应用自回归移动平均模型预测医院出院人数

目的 探讨自回归移动平均模型（ARIMA）在某院出院人数预测中的应用,从而为医院的科学管理决策服务.方法 对某院2000年-2013年的月出院人数数据进行收集,将2000年-2012年的数据用于建立ARIMA模型,2013年数据用于验证所建立的模型,所建模型预测2014年出院人数,统计软件采用SPSS17.0.结果 建立的ARIMA（0,1,1）（0,1,1）12模型具有较高的拟合度,预测的2013年出院人数各月相对误差为0.27％～15.68％,全年出院人数平均相对误差为4.86％,预计2014年出院人数为68,880人次.结论 ARIMA模型适用于出院人数的预测,对于出院人数变化规律的分析有较好的适应性,但在预测远期数据时则应综合多方面因素.     

重庆市法定报告传染病预测与监测的ARIMA模型

目的:通过对2003年1月～2008年12月重庆市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: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:重庆市法定报告传染病发病以年为周期,1年中4～6月为高发月,尤其是5月和6月最为严重.ARIMA(0.1.0)(O,1,1)12模型是重庆市法定报告传染病拟合的最佳模型,其拟合残差的方差为12.23,外推预测的平均相对误差为8.3%.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内容.本研究所建立的ARIMA模型适用于重庆市传染病发病率预测与监测.     

用ARIMA模型预测流感的变化趋势

目的探讨ARIMA在建立流感预测模型方面的应用。方法利用深圳市2006—2008年每周的流感样病例（ILI）监测数据建立ARIMA模型,拟合ILI％的变化趋势,用残差序列分析进行模型诊断,用2009年的数据来检验ARIMA模型的预测效果。结果2006—2008年深圳市的ILI％呈季节性周期变化,经模型诊断发现ARIMA（1,0,0）×（1,1,0）模型为最优模型,预测值与实际值的平均相对误差为14．2％。通过对2009年数据的外推,2009年上半年的平均相对误差为15．5％,下半年的平均相对误差为25．5％。结论ARIMA模型可对ILI率进行很好的拟合,建模后的中短期预测效果较好。     

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.     

基于三种时间序列模型对广州市肾综合征出血热发病率的预测比较研究

目的利用GM(1,1)、ARIMA和BP神经网络模型探索肾综合征出血热(hemorrhagic fever with renal syndrome, HFRS)预测预警的最优模型,为广州市的HFRS防控预测预警提供科学建议。方法系统收集广州市2006-2019年HFRS发病数据,采用GM(1,1)、ARIMA和BP神经网络模型以及混合模型对2006-2016年发病率进行拟合建立HFRS预测已经模型,并对2017-2019年发病率进行预测,通过平均相对误差选取最佳预测预警模型。结果 2006-2019年广州市共报告HFRS病例2 453例,年均发病率1.373/10万,2013年发病率最高,为1.794/10万,2019年发病率最低,为0.954/10万。1-4月共报告1 106例病例,占病例总数的45.08%。ARMIA(0,1,1)(0,1,1)_(12)模型预测的平均相对误差最小为27.75%,GM(1,1)、BP神经网络、BP-GM和BP-ARIMA模型预测的平均相对误差分别为33.280%、27.750%、29.670%、46.210%和46.600%。结论基于月度数据进行建模的ARIMA模型识别异常值的能力更好,且预测的平均相对误差率最小。     

时间序列ARIMA模型在乙型肝炎疫情预测中的应用

目的应用时间序列模型中的自回归-求和-移动平均模型（Autoregressive Integrated Moving Average madel,ARIMA）,分析乙肝发病,为乙肝的预警预测提供科学依据。方法利用上海市闸北区传染病监测系统7a多乙肝发病情况数据,建立乙肝疫情ARIMA预测模型。结果上海市闸北区2002～2009年乙肝时间序列符合ARIMA（1,1,1）模型（Ljung-Box检验,P=0．799）,模型残差自相关系数均在±0．5之间,预测值与观测值具有较高的吻合度。结论乙肝ARIMA模型对乙肝疫情预测有较好的效果。     

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。     

ARIMA乘积季节模型预测我国戊肝的发病趋势

目的：根据戊型肝炎（戊肝）季节性、趋势性流行现象,建立求和自回归移动平均（autoregressive integrated moving average,ARIMA）乘积季节模型对我国戊肝发病进行预测。方法：应用SPSS23.0软件对2004年1月—2018年6月我国戊肝传染病疫情月度数据建模,对2018年下半年戊肝发病数进行预测,以该时段疫情数据评估模型的预测效果。结果：将ARIMA（2,1,0）（0,1,1）12和ARIMA（0,1,2）（0,1,1）12两个模型预测的平均值作为预测值,预测结果的平均相对误差为4.69%,标准差为3.27%。结论：ARIMA乘积季节模型拟合及预测效果良好,能够较好地描述该时段我国戊肝的发病趋势,为戊肝预防控制措施的制定以及卫生资源的合理配置提供一定的科学依据。     

ARIMA模型在乙肝发病预测中的应用

目的 拟合ARIMA模型对迁安市乙肝发病趋势进行时间序列分析和预测,为乙肝预警系统提供决策依据.方法 收集迁安市2004年1月～2010年12月乙肝月发病率资料,利用SPSS统计分析软件拟合ARIMA模型并预测2011年乙肝逐月发病率.结果 拟合最佳模型为ARIMA(0,1,1)(1,1,0)12,残差为白噪声序列,预测值与实际值的平均相对误差为0.133,预测结果较为可靠.结论 利用ARIMA模型进行乙肝发病率的短期预测,预测结果符合当前的发病现状及采取的防治措施,能够对乙肝的早期预警模型的建立提供借鉴,从而有针对性地采取相应的控制措施.     

利用ARIMA模型预测辽宁省水痘发病率

目的了解辽宁省水痘的发病趋势,为水痘发病预测预警提供理论基础和参考依据。方法利用2007-2016年辽宁省水痘月发病率建立差分自回归移动平均模型(Autoregressive Integrated Moving Average,ARIMA),并用2017年数据检验模型预测效果,将2017年数据加入原始时间序列,重新调整预测模型,再对2018年水痘发病率进行预测。结果 2007-2017年辽宁省累计报告水痘病例151 414例,年平均发病率为31. 62/10万,呈现先下降后上升趋势,存在明显的季节性;利用月发病率数据拟合ARIMA(1,0,0)(0,1,1)12模型,拟合和预测的平均相对误差分别为13. 239%和20. 211%,模型预测精度良好,可对水痘发病率进行预测。结论 ARIMA模型对辽宁省水痘月发病率预测效果良好,具有较好的实际应用和推广价值,可为水痘发病的预测预警提供参考依据。     

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。     

GM(1,1)灰色模型和ARIMA模型在HFRS发病率预测中的比较研究

目的对GM(1,1)模型和ARIMA模型在肾综合征出血热(HFRS)发病率预测中的效果进行比较。方法利用1990-2001年辽宁省、丹东市和沈阳市HFRS的发病率分别建立GM(1,1)灰色预测模型和ARIMA模型,对建立的模型进行拟合。同时,对2002年3个地区的HFRS发病率进行预测,比较2个模型的拟合和预测效果。结果针对辽宁省HFRS发病率建立的GM(1,1)模型和ARIMA模型的平均误差率(MER)分别为13.5143%、25.0814%;决定系数(R2)分别为0.8961、0.6997。针对丹东市HFRS发病率建立模型的MER分别为19.7329%、20.6275%;R2分别为0.8112、0.7628。针对沈阳市HFRS发病率建立模型的MER分别为15.1421%、18.0584%;R2分别为0.8757、0.7889。结论GM(1,1)模型对于小样本以及隐含指数函数变化趋势的资料具有明显的预测优势,预测效果优于ARIMA模型,对解决时间序列类型的HFRS发病率等资料有很好的实用价值。     

两种模型预测北京市痢疾发病率的效果比较

目的 比较Winters乘法预测模型和自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)两种模型对北京市痢疾发病率的预测效果,从而选择合适的预测方法.方法 收集2007～2012年北京市痢疾分月发病率资料,分别运用Winters乘法预测模型和ARIMA模型进行建模,评估两种模型的预测效果,并用较好的模型预测2013年第一季度北京市痢疾发病率.结果 以2012年数据验证两种模型的拟合情况,预测误差百分比比较,Winters乘法(1.13％)优于ARIMA模型(6.80％).Winters乘法预测2013年1、2、3月痢疾发病率分别为1.82/10万、1.54/10万、1.85/10万.结论 Winters乘法预测模型可以较好地反映北京市痢疾发病趋势,用于预测预警.     

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。     

Real-Time Statistical Modeling of Blood Sugar

Diabetes is considered a chronic disease that incurs various types of cost to the world. One major challenge in the control of Diabetes is the real time determination of the proper insulin dose. In this paper, we develop a prototype for real time blood sugar control, integrated with the cloud. Our system controls blood sugar by observing the blood sugar level and accordingly determining the appropriate insulin dose based on patient’s historical data, all in real time and automatically. To determine the appropriate insulin dose, we propose two statistical models for modeling blood sugar profiles, namely ARIMA and Markov-based model. Our experiment used to evaluate the performance of the two models shows that the ARIMA model outperforms the Markov-based model in terms of prediction accuracy.     

肿瘤专科医院门诊人次预测方法的探讨

目的:比较动态数列法、直线回归模型、对数模型、二次曲线模型、三次曲线模型、ARIMA模型在肿瘤专科医院门诊人次拟合效果的优劣,为医院行政部门提供合适的预测模型。方法:应用6种预测方法对肿瘤专科医院门诊人次进行预测并比较拟合值的绝对误差、平均相对误差绝对值和误差平方和。结果:对肿瘤专科医院门诊人次预测方面,ARIMA模型相对误差绝对值最小(11.29%),其次为三次曲线模型(15.28%)、二次曲线模型(15.43%)、直线回归模型(15.60%)、动态数列法(17.38%),相对误差绝对值最大的是对数模型,为20.17%。结论:ARIMA模型对肿瘤专科医院门诊人次发展变化规律的分析有较好的适应性和实用性,可以为肿瘤专科医院今后工作的发展规划提供一定的依据。     

ARIMA模型和GM(1,1)模型预测全国3种肠道传染病发病率

 【摘要】目的 分别采用求和自回归滑动平均模型（ARIMA模型）和灰色模型GM(1,1)对全国法定报告的3种肠道传染病年发病率进行预测，并比较两者预测的准确性。方法 采用1995年1月至2005年12月的月发病率建立ARIMA模型。采用1995年至2005年的年发病率建立GM(1,1)模型。采用2006年的实际年发病率验证两种模型的预测效果，评价指标为相对误差。选取相对误差最小的模型预测2007年至2008年的年发病率。结果 对于甲型肝炎、痢疾、伤寒副伤寒的年发病率，预测准确率较高的模型分别是GM(1,1)、ARIMA、GM(1,1)模型，相对误差分别为0.05%、5.47%、38.89%。对2007年甲型肝炎、痢疾、伤寒副伤寒预测的年发病率分别为4.59/105、30.84/105、2.53/105；对2008年预测的年发病率分别为4.03/105、29.03/105、2.34/105。结论 对于某种肠道传染病发病率的预测，应同时拟合几种模型，并选择其中拟合效果最好的一种模型。     

五种预测方法在退田还湖区血吸虫病发病的拟合效果评价

目的:比较移动平均法、指数平滑法、自回归法、ARIMA法和灰色预测法在退田还湖地区试点血吸虫病发病拟合效果的优劣,为当地血防部门提供较为适合的拟合方法. 方法: 应用五种方法对集成垸试点和濠口试点血吸虫病患病率建模预测并比较拟合值的绝对误差、相对误差和误差平方和. 结果: 集成垸试点灰色预测法拟合值的平均绝对误差、平均相对误差和误差平方和最小;濠口试点平均绝对误差、误差平方和以ARIMA法最小,平均相对误差以自回归法最小. 结论: 不同的拟合模型适用于不同的试点;两试点以灰色预测和ARIMA模型拟合效果较好.     

3种模型在肾综合征出血热发病率拟合预测中的比较研究

目的探讨3种不同的模型在肾综合征出血热(HFRS)发病率拟合预测中的应用,并选用合适的模型预测HFRS在该地区未来的发病趋势,为合理调配HFRS防治的卫生资源提供科学依据。方法采用灰色GM(1,1)模型、自回归模型、ARIMA模型对1990～2007年沈阳市HFRS的发病率资料进行数据拟合,并比较3个模型的拟合效果,选择最优模型预测沈阳地区未来几年的HFRS发病趋势。结果针对沈阳市HFRS发病率建立的GM(1,1)模型、自回归模型和ARIMA模型的平均误差率(MER)分别为52.76%、20.53%和6.75%,R2分别为0.466、0.945和0.991;预测在2012年前后沈阳市HFRS发病将会出现一个高峰,达到4.4035/10万。结论对于隐含波动周期并且不稳定的循环型时间序列,无论拟合还是预测,ARIMA模型的效果都优于灰色GM(1,1)模型和自回归模型。目前沈阳市HFRS正处于发病率的低谷期,预测未来几年呈上升趋势,应引起注意。