时间序列资料ARIMA季节乘积模型及其应用

目的　用ARIMA季节乘积模型 (p ,d ,q) (P ,D ,Q)s对季节性时间序列资料建模并预测 ,并与指数平滑法进行比较 ,考察ARIMA乘积模型的预测效果。方法　用Box Ljung统计量评价ARIMA模型的拟和度 ,用平均预测相对误差作为预测效果的评价指标。结果　对所分析的季节性时间序列建立了乘积ARIMA(0 ,1,1)× (0 ,1,1) 12 模型 ,平均预测相对误差为 4 89% ,指数平滑法的平均预测相对误差为 8 14 %。结论　对所分析的时间序列 ,ARIMA乘积模型的预测效果优于指数平滑法     

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。     

运用时间序列模型分析新发传染病网络舆情变化规律的研究

目的了解新发传染病引起的网络舆情变化的趋势和规律,为舆情监测预警和实施早期舆论引导提供针对性的依据及方向。方法利用百度指数收集网络用户对寨卡、埃博拉两起新发传染病疫情报告后相关信息的搜索量,形成时间序列数据,应用ARIMA模型对数据分析并建立预测模型,对建立的预测模型进行参数估计、模型诊断、模型评价和比较,选择最优预测模型。结果网络舆情前驱期平均4 d,暴发期平均9.5 d,波动期平均13.5 d,消退期平均29 d,到达峰值的时间平均12.5 d。广州市寨卡相关舆情拟合的ARIMA(3,1,0)模型和全国寨卡相关舆情拟合的ARIMA(1,1,1)模型的赤池信息准则(AIC)分别为747.85和689.81,预测的误差的标准差(SDE)分别为27.05和1388.97;埃博拉相关舆情拟合的ARIMA(3,2,1)模型和全国埃博拉相关舆情拟合的ARIMA(3,2,1)模型的AIC分别为850.05和1 150.65,预测的SDE分别为70.87和1 283.21。结论舆情搜索量与该传染病在本地是否出现病例、发病规模、疾病严重程度有关,疾病预防机构在疫情舆情发展中的暴发期进行疾病宣教效果更好,ARIMA模型能较好地模拟新发传染病网络舆情变化趋势,且局部地区的数据拟合模型预测效果优于全国数据拟合模型。     

预测医院门诊量的ARIMA模型构建及应用

目的 研究综合性医院月门诊量变化规律,预测其变化趋势,为医院管理决策提供依据.方法 结合序列平稳性、长期趋势和季节效应,采用对数和差分变换,应用残差分析和最小二乘法估计,建立预测模型ARIMA(1,0,1)(0,1,1)12.结果 拟合残差平方和为2.790,AIC=178.126,SBC=-170.080,预测2008年门诊量相对误差为6.11%,小于指数平滑法(8.78%).用该模型预测2009年门诊量为150.12万人次.结论 医院门诊量存在季节变动和长期增长趋势,适合用ARIMA乘积模型进行拟合,但不同医院门诊量变化规律未必一致,要认真分析原序列的ACF图和PACF图,然后确定p,d、q参数.     

石家庄市手足口病疫情短期预测模型

目的采用时间序列分析中的ARIMA模型与均数移动平均法相结合的方法对2010年石家庄市手足口病报告信息进行综合预测,为该病防控提供科学依据。方法用SPSS时间序列图(sequence chart)与"ExpertModeler"过程相结合的方法,拟合上述信息的ARIMA模型;在分析病例就诊时间特征的基础上,使用均数移动平均法将发病时间后移相应时间,获得其网络直报疫情模型。结果建立了手足口发病规律模型ARIMA(0,1,1),分析发现95%病例发病至网络直报间隔时间为6d,在ARIMA(0,1,1)预测基础上,使用均数移动平均法将预测病例发病时间后移6d,获得其网络直报疫情模型。结论 ARIMA模型与均数移动平均法相结合的方法可用于手足口病信息的动态分析和短期预测。     

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.     

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。     

时间序列ARIMA模型在艾滋病疫情预测中的应用

目的探讨应用时间序列求和自回归移动平均(ARIMA)模型预测艾滋病发病率的可行性。方法利用重庆市疾病控制部门提供的1993～2009年艾滋病发病情况数据建立ARIMA预测模型。结果 ARIMA(1,1,1)×(0,1,0)12很好地拟合了艾滋病发病率,2009年7～12月的预测值符合实际发病率变动趋势。结论 ARIMA模型很好地模拟艾滋病发病率在时间序列上的变动趋势,可以为疫情防控提供借鉴。     

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.     

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。     

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。     

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。     

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模型在涂阳肺结核月发病预测中的应用

目的 探讨重庆市涂阳肺结核月发病数随时间的变化规律,为控制和预防肺结核提供科学依据。方法 采用SPSS13.0软件对2005～2009年重庆市涂阳肺结核月发病数资料建立ARIMA模型,利用该模型预测2010年1月～12月的涂阳肺结核月发病数,对模型的短期预测及其效果进行初步评价。结果 建立的ARIMA(1,1,0)×(0,1,1)₁₂模型是拟合重庆市涂阳肺结核月发病数的合适模型,2005～2009年观测值落在拟合值95%的可信区间内,2010年预测值的平均相对误差为6.31%。结论 ARIMA(1,1,0)×(0,1,1)₁₂模型能很好地预测重庆市涂阳肺结核月发病情况,为控制和预防肺结核提供了可靠依据。     

重庆市特大高温干旱对住院病人疾病谱的影响

目的:探讨重庆市特大高温干旱期间住院病人疾病谱的特点及变化情况.方法:采用描述性研究中的历史常规资料分析方法,描述2006年重庆地区7～8月与相邻2年(2005年,2007年)同期住院病例疾病谱的特点,并进行对比分析.结果:2006年7～8月期间高温干旱程度明显强于相邻2年同期情况;3年同期住院病例年龄、性别构成比差异无统计学意义;按系统分类的疾病顺位显示呼吸系统疾病构成比在3年间均居首位,消化系统疾病、传染病和寄生虫病构成比在2006年均高于相邻2年;按单病种分类的疾病顺位显示急性上呼吸道感染、急性支气管炎、急性胃肠炎、阑尾疾病和肠道传染病构成比在2006年均高于其它2年.结论:特大高温干旱天气影响较明显的系统疾病为消化系统疾病、传染病和寄生虫病,而影响较为明显的单病种为急性上呼吸道感染、急性支气管炎、急性胃肠炎、阑尾疾病和肠道传染病.     

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。     

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。     

三阴乳腺癌中MYC和CSMD1基因拷贝数变异与临床病理特征的相关性

目的 在三阴乳腺癌组织中,分析MYC和CSMD1的基因拷贝数变异与患者临床病理特征的相关性。方法从肿瘤基因组图谱数据库（TCGA）,获得乳腺癌的全基因组拷贝数变异数据和临床病理数据。利用GISTIC2.0软件分析肿瘤组织中全基因组拷贝数变异情况,并用IGV软件分析并可视化热点基因的拷贝数变异情况。收集整理108例三阴乳腺癌患者样品及信息,利用荧光定量PCR检测肿瘤组织中MYC和CSMD1基因拷贝数变异,并分析其与患者临床病理特征的相关性。结果全基因组拷贝数变异分析发现,在三阴乳腺癌组织中,染色体8q24.21区段扩增最为显著而8p23.2区段缺失最为显著,其中8q24.21区段的扩增热点为MYC基因,而8p23.2区段缺失热点为CSMD1基因。在TCGA的TNBC病例中,MYC基因的扩增比例为83.0%,CSMD1基因的缺失为67.1%。在江门市中心医院的TNBC病例中,MYC基因的扩增比例为88.9%,CSMD1基因的缺失为58.3%;然而,MYC的扩增或CSMD1的缺失与患者的年龄、病理类型、T分级、N分级、M分级及临床病理分期无关（P>0.05）。结论TNBC组织中有显著的MYC扩增和CSMD1缺失情况,是TNBC较为普遍的分子特征,但两者的拷贝数变异与TNBC临床病理特征无关。