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。     

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。     

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。     

江西省儿童流感样病例就诊率ARIMA模型的建立及应用

目的 分析江西省儿童流感样病例就诊的流行情况,探讨ARIMA模型对儿童流感样病例就诊率的预测能力,为儿童流感的防控工作提供科学依据。方法 利用中国流感监测系统中2017—2021年江西省儿童医院的月流感样病例就诊率数据拟合ARIMA模型,并进行预测。采用均方根绝对误差(mean squared error, MAE)、均方根误差(root mean squared error, RMSE)和平均百分比误差(mean absolute percentage error, MAPE)评价预测效果。结果 2017—2021年江西省儿童流感样病例年平均就诊率为2.11%;最佳拟合模型为ARIMA(0,1,0)(0,1,1)₁₂,残差序列为白噪声序列(P>0.05),MAE、RMSE和MAPE分别为0.68、1.05和51.96%,提示该模型拟合较好;通过该模型预测2021年江西省儿童流感样病例年均就诊率为2.57%,2021年1—12月实际流感样病例就诊率均位于预测值95%置信区间中。结论 本研究构建的ARIMA模型预测效果较好,可用于儿童流感防控的预测。     

基于ARIMA模型的江苏省不同地区肺结核发病趋势的预测

目的：应用差分自回归移动平均（autoregressive integrated moving average,ARIMA）模型对江苏省常州市和盐城市的肺结核发病情况进行预测,探索其用于预测江苏地区肺结核疫情的可行性,为今后结核病防控工作提供参考依据。方法：收集并整理江苏省常州市和盐城市2005年1月—2016年12月肺结核月登记发病数资料,使用R3.5.2软件建立ARIMA模型,分别对两市2017年1—12月肺结核月登记发病数进行预测,以平均绝对百分比误差（mean absolute percent error,MAPE）、均方根误差（root mean square error,RMSE）和平均绝对误差（mean absolute error,MAE）评估ARIMA模型预测的准确性。结果：常州市的最优预测模型为ARIMA（0,1,1）（0,1,1）12,盐城市的最优预测模型为ARIMA（1,1,1）（0,1,1）12。用于预测2017年肺结核月登记发病数时,两市的MAPE分别为8.718 6和16.727 8,RMSE分别为14.061 7和39.487 2,MAE分别为11.381 3和33.349 8。结论：ARIMA模型预测常州市肺结核月登记发病数的拟合效果相对较好,故推测该模型更适用于苏南地区肺结核疫情的短期预测和动态分析。     

基于R语言自回归积分移动平均模型在长沙市三带喙库蚊密度预测中的应用

目的构建长沙市三带喙库蚊自回归积分移动平均模型(autoregressive integrated moving average,ARIMA)并进行预测。方法应用R语言3. 3. 2将2007年1月～2015年6月的三带喙库蚊密度数据构建ARIMA模型,比较2015年7～12月预测值与真实值,对2016年三带喙库蚊密度进行预测。结果三带喙库蚊密度监测数据构建ARIMA(1,1,1)×(1,1,0)₁₂模型,赤池信息准则(AIC)值为487. 98,经检验残差为白噪声(P> 0. 05),模型有效。2015年7～12月预测值与实际值基本一致,均方根误差(RMSE)=3. 021,平均绝对误差(MAE)=2. 132,模型外推良好。结论 ARIMA模型在三带喙库蚊密度短期预测方面有一定可行性。     

基于Prophet等模型的手足口发病预测及对比分析

目的 利用Prophet模型、差分自回归移动平均模型(autoregressive integrated moving average model, ARIMA)和NeuralProphet模型探索我国2008—2018年手足口病(hand-foot-and-mouth disease, HFMD)发病趋势和季节性特征，比较3个模型的拟合及预测效果。方法 收集我国2008—2018年手足口病月发病率数据，2008年1月—2017年12月的发病数据用于构建Prophet、ARIMA和NeuralProphet 3种预测模型，2018年1月—12月的发病数据作为验证集，分析评价各模型的预测性能，选取均方根误差(root mean square error, RMSE)、平均绝对误差(mean absolute error, MAE)作为指标评价预测模型的拟合及预测效果。结果 我国手足口病存在2个发病高峰，主高峰在4～7月，次高峰在9～11月；春节的假期效应远高于其他假期；Prophet模型为最优预测模型。Prophet模型、SARIMA(0,1,3)×(0,1,1)₁₂     

青海省2014-2019年肺结核流行特征及预测模型比较研究

目的分析青海省2014-2019年肺结核流行特征,根据青海省肺结核发病资料建立模型,进行预测模型比较研究。方法采用描述流行病学方法分析青海省2014-2019年肺结核发病三间分布特征,利用青海省2014-2018年肺结核月发病数和年发病数分别建立自回归滑动平均混合模型(autoregressive integrated moving average model, ARIMA)和灰色模型(gray forecast model)GM(1,1),通过回代拟合分别计算两模型的拟合优度(R~2)和平均误差率(mean error rate, MER)评价拟合效果,并通过2019年肺结核实际发病数验证预测效果,从而选择最优模型。结果青海省2014-2019年肺结核报告发病22 677例,平均发病率为63.9/10万,6年间肺结核发病率呈上升趋势(Z=2.287,P0.05),肺结核发病高峰为3、4月;肺结核病例主要以男性(54.6%)、15～55岁(63.9%)、藏族居民(51.8%)和农民(46.7%)、牧民(24.9%)为主;玉树和果洛藏族自治州为肺结核高发病率地区,且三维趋势分析显示肺结核发病率在空间上呈现由南向北逐渐降低、东西方向上中间高两边低的弧形趋势;建立模型为ARIMA(0,1,2)(0,1,0)_(12)和GM(1,1)模型Y(k+1)=15 358.587 5e~(0.165 34k)-12 859.587 5,两模型的拟合优度(R~2)为0.80和0.90,平均误差率为5.74%和2.60%,2019年肺结核实际发病数与两模型预测发病数的残差分别为657和379。结论青海省2014-2019年肺结核发病率呈现上升趋势,应加强高危人群和高发病率地区的肺结核防控。GM(1,1)模型优于ARIMA模型,可用于今后肺结核发病趋势预测研究中。     

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。     

基于经验模态分解的我国布鲁菌病月发病率预测研究

目的　根据我国布鲁菌病（简称布病）月发病率的波动特征,采用经验模态分解（EMD）和时间序列分析,构建布病月发病率预测模型,并预测2017年我国布病月发病率。方法　从公共卫生科学数据中心和国家卫生计生委疾病预防控制局网站,收集并计算2004年1月—2016年12月我国布病月发病率。选取2004年1月—2015年12月的数据作为训练集建模,2016年1—12月的数据作为测试集验证模型。通过EMD算法将发病率序列分解为本征模态函数（IMF）1~IMF4和趋势项,对IMF1~IMF4建立支持向量机（SVM）模型,对趋势项建立自回归移动平均模型（ARIMA）疏系数模型,最后将5个模型的输出值进行线性加权求和,得出布病月发病率预测值。结果　SVM模型的惩罚参数c的取值范围是0.088 4~100.000 0,核函数参数g的取值范围是0.010 0~128.000 0;ARIMA((1,12,24),1,0)模型中,常数项及滞后1、12、24阶的自回归系数分别为0.002 003、1.087 788、-0.145 494、0.028 783。本文方法预测2016年1—11月布病发病率的均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）分别为0.020 1、0.016 9、0.066 5,序列未分解单一SVM模型预测2016年1—11月布病发病率的RMSE、MAE、MAPE分别为0.072 2、0.056 0、0.197 5,序列未分解单一ARIMA模型预测2016年1—11月布病发病率的RMSE、MAE、MAPE分别为0.165 0、0.156 2、0.610 0。根据本文方法计算得出2017年1—12月布病发病率预测值为0.287 0/10万人~0.372 6/10万人。结论　本研究根据相关发病率数据构建了基+于EMD和时间序列分析的我国布病月发病率预测模型,其预测误差较小,预测准确度较高;2017年我国布病月发病率预测值约为0.35/10万人。     

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。     

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及Holt-Winters指数平滑模型在河南省肺结核流行趋势预测中的应用

目的:探讨整合移动平均自回归(ARIMA)模型与Holt-Winters指数平滑模型在河南省肺结核流行趋势预测中的应用。方法:收集河南省卫生健康委员会官网上的2013年1月至2022年2月肺结核发病数据,以2013年1月至2020年12月的数据建立时间序列,用以构建ARIMA和Holt-Winters指数平滑预测模型,并用模型预测2021年1月至2022年12月河南省肺结核发病数。结果:河南省肺结核发病具有典型的季节性分布特征,每年3、4月为发病高峰。ARIMA(1,0,1)(2,1,0)_[12]为最终确定的ARIMA模型。Holt-Winters指数平滑模型平滑参数α、β、γ分别为0.218 1,0.000 3和0.000 4,基线level为6 473,slope为-25.82。经Box-Ljung检验,ARIMA模型和Holt-Winters指数平滑模型预测值残差均服从正态分布(χ²=0.219、0.007,P=0.640、0.931)。ARIMA模型预测值的RMSE为374.62,MAPE为5.32%,平均相对误差为10.07%;Ho...     

几种预测模型对中国梅毒发病率预测效果的比较

目的:比较3种预测模型在中国梅毒疫情预测中的效果,筛选最优预测模型。方法:收集2004年至2012年中国梅毒发病率数据,构建灰色模型[GM(1,1)]、趋势外推模型和求和自回归滑动平均(ARIMA)模型,比较预测值和实际值的吻合程度;用2013年发病率数据回代验证,选择相对误差最小的模型预测2014年至2016年的梅毒发病率。结果:中国梅毒发病率呈整体上升趋势,年平均发展速度为1.173,但环比增长速度逐年降低。趋势外推模型中Cubic函数的拟合效果优于GM(1,1),二者对历史数据拟合的平均相对误差分别为1.431%和7.560%。梅毒年发病率序列为白噪声序列(χ2=7.990,P=0.239),不适合用ARIMA模型来预测。采用Cubic函数预测2014年至2016年中国梅毒的发病率,分别为29.553/10万、26.293/10万和20.831/10万。结论:Cubic函数对中国梅毒发病率的预测效果最好。     

基于GM（1,1）模型的恶性肿瘤死亡率的预测

目的：了解辽阳市辽阳县恶性肿瘤死亡情况,介绍GM(1,1)模型预测辽阳市辽阳县恶性肿瘤死亡率。方法收集辽阳市辽阳县2008-2015年恶性肿瘤死亡数据,并应用GM(1,1)模型对其进行动态预测。结果 GM(1,1)预测模型为x^(1)k+1=(x1(0)-μ/α)e-αk+μ/α=6315.220.023Ik-6177.06,预测精度优,预测2016年和2017年辽阳市辽阳县恶性肿瘤死亡率分别为173.50/10万和177.55/10万。结论 GM(1,1)模型能够用于恶性肿瘤死亡率预测。     

ARIMA乘积季节模型在河北省唐山市布鲁氏菌病发病预测中的应用

目的了解唐山市2007-2017年布鲁氏菌病(简称布病)月发病数的趋势性和季节性,建立布病分析模型,为布病短期预测与防治提供决策依据。方法收集唐山市2007-2017年布病月发病人数,构建ARIMA乘积季节模型,并进行短期预测预报。结果唐山市2007-2017年布病疫情呈逐步上升趋势,尤其2013年后大幅攀升。从季节性来看,每年的5～7月为发病高峰。选取的最优模型为ARIMA(0,1,0)(1,1,0) 12。运用此模型对2018年1～6月唐山市布病月发病数进行预测,各月预测值分别为11、12、16、16、24、20例。结论 ARIMA乘积季节模型拟合唐山市布病月发病数的时间序列模型精度较高,适合唐山市布病发病数的短期预测。     

空间插值法结合ARIMA模型和灰色模型在我国HIV发病率预测中的应用与比较

探索空间插值法结合自回归移动平均模型(ARIMA)和灰色模型(GM模型)在人类免疫缺陷病毒(HIV)发病率的时间序列数据时空分布和预测分析中的应用与比较。方法 从中国疾病预防控制中心传染病数据库中提取2007—2018年我国HIV发病数据,使用克里格空间插值法分析HIV平均发病率分布和时空变化趋势,构建ARIMA和GM(1,1)预测模型,通过平均绝对百分误差(MAPE)评价不同模型的预测效果。结果2007—2018年全国HIV发病率呈上升趋势,每年第2季度上升达到最高点,第3、4季度开始下降,第1季度下降达最低点。全国西南部和西北部HIV发病率从2007年开始持续升高(新疆、云南最高),2012年以后升高速度变化显著;东部、东北部以及中部部分地区HIV发病率相对较低(河北、山东最低),但也呈逐年上升趋势。ARIMA和GM(1,1)预测模型的MAPE值分别为2.5%和3.8%。结论 2007—2018年全国HIV发病率呈上升趋势,具有一定的季节特征,西南省份平均发病率较高,北方省份发病率较低,12年期间平均发病率自西南向东北方向、西北向东南方向降低;ARIMA模型预测HIV发病率的效果稍优于GM(1,1)模型。     

ARIMA模型在丙型肝炎月发病数预测中的应用

目的 探讨求和自回归移动平均模型(autoregressive integrated moving average,ARIMA)在丙肝发病趋势预测中的可行性,为卫生行政部门丙肝防控工作提供参考依据.方法 运用SPSS 26.0软件对辽宁省朝阳市2009—2020年丙肝月发病数进行ARIMA模型的建模拟合,预测2021年1月至2021年12月朝阳市丙肝的月发病数,采用平均绝对百分比误差(MAPE)和均方根误差(RMSE)评价预测模型.结果 根据2009—2019年每年朝阳市丙肝月发病数为基础建立时间序列,构建的最优模型为ARIMA(1,1,2)(1,1,2)12,该模型Ljung-BoxQ值为0.204,P>0.05,可认为残差序列为白噪声序列,模型各参数t检验P<0.05,参数检验具有统计学意义;运用该模型预测2018年、2020年每月的丙肝发病数,与实际发病数进行比较,得到MAPE分别为6.40％和9.41％,小于10％,RMSE分别为15.92和15.17,小于20,结果较小;预测2021年丙肝发病数为1885例.结论 ARIMA模型能较好的预测朝阳市丙肝发病的变动趋势,2021年预测结果提示丙肝的发病呈上升趋势,为丙肝预防控制措施的制定提供一定的科学依据.     

灰色残差GM(1,1)模型在预测肺结核流行趋势中的应用

目的预测西安市肺结核短期流行趋势,探讨灰色模型在疾病预测及效果评价中的作用。方法对西安市1996-2005年肺结核发病率资料分别建立单纯GM(1,1)模型和残差GM(1,1)模型,比较两个模型的拟合优度,选择拟合度好的模型预测肺结核的短期流行趋势。结果单纯GM(1,1)模型的拟合度为"勉强",残差GM(1,1)模型的拟合度为"好"。采用拟合度满意的残差GM(1,1)模型预测西安市2006年和2007年肺结核发病率分别为364.79/10万和523.20/10万,较实际发病率显著降低,降幅分别为72.09%和82.32%。结论 2005年以来西安市结核病防治工作取得初步成效,灰色残差GM(1,1)模型可作预测肺结核的短期流行趋势之用。     

1GM（1，1）季节指数模型在季节性发病情况预测研究中的应用

目的季节性发病具有季节波动性,适宜采用季节指数对原始序列进行修正后建立GM（1,1）预测模型。方法本文以某地区2004-2008年甲型肝炎发病率建立GM（1,1）模型、GM（1,1）季节指数修正模型。结果在有季节性变动的发病率预测中,GM（1,1）季节指数修正模型预测精度明显提高。结论GM（1,1）季节指数模型可以应用于季节性传染病的预测。