ARIMA模型在湖南省常德市手足口病发病预测中的应用

目的:构建ARIMA模型预测湖南省常德市手足口病发病趋势,为早期防控提供科学依据。方法:分析处理2010-2015年常德市手足口病发病率时间序列,构建ARIMA模型,对2016-2017年常德市手足口病发病趋势进行预测。结果:通过拟合优度检验和残差序列白噪声检验,得出本研究最优模型为ARIMA(1,0,1)(0,1,1)_(12),正态化BIC=4.235,Ljung-Box=12.019(P=0.678),2016年观测值均位于预测值95%可信区间内,与预测值的相对误差为0.72%-35.09%,预测2017年常德市手足口病月发病率在6月出现最大值,为24.03/10万。结论:该ARIMA模型能够较好拟合常德市手足口病发病趋势,预测效果良好。     

ARIMA乘积季节模型在郑州市肺结核月发病趋势预测中的应用

目的建立郑州市近年肺结核月发病的ARIMA乘积季节模型(SARIMA)并进行预测,探讨该模型在郑州市肺结核早期预测预警中的可行性。方法以郑州市2011-2018年肺结核月发病数为基础,建立适合郑州市肺结核ARIMA乘积季节模型,利用R语言的auto.arima()代码自动得到最优模型后对2019年肺结核发病数进行预测。结果构建的郑州市肺结核月发病预测模型为ARIMA(2,0,0)(0,1,1)_(12),模型参数均有统计学意义(P0.05),模型拟合优度AIC=78.45,BIC=94.04,残差序列为白噪声(Ljung-Box testQ=17.285,P=0.3674),2019年1-12月实际值与拟合值的动态趋势高度吻合。结论本研究建立的ARIMA(2,0,0)(0,1,1)_(12)可用于郑州市肺结核月发病的早期预测。     

季节性ARIMA模型在江门市手足口病疫情预测中的应用

目的构建时间序列ARIMA乘积季节性模型,预测江门市手足口病发病趋势,探讨该模型在预测手足口病发病率中的应用。方法根据2009年1月～2017年6月手足口病月报告发病率时间序列构建模型,以2017年7～12月手足口病发病率为验证数据,验证预测模型效果。结果模型ARIMA(1,0,1)(0,1,1)_(12)为最优模型,其BIC=9.87,Ljung-Box=21.76,P=0.11,2017年7～12月手足口病月发病率预测值和实际值的平均相对误差为18.14%,实际值都在预测值95%置信区间内。结论 ARIMA模型能较好预测手足口病发病变化趋势,模型预测效果有待进一步优化。     

江西省乙型肝炎发病趋势的时间序列和预测模型分析

目的利用乘积季节模型预测江西省乙型肝炎(乙肝)的发病趋势,为江西省乙肝预警预测奠定基础,同时为制定防控措施提供科学依据。方法利用最小二乘原理,应用自回归求和移动平均模型与随机季节模型相结合的乘积季节模型,对江西省1990-2009年乙肝月发病数进行时间序列分析并建立预测模型,用2010年相应数据验证预测效果,并对2010年以后江西乙肝发病趋势进行预测。结果利用1990-2009年资料构建ARIMA(1,1,1)(0,1,1)12模型,所建立的预测效果良好,实际值均在预测值95%可信区间内,预测2011-2014年江西省乙肝发病人数呈上升趋势。结论采用ARIMA乘积季节模型预测江西省乙肝发病情况,拟合及近期预测效果均较好。预测效果符合江西省乙肝发病现状及目前采取的乙肝防治措施。     

乘法季节回归求和移动平均模型在安徽省手足口病预测中的应用研究

目的探讨乘法季节回归求和移动平均模型(ARIMA)在安徽省手足口病发病预测中应用,为手足口病预防控制提供参考。方法根据2009-2014年安徽省手足口病的周发病数据,运用R 3.0.2软件拟合乘法季节性ARIMA模型,并对2015年1~52周发病数进行预测。结果安徽省手足口病预测中最优模型为ARIMA(1,1,1)(0,1,1)52模型,残差统计量检验差异无统计学意义(Box-Ljung=0.004,P=0.950),提示残差为白噪声,模型拟合值和实际值平均绝对误差率为11.32%,2015年1~52周预测值和实际值平均绝对误差率为25.10%。结论建立的乘法季节性ARIMA模型能较好地拟合安徽省手足口病变动趋势,模型预测效果较好,可用于安徽省手足口病短期预测。     

基于专家建模器的ARIMA季节模型在手足口病预测预警中的应用

目的运用专家建模器,探讨自动建立ARIMA季节模型在手足口病发病人数预测预警中的适用性。方法基于岚山区2008～2016年手足口病季度报告发病人数资料,运用SPSS20.0专家建模器建立ARIMA季节模型,2017年发病报告数据验证模型预测效果,最后预测2018年的发病人数。结果专家建模器自动建立的最优模型为ARIMA(1,0,0)(0,1,1)4,各参数均有统计学意义,模型最小BIC指标值为9.29,残差序列经检验为白噪声(Ljing-Box统计量Q=10.27,P=0.85,),拟合值基本接近实际值;2017年各季度预测值与实际值动态趋势基本一致,预测的平均绝对百分比误差9.0,平均绝对误差11.73,均方根误差31.49;预测2018年的手足口病发病人数为592人。结论运用专家建模器自动建立ARIMA季节模型,方法简单、高效,适合基层进行手足口病的预测预警。     

应用ARIMA模型预测石家庄市手足口病发病趋势

目的探讨应用ARIMA模型预测石家庄市手足口病发病趋势的可行性,为手足口病防制提供科学依据。方法收集石家庄市2011-2018年手足口月发病率,利用软件SPSS 19.0构建石家庄市手足口病月发病率ARIMA模型。结果石家庄市手足口病月发病率模型为ARIMA(1,0,1)(0,1,1)12,最小BIC指标值为3.058,Ljung-Box统计量为15.986(P=0.383),模型残差为白噪声序列。2018年7-12月实际月发病率与预测值基本吻合,预测值与实际值的平均相对误差为4.72%,实际值均在预测值95%可信区间。利用该模型进行预测,2019年石家庄市手足口病发病呈上升趋势。结论ARIMA(1,0,1)(0,1,1)12模型可以较为准确地预测短期内石家庄市手足口病发病趋势,可为手足口病的防治工作提供参考。     

上海市流行性腮腺炎疫情时间序列模型建立的初探

【目的】探讨时间序列模型在流行性腮腺炎(流腮)预测中的应用,建立上海市流腮发病的预测模型,预测2017年上海市流腮发病趋势。【方法】收集中国疾病监测信息报告系统中的上海市2005年1月—2016年12月流腮月报告发病资料,使用SPSS软件进行建模,考虑季节因素建立ARIMA(Autoregressive Integrated Moving Average)乘积季节预测模型,并用所建模型预测上海市2017年流腮发病趋势。【结果】ARIMA(1,0,0)(1,1,0)12可较好地拟合流腮发病的时间序列趋势,对2005—2016年流腮发病数预测值与实际值吻合程度高,平均相对误差为8.79%,2017年流腮预测病例数为2 656例。【结论】ARIMA乘积季节模型可较好地拟合流腮发病的时间序列趋势;与2016年相比,预测2017年流腮报告发病数相对平稳。     

ARIMA乘积季节模型在全国布鲁菌病发病预测中的应用

目的应用求和(差分)自回归移动平均(Autoregressive Integrated Moving Average Model,ARIMA)乘积季节模型分析季节性时间序列,建立全国布鲁菌病发病数的预测模型。方法利用中国疾病预防控制中心2011年1月—2016年12月按月报告的布鲁菌病发病数历史疫情数据,采用最大似然法估计模型参数,模型定阶后,建立布鲁菌病按月发病数ARIMA乘积季节预测模型。结果非季节和季节移动平均参数分别为0.357 35、0.666 64,均P0.05,AIC=911.337 2,SBC=917.569 8,均P0.05,据此建立ARIMA(0,1,1)(0,1,1)12乘积季节模型,模型表达式荦荦12xt=(1-0.357 35B)(1-0.666 6412)εt,并开展全国布鲁菌病发病数的预测。结论 ARIMA(0,1,1)(0,1,1)12乘积季节模型可用于预测布鲁菌病的发病情况。     

ARIMA模型在三门峡市手足口病发病预测中的应用

目的 建立以三门峡市手足口病发病数据为基础的整合滑动平均自回归模型(autoregressive integrated moving average model, ARIMA),并利用该模型对三门峡市手足口病的发病数进行预测。 方法 以三门峡市2008年1月—2017年12月的手足口病月发病数据为基础差分平稳化后经过文献查阅和验证建立最优ARIMA,并对2018年1月—12月的手足口病发病数进行预测,通过与实际值的比较评价预测效果。 结果 三门峡市手足口病发病预测模型为ARIMA(1,1,1)×(0,1,1)₁₂ ,模型各项参数均有统计学意义(P<0.001),拟合优度检验BIC=0.287,残差序列为白噪声序列(P=0.10),拟合效果较好。预测了三门峡市2018年1—12月的手足口发病数,并与实际值进行比较,1—2月预测值与实际值符合度较高。 结论 拟合的三门峡市手足口病发病序列模型ARIMA(1,1,1)×(0,1,1)₁₂效果较好,可用于对三门峡市手足口病发病趋势进行短期预测。     

ARIMA模型在手足口病预测预警中的应用

目的研究时间序列分析在手足口病预测预警中的应用,并探讨提高模型预测准确性和实用性的思路。方法应用SPSS 18.0软件对深圳市盐田区2008年1月—2014年4月手足口病发病率进行ARIMA模型拟合,预测2014年5月-12月手足口病发病率。结果模型ARIMA（0,1,0）（0,1,1）12的参数估计值为0.761,t=2.552,P=0.013,经检验参数有统计学意义。且BIC=6.066,在拟合比较的模型中最小,故选定为最佳拟合模型。利用2013年10月—2014年4月实际发病数与预测发病数进行比较,实际值与预测值相对误差的中位数为71%。结论用时间序列分析对手足口病发病情况的拟合结果满意,预测和预警效果良好。     

ARIMA乘积季节模型和LSTM深度神经网络对石家庄市手足口病疫情预测效果的比较

  目的   运用自回归移动平均(autoregressive integrated moving average model, ARIMA)乘积季节模型和长期短期记忆网络(long short term memory, LSTM)对石家庄市手足口病(hand, foot and mouth disease, HFMD)的发病趋势进行预测, 为疫情防控工作提供理论依据。   方法   利用Eviews 8.0和python 3.7.1软件对2013年1月-2018年5月石家庄市HFMD逐月发病数据分别建立ARIMA乘积季节模型和LSTM神经网络, 以2018年6月-2019年5月的发病资料检验模型预测精度, 最后应用模型预测2019年6月-2019年8月的月发病数。   结果   最优模型ARIMA(1, 0, 0)×(1, 1, 2)₁₂和LSTM神经网络外推预测2018年6月-12月的MAPE分别为22.14和10.03, 而外推预测2018年6月至2019年5月的MAPE分别为43.84和25.26, 提示LSTM神经网络的拟合效果和预测精度优于ARIMA模型, 预测结果与实际情况基本一致。   结论   LSTM神经网络对石家庄市HFMD发病趋势的拟合度和预测效果较好, 能够为手足口病疫情的预测预警工作提供指导。     

多种数据模型在手足口病发病预测的应用探讨

目的 应用多种数学模型拟合出手足口病发病最优模型,预测手足口病发病趋势,为疾病防控提供科学依据。 方法 采用SPSS 18.0软件建立差分自回归移动平均模型(autoregressive integrated moving average,ARIMA模型)、差分自回归移动平均模型与多层感知神经网络组合模型(autoregressive integrated moving average and multilayer perceptron, ARIMA-MLP模型)和差分自回归移动平均模型与径向基函数神经网络组合模型(autoregressive integrated moving average and radial basis function , ARIMA-RBF模型),分别对手足口病发病情况进行拟合,通过对三种模型比较,找到预测最优模型。 结果 ARIMA模型的拟合度R²和平均绝对误差MAE值分别为0.725、2.672,ARIMA-MLP模型为0.724、2.672,ARIMA-RBF模型为0.801、2.206。 结论 ARIMA-RBF模型的拟合度最大、平均绝对误差最小模型,拟合效果优于其他两种模型。     

2011-2016年武汉市手足口病流行特征及预测

目的 分析武汉市2011-2016年手足口病疫情流行特征,并利用移动平均法的季节趋势模型对该病疫情趋势进行预测.方法 采用描述性流行病学分析方法分析武汉市手足口病流行特征;应用基于移动平均法的季节趋势模型建立手足口病流行趋势预测模型,对2017年武汉市手足口病发病趋势进行预测.结果 2011-2016年武汉市累计报告手足口病病例数88 573例,年均发病率147.45/10万,年平均增长率15.07％.男女性别比1.61∶1,主要集中在5岁以下幼托儿童及散居儿童;发病大高峰在4～7月,小高峰在11 ～12月.应用基于移动平均法的季节趋势模型预测武汉市2017年手足口病发病趋势显示报告发病数较2016年略有下降且4～7月为流行高峰期.结论 通过对武汉市2011-2016年手足口病监测资料的分析,可确定武汉市2017年手足口病发病的预警线及行动线,为手足口病防控工作提供一定的理论依据.     

基于ARIMA 模型的贵州省2017年流行性乙型脑炎发病预测

目的 探讨ARIMA模型用于预测流行性乙型脑炎发病的可行性,并利用模型预测贵州省2017年乙脑发病趋势。方法 采用SPSS20.0对贵州省2007 - 2016年乙脑报告病例数进行分析并构建ARIMA模型,使用筛选的最优模型预测贵州省2017年乙脑发病。结果 ARIMA（0,0,1）（1,1,0）12模型为最优模型,模型BIC = 6.769,稳定的R2 = 0.496;除常数项外,该模型各参数均有统计学意义,残差序列为白噪声序列。用该模型拟合贵州省2008 - 2016年乙脑月发病数,拟合数与报告数的变化趋势基本相同,差异均无统计学意义（Ｐ＞0.05）;贵州省2017年乙脑预测病例数为41例,高峰仍在7、8月。结论 ARIMA模型可以较好地拟合贵州省乙脑的发病趋势,可用于短期预测;与2016年相比,预测2017年乙脑发病相对平稳。     

应用调整Serfling回归模型估计天津市2010 - 2016年手足口病超额病例数

目的 应用调整Serfling回归模型,估计天津市2010 - 2016年手足口病的超额发病数。方法 利用天津市2010 - 2016年报告的手足口病的分周的发病数,拟合调整Serfling回归模型,估计其相关超额发病数。结果 调整Serfling回归拟合优度检验R2 = 0.916。经调整Serfling回归判定的2010 - 2016年间手足口病的流行周共计105周,占全部周次总数的20.77%。超额发病病例数总数为21 706例,占总发病例数的16.44%。2010 - 2014年超额发病数较多的流行周次主要集中在5 - 7月;2011、2014 - 2016年的10 - 11月出现超额发病情况;自2012年起,连续5年2 - 3月超过流行阈值。结论 应用调整Serfling 回归评估手足口病超额发病拟合效果较好, 除了传统流行季节外,冬春以及秋冬交替季节也应重视手足口病的防控。     

基于干预分析模型的COVID-19疫情对手足口病的影响

目的 利用苏州市某区近年来儿童手足口病(hand, foot and mouth disease, HFMD)发病数据建立预测模型,判断HFMD发病变化趋势,以及推测COVID-19疫情防控对HFMD的影响。方法 根据2009年1月―2019年12月的儿童HFMD监测数据库,利用季节性自回归移动平均(seasonal autoregressive integrated moving average, SARIMA)模型建立HFMD数据预测模型,预测2020年1―10月的发病数,将实际值与预测值进行比较,确定HFMD发病的变化。在最佳SARIMA模型中加入干预变量,确定COVID-19疫情对儿童HFMD发病的影响。结果 与2019年同期儿童HFMD发病情况相比,2020年1―10月发病数均有下降。2020年1―10月儿童HFMD的发病实际趋势与预测趋势差别较大,发病实际值均低于预测值,2020年2―9月的偏离度均超过100%。在SARIMA模型中加入干预变量后分析显示,干预变量的系数为-135.4(P=0.010),说明儿童HFMD的发病例数平均每月减少135例。结论 苏州市某区在202...     

江西省2017-2022年其他感染性腹泻流行趋势和预测分析

目的 分析江西省2017-2022年其他感染性腹泻流行趋势，探讨自回归移动平均（ARIMA）模型在江西省其他感染性腹泻发病预测中的应用，为开展其他感染性腹泻预测和防控工作提供参考。方法 对江西省2017-2022年其他感染性腹泻病例进行描述性流行病学分析，建立ARIMA模型对2023年其他感染性腹泻发病数进行预测。结果 2017-2022年江西省累计报告其他感染性腹泻为204 842例，年均报告发病率为74.32/10万。全年龄段均有病例报告，发病呈明显的季节性特征，存在冬春季（1-3月）和夏秋季（7-9月）两个发病高峰，且冬春季峰值较高。ARIMA（0，1，2）（2，1，0）₁₂和ARIMA（1，0，0）（2，1，0）₁₂模型的各项参数均有统计学意义（P<0.05），且贝叶斯信息准则值最小分别为13.83和9.12，残差系列均为白噪声（P>0.05）；模型预测值与实际值较为吻合，预测趋势与实际趋势一致，模型预测效果较好。结论 2017-2022年其他感染性腹泻发病仍居江西省法定传染病发病前列，防控形势不可忽视，应在流行季加强对防控重点人群≤3岁儿童和散居儿童家庭的疾病监测和健康宣教工作。ARIMA模型可用于江西省其他感染性腹泻发病的短期预测和趋势分析。