告传染病发病率数据进行预测.结果 所建立的模型在仿真预测样本点的平均相对误差为0.076％,在检验样本处的预测误差为0.434％.并获得了2011-2013年河南省甲乙类法定报告传染病发病率预测数据.结论 所建立的BP神经网络模型具有良好的预测精度,适合用来进行河南省甲乙类法定报告传染病发病率的预测.     

径向基函数神经网络在传染病发病率预测中的应用

传染病发病率的有效预测在传染病防治工作中意义重大,其预测理论和方法的研究一直是一个热点.现实中影响传染病发病的因素众多、相互关系复杂,各因素的作用机制通常不能或无法用精确的数学语言来准确描述.本文采用基于时间序列的径向基函数(RBF)神经网络模型对传染病发病率进行预测,以实现传染病发病序列的非线性逼近.在实例分析中,以某市1991-2002年乙型肝炎(乙肝)月发病率数据建模,经过网络的不断学习和训练,得到合适的预测模型后对2003年1-6月的月发病率进行预测.通过与2003年1-6月的实际发病率进行比较分析以验证建模的可靠性,并与传统的时间序列模型预测结果进行比较,结果表明应用RBF神经网络模型对乙肝发病率的短期预测精度更高、效果更好.     

ARIMA模型在深圳市法定传染病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) 应用于法定传染病发病率预测的可行性, 为传染病防控工作提供科学依据.方法 采用 SAS 9.2软件对深圳市2004-2014年的病毒性肝炎,细菌性痢疾的月发病率进行ARIMA模型的建模拟合,预测2015年病毒性肝炎,细菌性痢疾的月发病率.结果 ARIMA 模型对病毒性肝炎,细菌性痢疾的拟合效果较好.结论ARIMA 模型对深圳市几种传染病发病的时间序列变动趋势能进行较好的模拟, 因此可以为法定传染病的预测提供依据.2015年预测结果提示病毒性肝炎的发病有上升趋势,需进一步调整相应防控策略.     

ARIMA模型在深圳市法定传染病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)应用于法定传染病发病率预测的可行性,为传染病防控工作提供科学依据。方法采用SAS9.2软件对深圳市2004-2014年的病毒性肝炎、细菌性痢疾的月发病率进行ARIMA模型的建模拟合,预测2015年病毒性肝炎、细菌性痢疾的月发病率。结果 ARIMA模型对病毒性肝炎、细菌性痢疾的拟合效果较好。结论 ARIMA模型对深圳市几种传染病发病的时间序列变动趋势能进行较好的模拟,因此可以为法定传染病的预测提供依据。2015年预测结果提示病毒性肝炎的发病有上升趋势,需进一步调整相应防控策略。     

使用最小二乘支持向量机技术预测传染病发病率的研究

目的将最小二乘支持向量机(LS-SVM)技术应用到传染病预测中,寻找更加理想的预测结果。方法以某市1991—2002年乙型肝炎(乙肝)月发病率数据建立最小二乘支持向量机预测模型,对2003年1—6月的月发病率进行预测。结果 IS-SVM预测值分别为0.709 9,0.668 1,0.502 5,0.685 1、0.578 5,0.773 7,通过与径向基函数(RBF)神经网络模型和累积式自回归动平均模型(ARIMA)预测结果进行比较,预测精度明显高于RBF网络模型和ARIMA模型,相对误差明显减少,仅为ARIMA模型的23.62%,RBF网络模型的54.69%。结论 LS-SVM模型对乙肝发病率的预测精度更高,效果更好,也验证了支持向量机方法预测能力出色的理论优点,证明了支持向量机技术在传染病预测领域同样有着良好的表现。     

山东省乙类传染病法定数据报告与预测模型

目的通过分析山东省乙型肝炎不同时期发病率的变化,发现其时间流行趋势,探讨乙型肝炎的预测方法,为进一步预防控制乙型肝炎工作提供科学参考依据。方法利用山东省2004—2012年法定报告乙类传染病历史疫情资料,应用描述性流行病学方法来描述人群中乙型肝炎的分布情况,揭示山东省乙型肝炎的时间流行趋势。同时应用ARIMA方法对山东省乙型肝炎疫情的流行趋势进行预测。结果通过模型的拟合结果分析预测效果较好,所拟合的模型为最优模型,可用于预测。结论对山东省2004年1月—2012年12月乙型肝炎发病率进行描述性流行病学分析后,可见山东省乙型肝炎的时间流行趋势具有明显的周期性。利用乙型肝炎的月发病率进行模型预测可知:该模型较好地预测了山东省乙型肝炎月发病率的发展趋势,24个月份的预测发病率95%的置信区间中包含实际发病率,进一步说明该模型对未来发病率的预测较为准确。     

时间序列分析方法在肺结核发病预测中应用

肺结核是由结核分支杆菌引起的慢性呼吸道传染病.近年来结核病发病有上升趋势,甘肃省肺结核年报告发病数近10年增加了1.22倍,位居传染病发病第2位,是影响全省居民健康的主要传染病之一.现运用时间序列分析方法中的移动平均法、指数平滑法和自回归滑动平均混合模型对2000-2008年肺结核分月发病率进行拟合与预测,探讨各种时间序列模型在预测甘肃省肺结核未来发病率中的优劣,为预测肺结核发病疫情,控制肺结核提供依据.     

ARIMA模型和GM（1,1）模型在全国艾滋病发病率预测中的比较研究

目的利用ARIMA模型和GM（1,1）模型对全国艾滋病发病率进行预测并进行效果比较。方法利用1999-2011年全国艾滋病发病率分别建立ARIMA模型和GM（1,1）模型,进行回代拟合,并预测2012和2013年艾滋病发病率。同时,比较2个模型的拟合和预测效果。结果利用ARIMA模型拟合艾滋病发病趋势效果较好,预测2012年和2013年艾滋病发病率分别为1.51/10万、1.49/10万,即未来2年艾滋病发病率将维持在一个较高水平。GM（1,1）模型显示拟合精度为二级,预测2012年和2013年全国艾滋病发病率为2.88/10万和3.70/10万,结果提示,艾滋病发病率呈明显上升趋势。结论 2种预测模型结果存在差异,均显示未来2年我国艾滋病发病率未有减缓之势,有关卫生部门应改进卫生策略与措施,争取控制进而遏止艾滋病流行趋势。     

时间序列分析法在香港结核病预测中的应用

目的 阐述ARIMA模型拟合时间序列的方法和步骤,并将其应用于结核病的预测,为传染病预警系统提供决策依据.方法 利用SPSS统计软件对香港1997年到2008年结核病数据进行基本趋势分析并检验数据的平稳性,对平稳处理后的时间序列构建ARIMA模型,并对所建立的模型进行相关性检验,预测出未来一年的数据.结果 通过对结核病的预测,相对误差在3％左右,预测效果较为可靠.结论 在结核病的近期预测中引入时间序列的ARIMA模型分析方法,能够对结核病的预测产生积极的指导意义.     

ARIMA模型与GRNN模型对性病发病率的预测研究

目的比较ARIMA模型与GRNN模型在性病发病率预测上的有效性。方法以新站区2005～2009年传染病疫情资料为基础,利用月发病率建立ARIMA(0,0,1)模型;将各月的发病率作为GRNN模型的输入,对应下个月发病率作为网络的输出,对样本进行训练,比较两模型的应用效果。结果合肥市新站区2005～2009年性病平均发病率达135.32/10万,并以年平均发展速度1.03缓慢上升。ARIMA(0,0,1)模型与GRNN模型的平均误差率分别是33.8%和27.0%;R2值分别是0.714和0.749。结论新站区性病呈平缓的波浪式上升,GRNN模型较适合该类疾病的发病率预测,建议公共卫生人员依据疫情预测及时做好防控工作。     

时间序列分析法在传染病发病率预测中的应用

目的探讨时间序列分析法在乙类传染病发病率预测中的应用,为制定辖区传染病防控策略提供依据。方法用深圳市宝安区沙井街道2006年1月至2019年12月的乙类传染病月发病率数据,建立自回归移动平均模型(ARIMA)并验证模型的预测效果。结果建立的ARIMA(2,1,1)模型预测效果较好,实际值均在预测值的95%可信区间内,对2020年1～6月乙类传染病发病率的预测值基本符合实际变动趋势。结论 ARIMA模型能较好地模拟短期内乙类传染病发病率的变动趋势。