ARIMA模型在上海市猩红热发病率预测中的应用

目的 探讨差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型在上海市猩红热月发病率预测的应用。方法 利用ARIMA时间序列模型拟合2004年1月—2017年6月上海市猩红热的月发病率资料,并利用最优模型对2017年7—12月猩红热的月发病率进行预测。结果 最终拟合ARIMA(1,1,0)(0,1,1)₁₂模型,其标准化贝叶斯信息准则值(Bayesian information criterion,BIC)(-2.247)最小,残差经Ljung-Box Q(18)检验为白噪声序列,预测值与实际值基本吻合,相对误差在0.35%~16.74%的范围内。结论 ARIMA模型用于上海市猩红热月发病率的短期预测,可应用于定量风险评估等猩红热疫情的预警预测。     

自回归滑动平均混合模型在医院感染发病率预测中的应用研究

目的 探讨自回归滑动平均混合(ARIMA)模型的应用价值,为医院感染的监控和预警模式建立提供辅助信息.方法 以2005年1月-2010年12月宁夏某医院的医院感染发病率建立ARIMA模型,进行样本内回代评价预测模型的可行性,以2011年1-10月的发病率资料作为模型预测评价样本,检测模型预测值和实际值的拟合程度,以相对误差绝对值平均(MAPE)值评价ARIMA模型的预测准确性.结果 ARIMA季节乘积模型(0、1、1)×(0、1、1)12的AIC、SBC值分别为1.9047、1.9752,为最优模型,模型表达式为12 Lnyt=(1+0.6841L)、(1 +0.8003 L12),其样本内拟合MAPE值为23.48％,R2=0.5423,模型具有外推价值,样本外预测MAPE值为12.55％,R2 =0.6213,模型预测精度良好.结论 用ARIMA模型对医院感染发病率的拟合结果满意,预测效果良好,可为医院感染的防治提供参考依据.     

上海市宝山区细菌性痢疾发病率的ARIMA模型研究

目的构建上海市宝山区细菌性痢疾发病率的差分自回归移动平均模型(autoregressive integratedmoving average model,ARIMA),预测上海市宝山区细菌性痢疾的发病趋势。方法引用1997-2010年上海市宝山区细菌性痢疾年发病率资料,通过SPSS 16.0软件拟合ARIMA模型,采用最大似然法估计模型参数,按照残差不相关原则、简洁原则确定模型结构,依据赤池信息量(Akaike information criterion,AIC)与贝叶斯信息量(Bayesianinformation criterion,BIC)准则确定模型的阶数,用Q统计量对模型适应性进行检验,建立ARIMA预测模型。结果自回归参数差异有统计学意义,AIC=20.331,BIC=22.591,统计量Q=7.060<χ20.05,13(29.819),检验表明ARI-MA(1,1,1)模型是适合的。预测宝山区2011-2013年细菌性痢疾的发病率水平会呈缓慢下降趋势。结论 ARI-MA(1,1,1)模型可用于上海市宝山区细菌性痢疾发病情况的动态分析和短期预测。     

基于求和自回归滑动平均模型的道路交通伤害死亡趋势预测分析

目的分析2014-2018年河北省道路交通伤害死亡情况,探讨求和自回归滑动平均模型(autoregressive integrated moving average model,ARIMA)在道路交通伤害死亡趋势预测中的可行性。方法采用描述流行病学分析2014-2018年河北省道路交通伤害死亡概况,运用R 3.5.3软件对河北省2014年1月―2018年6月道路交通伤害月度死亡资料建立ARIMA预测模型,进行整体回代观察拟合效果,比较2018年7月―12月预测值与真实值,评价预测效果。结果2014-2018年河北省累计报告道路交通伤害死亡人数13147例,男性10071例,女性3076例,年均死亡率为17.79/10万,总体呈现下降趋势。构建的最佳预测模型为ARIMA(0,1,1)(0,1,1)12,赤池信息量准则(Akaike information criterion,AIC)为390.64,Schwaz贝叶斯准则(Schwarz Bayesian criterion,SBC)为395.78;残差序列为白噪声序列(均有P>0.05),模型参数非零(均有P<0.05);预测结果实际值均落在预测值95%置信区间内,预测值与实际值之间的相对误差在1.15%~11.85%之间,RMSE=13.65,MAE=10.88,MAPE=4.80%,模型预测性能良好。结论河北省道路交通伤害死亡水平总体呈逐年下降趋势,ARIMA模型可用于道路交通伤害死亡趋势的短期预测。     

GM(1,1)模型和ARIMA模型预测我国淋病发病率

目的比较ARIMA模型和GM(1,1)模型在我国淋病发病率预测中的效果,为完善我国淋病的监测和防制工作提供参考依据。方法收集2004年1月-2012年12月我国淋病的月发病率资料,用SPSS 13.0软件和GM软件2008分别拟合ARIMA模型和GM(1,1)模型,并用2013年每月的数据评价模型的预测效果。结果 GM(1,1)模型的CC=0.818 1、P=0.000 0,拟合效果较差,不适合用于预测我国淋病的月发病率。ARIMA(1,1,0)×(2,1,1)12模型的各参数差异均具有统计学意义(AIC=-170.388,SBC=-157.024),对数似然函数值为90.194,并且残差序列Box-Ljunt统计结果显示统计量差异均无统计学意义(P0.05)。为预测我国淋病月发病率的最佳模型,预测值和实际值的动态趋势基本一致。并用此模型对我国2014年每月淋病发病率进行了预测。结论 GM(1,1)模型不能用于我国淋病月发病率的预测。ARIMA模型是一种短期内预测精度较高的预测模型,预测效果可靠。     

ARIMA乘积季节模型在日喀则市结核病疫情预测中的应用

目的通过构建的自回归滑动平均混合(ARIMA)乘积季节模型预测日喀则市结核病月发病情况,通过比较模型预测值与实际值来评估该模型的预测效果。方法根据日喀则市2010年1月—2016年12月的结核病月发病例数构建ARIMA乘积季节模型,利用该模型预测2017年1—12月的结核病月发病情况,通过比较预测值与实际值来评价拟合模型的预测效果。结果最优模型为ARIMA(1,1,1)(1,1,0)_(12),其参数均通过统计学检验(均P0.05),残差序列为白噪声序列(P0.05),其赤池信息准则(AIC)=679.48,许瓦兹贝叶斯准则(SBC)=686.27,拟合优度相对最好。2017年1—12月的预测值与实际值基本吻合,实际值均落在95%CI内,预测效果较好。结论 ARIMA(1,1,1)(1,1,0)12可用于短期预测日喀则市结核病疫情,预测效果较好,建议要及时根据数据更新及其他的因素更新模型,以确保模型的预测价值。     

基于ARIMA的新冠肺炎疫情前后结核病流行趋势预测与分析

目的 构建ARIMA季节性模型,探讨新型冠状病毒肺炎疫情(简称新冠肺炎疫情)对结核病流行特征的影响,预测上海市宝山区结核病流行趋势。方法 收集上海市宝山区2009—2021年结核病月发病率资料,构建ARIMA季节性模型,验证预测模型效果,分析预测误差的原因。结果 上海市宝山区结核病月发病率模型为ARIMA(2,0,0)(0,1,1)₁₂,BIC值最小,Ljung-Box统计量Q=23.127,P=0.081,残差序列为白噪声。2019年实际月发病率与预测值变化趋势基本一致,且均在预测值95%可信区间内。受新型冠状病毒肺炎疫情影响,近两年观察值与预测值差异较大,2021年2月观察值在拟合值的95%置信区间外。结论 ARIMA(2,0,0)(0,1,1)₁₂模型能较为准确地预测宝山区新冠肺炎疫情前结核病发病趋势,受新冠肺炎疫情影响时,预测结果偏差较大,需要后疫情时代结核病发病数据来重新建模。     

应用ARIMA模型预测结核病发病率研究

目的应用自回归求和移动平均(ARIMA)模型预测结核病发病率。方法收集浙江省余姚市2006—2016年结核病月发病资料,采用专家建模器和传统建模方法建立ARIMA模型,根据最小贝叶斯信息准则(BIC)值选出最优模型,对2006—2016年结核病月发病率进行回代拟合,并对2017年结核病月发病率进行预测。结果传统建模方法所得模型为ARIMA(0,1,1)(0,1,1)12,专家建模器所得模型为ARIMA(0,0,1)(0,1,1)12;两个模型的残差序列均未突破可信区间,为白噪声过程,均为恰当模型,但ARIMA(0,0,1)(0,1,1)12标准化的BIC值更小,确定为最优模型。对余姚市2006—2016年结核病月发病率进行回代拟合,实际发病率均落入拟合值的95%CI内,模型预测值能较好拟合原始数据;预测余姚市2017年1—12月结核病月发病率,预测值与实际值的平均相对误差为9.05%。结论应用专家建模器构建的ARIMA模型可较好地预测结核病发病率。     

上海浦东新区手足口病发病率预测的自回归求和滑动平均模型构建与应用

目的 探讨应用自回归求和滑动平均(autoregressive integrated moving average,ARIMA)模型预测浦东新区手足口病发病率的可行性.方法 基于2010-2015年浦东新区的逐月手足口病发病率,建立最优ARIMA模型,回代预测2015年的手足口病发病率,比较预测值与实际值的差异,并预测2016年的手足口病发病率.结果 模型ARIMA(1,1,1)(1,1,0)12较好拟合了既往手足口病发病率的时间序列,2015年逐月发病率的预测值符合实际值的变动趋势,全年发病率预测值与实际值的相对误差率为1.81％.预测2016年浦东新区手足口病发病率为269.97/10万.结论 ARIMA模型可用于短期预测未来的手足口病发病率.     

浙江省细菌性痢疾月发病率ARIMA模型建立及预测分析

目的构建ARIMA模型预测浙江省细菌性痢疾的月发病率。方法利用SAS 9.0统计软件对浙江省2001—2011年2月的细菌性痢疾发病率数据建立ARIMA模型,并进行预测分析。结果拟合ARIMA(1,0,0)12模型的AIC为227.23,为细菌性痢疾的月发病率最佳模型,该模型预测值与实际值的平均相对误差为15.9%,实际值都在95%的可信限之内,预测值与实际值较为接近。结论 ARIMA模型可以较好的预测细菌性痢疾发病率的变化趋势,能够运用于细菌性痢疾发病趋势的预测及预警,为防控措施的制定提供参考。     

自回归移动平均模型在细菌性痢疾流行趋势预测中的应用

目的探讨时间序列分析中自回归移动平均模型在六安市细菌性痢疾发病预测的可行性和适用性,为早期做好防控工作提供科学依据。方法使用SPSS 17.0软件对六安市2003年1月～2012年12月的细菌性痢疾月发病率建立ARIMA模型,以2013年的1～7月实际发病率作为预测模型的考核样本,验证模型的预测效果。结果六安市细菌性痢疾月发病率模型为ARIMA（0,0,1）×（0,1,1）12,模型移动平均参数MA1=-0.473（t=-5.153,P〈0.05）,季节移动平均参数SMA1=0.937（t=2.494,P=0.014）;残差分析Ljung-BoxQ统计量经检验,差异无统计学意义（Ljung-BoxQ=10.208,P=0.856）,提示残差为白噪声。模型预测的平均相对误差为27.82%,但预测的动态趋势与实际值基本吻合,且实际值均在预测值的95%可信区间内。结论 ARIMA（0,0,1）×（0,1,1）12模型可为六安市细菌性痢疾的防控提供参考。     

自回归求和移动平均季节乘积模型在结核病发病率预测中的应用

目的探讨自回归求和移动平均（autoregressive integrated moving average,ARIMA）季节乘积模型在季节性时间序列资料分析中的应用,建立结核病发病率的预测模型。方法利用重庆市结核病防治所登记的某区1993至2004年结核病新发病例数及该区各年的平均人口数,采用条件最小二乘法估计模型参数,按照残差不相关原则、简洁原则确定模型的结构,依据Akaike信息准则（Akaike’s information criterion,AIC）与Schwartz的贝叶斯信息准则（Bayesian information criterion,BIC）确定模型的阶数,建立结核病发病率ARIMA季节乘积预测模型。结果非季节和季节移动平均参数分别为0．84076和0．46602,t检验的P值均小于0．05,有统计学意义,方差估计值为0．088589,AIC=19．75979,SBC=23．28219,显示模型提取序列中几乎所有的样本相关信息。对模型进行残差白噪声分析,X^2检验统计量的P值均大于0．05,表明ARIMA（0,1,1）（0,1,1）。NOINT模型是有效的。结论ARIMA（0,1,1）（0,1,1）。NOINT模型是一种短期内预测精度较高的结核病发病率预测模型。     

ＡＲＩＭＡ 模型在婴儿死亡率预测中的应用

摘要：目的　探讨应用自回归滑动平均混合模型（ａｕｔｏｒｅｇｒｅｓｓｉｖｅｉｎｔｅｇｒａｔｅｄ ｍｏｖｉｎｇａｖｅｒａｇｅ,ＡＲＩＭＡ） 预
测婴儿死亡率的可行性。方法　运用ＳＰＳＳ１６．０ 对１９９１－２０１２ 年山西省妇幼卫生年报婴儿死亡率建立
ＡＲＩＭＡ 模型,用所建模型比较预测值与实际值差异,并预测２０１３－２０１５年山西省婴儿死亡率。结果　模
型ＡＲＩＭＡ （１,２,０）较好地拟合了既往时间段的婴儿死亡率的时间序列, 模型自回归参数ＡＲ１＝
－０．７５４,犘＜０．０１,有统计学意义, 赤池信息准则（ＡＩＣ） ＝６８．２１３, 许瓦兹贝叶斯准则（ＳＢＣ） ＝
７０．２０４,模型残差为白噪声（犘＞０．０５）, 模型数学函数式为＾ 犢狋＝０．０６７＋１．２４６犢狋－１ ＋０．５０８犢狋－２ －
０．７５４犢狋－３,利用模型预测２０１３－２０１５ 年婴儿死亡率分别为４．７７‰、４．３２‰、３．９６‰。结论　ＡＲＩＭＡ 模
型能够较好地拟合婴儿死亡率的时间变化趋势,并用于短期预测未来婴儿死亡率。
关键词：婴儿死亡率;时间序列;ＡＲＩＭＡ 模型
中图分类号：Ｒ１９５．１　　文献标识码：Ａ　　文章编号：１００９ ６６３９ （２０１４）０３ ０２５６ ０４     

ARIMA模型在细菌性痢疾预测中的应用

[目的]探讨应用ARIMA模型进行细菌性痢疾预测、预报的可行性。[方法]应用SPSS13.0软件分析1990～2008年广西细菌性痢疾月发病数资料,构建ARIMA乘积模型,并预测2009～2010年细菌性痢疾月发病数。[结果]最优乘积模型为ARIMA(1,1,1)(0,1,1)12,模型具有较高的预测精度,预测值与实际值基本吻合,且实际值均在预测值可信区间范围内。[结论]ARIMA模型是一种行之有效的预测方法,能够应用于广西细菌性痢疾流行趋势的预测及疫情的预警、预报,为实施干预提供依据。     

探讨ARIMA模型在细菌性痢疾发病预测中的应用

目的 探讨时间序列分析方法中ARIMA模型在细菌性痢疾发病预测方面的应用,验证分析模型的可行性与适用性.方法 利用海南省2000年1月～2009年12月细菌性痢疾发病资料,拟合ARIMA模型,对海南省细菌性痢疾2010年1～9月各月发病率进行预测评价.结果 建立ARIMA(1,0,0)模型,预测结果基本符合实际发病率变动趋势,验证了该模型的可用性.结论ARIMA模型可用于模拟细菌性痢疾发病在时间序列上的变化趋势,进行短期预测.     

中国痢疾发病率的时空分析及短期预测

  目的  分析我国大陆31个省、市、自治区2004-2016年间痢疾发病率的时空相关性,预测全国痢疾短期发病率的效果。  方法  获取我国2004-2016年痢疾发病率资料。使用Arcgis10.5和Geoda软件（2018稳定版）制作可视化发病率分级地图并分析空间相关性,使用自回归移动平均（auto-regressive integrated moving average,ARIMA）模型预测2017年全国痢疾发病率并评价模型效果。  结果  我国2004-2016年痢疾发病率逐年降低,西部地区痢疾发病率普遍高于东部地区,但北京、天津发病率依然较高。发病率基本不存在全局相关,但存在局部聚集。青海由高高聚集转为低高聚集,内蒙古和山西由无局部聚集转为低高聚集,陕西长期呈高高聚集,东南沿海地区长期处于低低聚集。预测全国痢疾月发病率的模型为ARIMA（1,0,0）（2,1,1）₁₂模型,实际发病率均落在预测区间内。  结论  2004-2016年痢疾发病率在空间上没有明显的移动性但有聚集性,北京、天津、陕西及西部地区发病情况依然严峻。使用ARIMA模型可以很好的预测短期痢疾月发病率,应根据发病趋势和聚集情况以及短期预测结果综合制定防控措施。     

2005—2021年湖北省细菌性痢疾流行特征分析及短期发病预测

  目的  分析湖北省细菌性痢疾分布特征,了解其流行规律,预测其发病趋势,为科学制定防控措施提供参考依据。  方法  基于2005—2021年湖北省细菌性痢疾发病数据,采用Spearman秩相关检验、季节指数、K-均值聚类分析流行特征,运用自回归移动平均(auto-regressive integrated moving average,ARIMA)模型拟合数据并进行预测。  结果  细菌性痢疾年均发病率为14.07/10万,发病呈逐年下降趋势(r_s=-0.985,P＜0.001);K-均值聚类将2005—2011年分为一类,2012—2021年分为另一类;5—10月季节指数大于1,7月最大,8月次之;武汉市、仙桃市、宜昌市为高发地区;男女发病比值为1.23∶1,比值随年龄组先下降后上升;0~＜5岁组发病率最高,其次是≥85岁组;病例以散居儿童、农民、学生为主;拟合最优模型为ARIMA(1, 0, 0) (0, 1, 1)₁₂,预测2022年发病率为1.61/10万。  结论  湖北省细菌性痢疾发病率与年份呈负相关;2005—2011年属于高流行水平期,2012—2021年属于低流行水平期,两个时期的流行特征基本一致;细菌性痢疾在夏季、男性、儿童及老年人群体、交通便利人口密集地区高发;2022年发病持续下降,处于低流行水平。     

时间序列分析在阜阳市细菌性痢疾发病预测中的应用

目的探讨时间序列分析在细菌性痢疾发病预测中的应用,验证分析模型的可行性与适用性。方法利用阜阳市2009年1月～2013年6月细菌性痢疾发病资料,拟合自回归移动平均（ARIMA）模型,对阜阳市2013年7～11月各月发病情况进行预测评价。结果建立ARIMA（1,2,0）（0,1,0）12模型,预测结果基本符合实际发病变动趋势,验证了该模型的可行性。结论 ARIMA模型可用于模拟细菌性痢疾发病在时间序列上的变化趋势分析,并进行短期预测。