山西省痢疾发病趋势的时间序列分析

目的探讨季节性自回归移动平均混合(SARIMA)模型分析预测山西省痢疾发病率的可行性和适用性,为痢疾的预防与控制提供决策依据。方法利用R 3.3.1对山西省2004年1月—2013年12月痢疾月发病率资料进行建模,并以2014年痢疾月发病率资料验证模型的预测效果。结果模型较好地拟合了山西省痢疾月发病率,模型残差为白噪声序列,预测值与实际值的相对误差范围为0.909%~35.575%,平均相对误差为13.399%。结论 SARIMA模型可较好地反映山西省痢疾的发病趋势并进行短期预测。     

香港地区流行性腮腺炎月发病例数SARIMA模型预测分析

目的研究季节性差分自回归滑动平均模型（SARIMA）拟合季节时间序列的方法,并将其应用于预测香港流行性腮腺炎疫情趋势。方法利用R软件对2000年1月至2012年8月香港流行性腮腺炎月发病例数资料进行建模,用所构建模型进行预测分析。结果流行性腮腺炎发病呈上升趋势,SARIMA（2,1,1）×（1,1,1）。：模型较好地拟合了香港流行性腮腺炎的月发病例数,模型残差为白噪声序列,回代考核平均相对误差为17．5％;后8个月的数据作为前瞻性预测考核,平均相对误差为16．4％。结论SARIMA模型较好地模拟腮腺炎的流行特征,并进行中、短期预测。     

GARCH模型在门诊量预测中的应用

应用GARCH模型理论分析某医院2003年至2012年月门诊量变化趋势,并建立AR（1）-IGARCH（2,1）模型,比较2003年至2012年月门诊实测值和模型预测值,其平均相对误差为0.057%,然后应用AR（1）-IGARCH（2,1）模型预测了2013年和2014年该院的月门诊量,比较2013年1月至6月月门诊量实测值和模型预测值,其平均相对误差为0.67%.分析结果表明GARCH模型能很好地追踪门诊量变化趋势.     

重庆市手足口病多种预警模型的建立与评估

目的：构建多种重庆市手足口病（hand,foot and mouth disease,HFMD）疫情预测模型并评价模型的拟合和预测效果,为卫生部门提供准确的疾病动态及预警预告奠定基础。方法：对重庆市2009至2014 年HFMD月发病率资料分别建立3种单一预测模型（SARIMA、BPNN和Elman神经网络）和3种组合预测模型（SARIMA-BPNN、SARIMA-Elman、BPNN-Elman）,利用2015年HFMD月发病率资料对各个模型进行拟合和评价,并选择最优预警模型预测2016至2017年重庆市HFMD发病率。结果：SARIMA模型、BPNN模型、Elman模型、SARIMA-BPNN组合模型、SARIMA-Elman组合模型、BPNN-Elman组合模型拟合及预测的平均绝对误差（mean absolute error,MAE）、平均误差率（mean error rate,MPAE）、预测准确度（prediction accuracy,P）、非线性相关系数（non-linear correlation coefficient,RNL）和平均相对误差（mean relative error,MRE）分别为0.595、0.515、0.485、0.551、0.493;0.265、0.229、0.771、0.673、0.029;0.234、0.202、0.798、0.737、0.142;0.248、0.215、0.785、0.714、0.101;0.328、0.284、0.716、0.620、0.103;0.229、0.198、0.802、0.745、0.071。综合各个评价指标,选出本次研究最优预测模型为BPNN-Elman组合模型,并采用BPNN-Elman组合模型预测出2016年和2017年重庆市HFMD年平均发病率分别为162.8/10万和160.9/10万,95%置信区间为-0.236~0.184。结论：BPNN-Elman组合模型预测效果最优,能较好预测重庆市HFMD发病情况,为HFMD防控提供科学依据。     

DLNM和LSTM神经网络对临沂市手足口病发病的预测效果比较

目的运用分布滞后非线性模型(DLNM)和长短期记忆(LSTM)神经网络对山东省临沂市手足口病(HFMD)发病趋势进行分析和预测,为该病的有效防控提供参考依据。方法对临沂市2011年1月1日至2015年12月31日HFMD日发病数据分别进行DLNM和LSTM神经网络建模拟合,以2016年1月1日至2017年12月31日发病数据检验并比较两模型的预测效果。结果 2011年1月1日至2017年12月31日临沂市共报告HFMD 25 999例。DLNM和LSTM神经网络外推预测2016年1月1日至2017年12月31日发病数的均方根误差(RMSE)分别为11.93和5.74,平均绝对误差(MAE)分别为7.93和3.60,提示LSTM神经网络的预测精度优于DLNM,预测结果与实际情况基本一致。结论 LSTM神经网络对临沂市HFMD发病趋势的拟合程度和预测效果较好,可为该病的预测预警提供指导。     

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。     

SARIMA模型在南昌市HIV/AIDS疫情预测中的应用

目的探讨利用季节性差分自回归移动平均模型（SARIMA）模型预测南昌市HIV/AIDS发病情况,为该市艾滋病防控提供决策依据。方法基于艾滋病综合防治信息系统中2007年1月至2016年12月HIV/AIDS病例人数建立SARIMA模型,用2017年1—6月HIV/AIDS病例数验证模型的预测效果,然后用建立的模型预测2017年7—12月HIV/AIDS病例数。结果南昌市2007—2016年共报告HIV/AIDS病例数2218例,且HIV/AIDS病例数呈逐年上升趋势,发病具有明显的季节性特征。最终建立的最优模型为SARIMA（0,1,1）×（0,0,1）12,赤池信息准则（AIC）为771.0,平均绝对百分误差（MAPE）为29.6%,且通过Ljung-Box检验,模型残差为白噪声（P=0.686）。模型对2017年1—6月发病数进行预测,均在95%置信区间内,且与实际报告病例数变动的趋势一致,验证了模型合理性。模型预测2017年7—12月HIV/AIDS病例数也符合之前流行趋势。结论 SARIMA模型能较好地拟合南昌市HIV/AIDS按月发病人数的动态变化,可用于HIV/AIDS疫情的短期预测。     

自回归求和移动平均模型在流感发病预测中的应用

目的探讨应用自回归求和移动平均季节模型(ARIMA)进行流感发病率的拟合和预测,为流感疫情预警提供依据。方法运用统计分析软件对陕西省2008—2014年每月的流感网络报告发病率数据进行模型拟合,建立ARIMA模型,用2015年的数据来检验ARIMA模型的预测效果。结果陕西省2008年1月—2014年12月流感的平均年发病率为0.74/10万,将时间序列分解为总体趋势、季节趋势及随机误差,流感发病整体呈缓慢上升,发病率存在明显的季节性,冬春季出现高峰,随机误差保持在一定水平;ARIMA(0,0,1)×(0,1,1)12模型能较好拟合既往时间段内流感的发病率,且对2015年1—12月流感月发病率的预测值与实际值基本吻合,模型预测值与实际值的绝对误差、相对误差平均值分别为0.18和0.26。结论 ARIMA(0,0,1)×(0,1,1)_(12)模型可以作为陕西省流感月发病率的短期预测模型。     

SARIMA模型在苏州市肺结核发病预测中的应用

目的 建立苏州市肺结核发病的SARIMA模型并预测发病,为苏州市肺结核防控提供参考。方法 收集结核病信息管理系统（新）中苏州市2010年1月—2018年12月肺结核月发病数,通过时间序列分析建立SARIMA模型并预测苏州市2019年肺结核的发病情况。结果 苏州市肺结核发病数具有明显的季节周期性,每年的发病最高峰为5月,发病最低谷为2月。苏州市肺结核发病数的最佳拟合模型为SARIMA (0,1,1)×(0,1,1)₁₂,AIC=9.590,SBC=9.644,模型参数均具有统计学意义,模型残差为白噪声序列,模型的预测值与实际值平均绝对百分比误差MAPE=7.943%,模型预测精度较高。预测苏州市2019年肺结核发病数为3 467例,月发病数平均值为289例,发病水平较2018年略有下降。结论 SARIMA(0,1,1)×(0,1,1)₁₂模型能较好拟合出苏州市肺结核发病数的时间变化趋势,可应用于苏州市肺结核月发病数的短期预测。     

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。     

基于谷歌趋势的乙型肝炎预测模型

目的 探讨结合谷歌趋势进行预测的状态空间模型应用于乙型肝炎的可行性。方法 采用SAS 9.13软件进行数据分析和建模。以2005年1月2日—2010年12月26日的重庆市乙型肝炎实际发病数和谷歌趋势数据建立状态空间模型,并用2011年1月2日—6月19日的实际发病数据进行模型验证。结果 重庆市乙型肝炎发病情况适合用结合谷歌趋势指数进行预测的状态空间模型,预测值与实际值的平均相对误差为7.44%,预测效果良好。结论 结合网络搜索引擎的数据对乙型肝炎的预测是可行的。     

ARIMA模型在乙肝发病预测中的应用

目的 拟合ARIMA模型对迁安市乙肝发病趋势进行时间序列分析和预测,为乙肝预警系统提供决策依据.方法 收集迁安市2004年1月～2010年12月乙肝月发病率资料,利用SPSS统计分析软件拟合ARIMA模型并预测2011年乙肝逐月发病率.结果 拟合最佳模型为ARIMA(0,1,1)(1,1,0)12,残差为白噪声序列,预测值与实际值的平均相对误差为0.133,预测结果较为可靠.结论 利用ARIMA模型进行乙肝发病率的短期预测,预测结果符合当前的发病现状及采取的防治措施,能够对乙肝的早期预警模型的建立提供借鉴,从而有针对性地采取相应的控制措施.     

2005—2021年山东省流行性腮腺炎发病的流行特征分析

目的 分析2005—2021年山东省流行性腮腺炎发病的流行特征和趋势变化,为流行性腮腺炎的防治策略提供科学依据。方法 收集整理2005—2021年山东省流行性腮腺炎的月发病数据,对发病数据的年龄、疫苗接种情况进行描述分析,采用季节指数法和圆形分布法进行趋势分析。结果 2005—2021年山东省流行性腮腺炎共发病158 271例。2011—2013年为流行性腮腺炎高发年,20岁以下儿童青少年发病数占较大比例,2014年以后免疫接种达90%以上。2005—2010年及2014—2021年1月和4—7月季节指数>100%,2011—2013年1月、4—7月和12月季节指数>100%。圆形分布法得出山东省流行性腮腺炎3—8月高峰日为5月31日,高峰期为5月12日—6月19日;9月至次年2月高峰日为12月18日,高峰期为11月30日至次年1月3日。2011—2013年流行性腮腺炎发病高峰期最长,2014—2021年最短。结论 山东省2005—2021年流行性腮腺炎发病呈下降趋势,5～14岁儿童青少年是发病的重点人群,疫苗能有效预防流行性腮腺炎的发生。每年仍需做好流行性腮腺炎的监管与防...     

ARIMA模型和SVM模型联合在感染性腹泻发病预测中的应用

目的利用某三甲医院2012年1月～2018年2月的腹泻发病例数建立求和自回归移动平均(ARIMA)乘积季节模型与支持向量机(SVM)联合模型,分析并预测感染性腹泻在季节上的流行趋势。方法使用某三甲医院2012年1月～2018年2月的感染性腹泻发病例数拟合ARIMA和SVM联合模型,以2018年3～6月腹泻发病例数作为测试集,验证联合模型的预测效果。结果单一ARIMA筛选出的最优模型为ARIMA(0,0,1)(0,1,1)_(12),验证2018年3～6月感染性腹泻发病与实际值的平均相对误差为13.6%,ARIMA-SVM联合模型平均相对误差为11%,实际值均在预测值95%可信区间内。结论 ARIMA与SVM联合模型对感染性腹泻发病的拟合情况优于单一ARIMA模型,可用于感染性腹泻发病的短期预测和动态分析。     

基于支持向量机模型的河南艾滋病发病率预测

探索适合于河南省艾滋病发病趋势的预测模型,准确、快速地预测未来发病变化趋势,为制定艾滋病预防控制的策略和措施提供参考依据。方法收集河南省2000～2014 年艾滋病发病率数据,采用支持向量机模型建立其发病率预测模型。其中2000～2013 年发病率数据为训练样本,2014 年发病率数据为检验样本。以平均相对误差作为预测效果的评价指标。并用该模型对河南省2015～2019 年艾滋病的发病率进行预测。结果建立的支持向量机模型的平均相对误差为0.5512%。经预测,河南省2015～2019 年艾滋病的发病率分别为0.85/10 万、1.84/10 万、1.64/10 万、1.30/10 万、2.01/10 万。结论支持向量机模型有较高的预测精度及较小的预测误差,适用于河南省艾滋病的发病率预测。     

自回归求和移动平均乘积季节模型在我国布鲁菌病短期月发病人数预测中的应用

目的 研究我国布鲁菌病（布病）月发病人数的趋势性和季节性,探讨自回归求和移动平均（ARIMA）乘积季节模型预测我国布病短期月发病人数的效果。方法 收集2004年1月—2015年5月我国布病月发病人数（共137组）,进行时间序列分析。数据来自国家卫生和计划生育委员会公布的疫情监测数据。观察我国布病月发病人数的趋势性和季节性,以我国2004-2013年的布病月发病人数作为训练样本,拟合ARIMA乘积季节模型;用2014年1月—2015年5月的发病数据作为校验样本,验证模型;确定最优模型后,预测2015年6-12月我国布病月发病人数。结果 2004-2008年我国布病月发病人数相对平稳,从2009年以后有了明显的上升趋势。从季节性来看,每年的6、7、8月属高发病期,每年的1月和12月处于全年的最低发病期。选取的最优模型为ARIMA（0,1,0）（1,1,0）12,其平均绝对百分误差（MAPE）=13.60,决定系数（R2）=0.881;对模型进行参数显著性检验,一阶季节自回归项（SAR）参数估计值=-0.292,P=0.048。运用ARIMA（0,1,0）（1,1,0）12对2015年6-12月我国布病月发病人数进行预测,其预测值分别为7 709、7 524、6 113、4 458、3 450、3 576、3 760例。结论 从2009年以后,我国布病月发病人数有明显的上升趋势;季节性表现在6～8月为高发病期,12月至来年1月为低发病期。ARIMA乘积季节模型拟合我国布病月发病人数的时间序列模型精度较高,可以用来预测我国布病短期月发病人数。     

结合气象与经济因素应用长短期记忆网络模型预测郑州市手足口病的发病趋势

目的 运用长短期记忆网络（LSTM）模型对郑州市手足口病（HFMD）的发病情况进行预测，为手足口病的防疫工作提供理论指导。方法 利用SPSS 26.0软件对HFMD发病数据和气象数据进行Spearman相关性分析，选取相关性较高的影响因素。使用Python 3.9软件建立LSTM神经网络。以2010年至2018年郑州市HFMD逐月发病数作为训练集，以2019年的发病数据作为测试集，建立6种LSTM模型。结果 加入气象因素与经济因素均能提高模型的预测精度，该模型在2019年测试集的平均绝对误差为231.92，均方根误差为273.54，均优于其他类型LSTM模型，并优于常用的差分整合移动平均自回归（ARIMA）模型。结论 在LSTM模型中加入气象因素与经济因素能够提高预测精度，为HFMD的防控工作做出指导。     

SARIMA-SVR组合模型在上海市肺结核流行趋势预测中的应用

目的 构建SARIMA-SVR组合模型,为上海市肺结核预测预警体系的建设和防治策略的制定提供理论依据。方法 基于时间序列分析方法,选取2011年1月—2018年12月上海市肺结核月报告发病数,分别建立季节性自回归移动平均模型(seasonal autoregressive moving average model, SARIMA model)、支持向量回归模型(sopport vector regression model, SVR model)和SARIMA-SVR组合模型,并以2019年1—12月的数据为验证集,对3种模型的拟合精度进行对比。结果 上海市肺结核发病具有季节性特征,且持续时间长,3—9月平均发病数高于全年平均水平。SARIMA、SVR和SARIMA-SVR组合模型均能较好地拟合上海市肺结核发病趋势,其中SARIMA-SVR组合模型预测精度最高,且明显优于对比模型(MAPE=9.70%,RMSE=55.03)。结论 SARIMA-SVR组合模型能较好地预测上海市肺结核的发病趋势,对上海市和其他城市制定肺结核季节性防控措施有一定指导意义。     

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.     

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。