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?     

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模型在河北省邯郸市手足口病发病预测中的应用

目的应用ARIMA模型预测探索邯郸市手足口病疫情,为该市手足口病的预测和预警提供科学依据。方法用SPSS 13.0建立2010-2015年邯郸市手足口病逐月疫情资料数据库,用ARIMA相关模型进行建模拟合并进行预测分析。结果 ARIMA(0,1,0)×(2,2,0)12能较好地拟合疫情数据,以此模型预测2016年1~8月疫情,可见模型拟合效果很好,预测的动态趋势与实际情况基本一致。结论 ARIMA模型可以很好地拟合邯郸市手足口病发病数的变化趋势,可用来预测未来疫情,为手足口病防控工作提供依据。     

运用时间序列模型对麻疹流行趋势的预测与分析

目的:应用时间序列模型对江苏省麻疹疫情进行预测分析,并探讨提高预测实用性的思路?方法:以1980年~2005年江苏省麻疹发病资料建立时间序列分析模型,以2006年的发病资料作为模型预测效果的考核样本?先采用差分方法对序列资料进行平稳化,然后进行定阶并估计参数,建立ARIMA模型,最后对预测结果进行分析,并利用模型对2009年强化免疫效果进行简单评价,探讨对疫情进行预警的方法和思路?结果:江苏省麻疹的发病趋势自2005年明显上升之后保持平稳,但有小幅波动,这与实际情况吻合?结论:用时间序列模型对传染病发病情况的拟合结果满意,预测效果良好,可为麻疹的防治提供一定的科学依据?     

甲型H1N1流感病毒HA基因的简单重复序列预测

目的:探讨应用ARIMA模型对甲型H1N1流感病毒血凝素(hemagglutinin,HA)基因简单重复序列(simple sequencerepeats,SSRs)的相对丰度和相对密度值进行预测的可行性,为防控流感流行制定措施提供科学依据。方法:应用Eviews 6.0软件对1970～2007年38条同源性相对较高的甲流H1N1流感病毒HA核苷酸序列中SSRs的相对丰度和相对密度进行拟合,建立时间序列模型,用模型对2008～2010年SSRs的相对丰度和相对密度进行预测,并用实际数据评估模型预测效果,进而预测2011年数据。结果:ARIMA模型较好地拟合了既往相对丰度和相对密度的实际序列,对2008～2010年的相对丰度和相对密度的预测也获得了较好的预测效果。结论:ARIMA模型能较好地模拟甲型H1N1流感病毒HA基因中SSRs的相对丰度和相对密度的变动趋势,可用于SSRs相对丰度和相对密度值的短期预测和动态分析。     

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。     

基于残差修正的ARIMA-BP组合模型在中国戊型肝炎发病预测中的应用

目的：探讨基于残差修正的ARIMA-BP组合模型在中国戊型肝炎传染病流行趋势预测中的作用。方法：对2004-2017年中国戊型肝炎统计数据采用SPSS软件分别建立ARIMA和ARIMA-BP模型，将2018年1-12月戊肝数据作为对比值，对模型的预测效果进行对比分析。结果：2种模型的预测结果评价指标中，ARIMA-BP组合模型的E、ER、MAE、MSE、MAPE指标整体上均小于ARIMA模型。结论：ARIMA-BP组合模型的预测效果优于ARIMA模型，可用于我国戊型肝炎发病趋势的早期预测。     

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。     

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。     

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。     

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.     

细菌性痢疾自回归滑动平均和非线性自回归组合模型预测研究

目的 探讨单纯自回归滑动平均(autoregressive integrated moving average,ARIMA)模型与ARIMA和非线性自回归(nonlinear autoregressive,NAR)组合模型在细菌性痢疾预测中的应用.方法 利用江苏省2004年1月至2015年2月的细菌性痢疾数据作为拟合样本,以2015年3月至2016年5月的数据作为预测样本;建立的模型分别为单纯ARIMA模型和ARIMA-NAR组合模型,然后根据2个模型的平均绝对误差(mean absolute error,MAE)、均方误差(mean square error,MSE)和平均绝对百分比误差(mean absolute percentage error,MAPE)比较模型的效果,其值越小模型效果越好.结果 在模型的拟合阶段,单纯ARIMA模型的MAE、MSE和MAPE分别为0.177 5、0.081 4和0.184 7,ARIMA-NAR组合模型分别为0.094 1、0.029 5和0.104 6.在模型的预测阶段,单纯ARIMA模型的MAE、MSE和MAPE也分别大于ARIMA-NAR组合模型.结论 ARIMA-NAR组合模型对于江苏省细菌性痢疾发病率时间序列的预测效果优于单纯ARIMA模型.建议尝试使用ARIMA-NAR组合模型预测细菌性痢疾的发病率.     

ARIMA乘积季节模型在上海市甲肝发病预测中的应用

 目的 应用自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型分析季节性时间序列,建立上海市病毒性甲型肝炎发病率的预测模型。方法 利用上海市1990年至2011年甲肝按月发病数的历史疫情数据,采用非条件最小二乘法估计模型参数,模型阶数确定后,建立甲肝按月发病数ARIMA乘积季节预测模型。结果 非季节和季节移动平均的参数分别是0.6341和0.9999,季节自回归的参数是0.4059,t检验的P值均<0.0001,方差估计值是0.1593,AIC=282.1478,SBC=292.7242,对建立的模型进行残差的白噪声检验,χ2检验统计量的P值均>0.05,据此建立ARIMA(0,1,1)(1,1,1)12NOINT乘积季节模型,模型表达式(1-0.405 9B12) (1-B) (1-B12)Yt=(1-0.634 1B) (1-0.999 9B12)εt,并开展上海市甲肝发病数的预测。结论 ARIMA(0,1,1)(1,1,1)12NOINT乘积季节模型可用于预测上海市病毒性甲型肝炎发病的季节模型。     

ARIMA模型在肺结核疫情预测中的应用

目的 运用自回归滑动平均混合模型( ARIMA)对长沙市天心区的肺结核发病数进行曲线拟合与模拟,为肺结核防治工作提供科学依据.方法 通过分析2003-2010年天心区肺结核发病数据,分模型识别、参数估计、模型诊断3个步骤建立ARIMA季节性模型,利用2011年1-4月天心区肺结核发病数据进行模型验证,并预测未来1年的月发病数.结果 ARIMA(1,0,1)×ARIMA(0,1,1)12模型较好地拟合了2003-2010年天心区肺结核发病情况,其计算201 1年1-4月天心区肺结核发病数的模拟值(38、32、41、47例)变化趋势基本符合实际值(34、44、46、48例)变化趋势.未来1年(2011年5月至2012年4月)肺结核发病数将略有增加,月发病数均值为44例.结论 ARIMA(1,0,1)×ARIMA(0,1,1)12模型能较好地拟合天心区肺结核发病情况,可以用于天心区肺结核发病数的预测.     

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。     

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。     

状态空间模型在我国肝炎发病率预测中的应用

目的:应用状态空间模型对我国甲肝?乙肝?丙肝的月发病率进行拟合和预测,分析预测准确率与发病周期规律的关系,为肝炎发病率的预测提供新方法?方法:对2005—2013年我国甲肝?乙肝?丙肝的月发病率建立状态空间模型,应用MATLAB软件中的SSM工具包对模型进行拟合,并对2014年1—12月的发病率进行预测;通过数据标准化,建立发病率周期规律性评价指标?结果:甲肝?乙肝和丙肝的月发病率预测相对误差的平均值分别为17.03%?6.30%和2.03%,标准化数据周期标准差均值分别为0.214 3?0.195 2和0.172 4?结论:状态空间模型能较好地应用于肝炎发病率的拟合和预测,标准化数据周期评价指标的标准差越小,预测效果越好?     

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。