应用灰色模型和指数平滑法预测上海市肾综合征出血热发病率

[目的]预测上海市肾综合征出血热的发病趋势。[方法]利用上海市肾综合征出血热发病资料,建立灰色模型和指数平滑模型来预测本市未来肾综合征出血热的发病率。[结果]上海地区肾综合征出血热发病率（×10-5）的灰色预测模型为：=（1.49-2.3669/0.5823）e-0.5823t＋2.3669/0.5823,拟合检验显示本模型精度等级为一级,能够较好地预测上海市肾综合征出血热发病率;Holter-Winters双参数指数平滑法预测的最小误差平方和与均方根误差最小,通过D-W检验,预测效果较好。[结论]两种方法均可应用于上海市肾综合征出血热发病率的预测。     

SARFIMA模型在肾综合征出血热发病预测中的应用

目的研究季节性自回归分数差分移动平均(SARFIMA)模型预测肾综合征出血热(HFRS)发病率的效果,并与SARIMA模型进行比较。方法收集山东省2009年1月至2018年12月HFRS月发病数据,考虑时间序列的短记忆性和长记忆性,构建SARFIMA模型,以SARIMA模型作为对比,比较两个模型的预测准确性。结果山东省2009-2018年HFRS月发病率具有明显周期性和季节性特征。模型评估表明,SARFIMA模型具有更好的拟合度和预测能力。SARFIMA(1,0.33,3)(1,0,0)₁₂:AIC=-629.76;RMSE=0.028;SARIMA(1,0,3)(1,1,0)₁₂:AIC=-356.43;RMSE=0.033。结论 SARFIMA模型能较好地拟合山东省HFRS月发病率的动态变化,且预测效果优于SARIMA模型。因此,SARFIMA模型可用于HFRS发病率的预测。     

应用ARIMA-GRNN模型对肾综合征出血热发病率时间序列数据的预测研究北大核心CSCD

目的阐述ARIMA-GRNN模型预测肾综合征出血热发病率的方法和步骤,探讨其在综合征出血热发病率预测中的应用。方法利用辽宁省1962-2008年的肾综合征出血热发病率时间序列数据作为训练集,建立ARIMA模型和ARIMA-GRNN模型,选取2009-2011年的数据作为检验集,评价模型的拟合和预测效果。结果 ARIMA(2,1,1)模型和ARIMA-GRNN模型拟合值的平均误差绝对值分别为1.14和0.77;预测值的平均误差绝对值分别为0.53和0.20。ARIMA-GRNN模型的拟合和预测效果均优于ARIMA模型。结论 ARIMA-GRNN模型能有效模拟、预测肾综合征出血热的发病疫情,具有较强的推广应用价值。     

小波神经网络在肾综合症出血热发病率预测中的应用

目的探索小波神经网络在传染病预测中的应用。方法构造小波神经网络对2004年1月至2010年1月我国内地法定报告的肾综合症出血热发病率数据进行训练,对2010年2月至2010年10月相应数据进行预测,并将预测结果与传统的BP神经网络及SARIMA时间序列模型进行比较。结果小波神经网络拟合结果及预测结果的MAPE、MAE及RMSE均小于BP神经网络、SARIMA模型。结论小波神经网络预测效果最优,对于肾综合症出血热等传染病发病率预测具有较好的应用价值。     

应用ARIMA-GRNN模型对肾综合征出血热发病率时间序列数据的预测研究

目的阐述ARIMA-GRNN模型预测肾综合征出血热发病率的方法和步骤,探讨其在综合征出血热发病率预测中的应用。方法利用辽宁省1962-2008年的肾综合征出血热发病率时间序列数据作为训练集,建立ARIMA模型和ARIMA-GRNN模型,选取2009-2011年的数据作为检验集,评价模型的拟合和预测效果。结果 ARIMA(2,1,1)模型和ARIMA-GRNN模型拟合值的平均误差绝对值分别为1.14和0.77;预测值的平均误差绝对值分别为0.53和0.20。ARIMA-GRNN模型的拟合和预测效果均优于ARIMA模型。结论 ARIMA-GRNN模型能有效模拟、预测肾综合征出血热的发病疫情,具有较强的推广应用价值。     

模糊时间序列分析在肾综合征出血热发病率预测的应用初探

目的 探讨模糊时间序列分析在传染病发病率预测的应用价值.方法 采用模糊时间序列分析方法,对2004年1月～2010年7月我国内地法定报告的肾综合征出血热(HFRS)逐月发病率资料建立预测模型,并对2010年8月～2010年11月的相应数据进行预测,并将预测结果与传统SARIMA模型预测结果进行比较.结果 本次研究结果显示,模糊时间序列分析相对于SARIMA模型,有较好的预测能力.结论 模糊时间序列分析对于HFRS等传染病发病率的预测具有较好的应用价值.     

济宁地区肾综合征出血热发病的气象因素分析

目的 对2004-2014年济宁地区11个县市区的气象资料以及肾综合征出血热发病资料进行分析,探讨气象因素对肾综合征出血热发病的影响。方法 分析2004-2014年济宁地区肾综合征出血热病例共计895例,同时收集同期的气象数据,应用Cochran-Armitage趋势检验分析肾综合征出血热发病人数与气象因素的变化趋势,应用Spearman等级相关法分析肾综合征出血热传播与气象因素的相关性。结果 2004-2014年济宁地区肾综合征出血热发病地域性明显,主要集中在西南和东北部;肾综合征出血热在济宁地区发病仍然呈现与以往相似的发病季节特点,大部分县区年发病人数与气象因素之间的无相关性,而月发病人数与气象因素间的相关性较大。肾综合征出血热月发病人数在济宁地区与气温、降水和湿度总体均呈负相关。结论 气象因素对济宁地区肾综合征出血热发病存在明显影响,通过对气象因素的各种预报,对本地区肾综合征出血热的流行趋势进行预测并采取针对性防控措施,可减少肾综合征出血热的发病与流行。     

SARIMA模型和Holt-winters模型在我国丙肝月报告发病人数预测中的应用比较

目的 分析2013-2019年我国丙型病毒性肝炎（丙肝）发病趋势，探讨比较SARIMA模型和Holt-winters模型在我国丙肝发病序列预测中的应用。 方法 基于2013-2018年我国丙肝月发病数据拟合建立SARIMA模型和Holt-winters模型，采用2019年1月-12月发病数据验证两种模型预测效果。 结果 SARIMA模型最优模型为ARIMA(2,1,4)(2,1,2)12，预测平均误差百分比（MAPE）为4.447%，Holt-winters模型最优模型为相加模型，预测平均误差百分比（MAPE）为2.958%。 结论 Holt-winters相加模型预测精度相对较高，可用于我国丙肝发病人数的预测。     

基于SARIMA - SVR模型的喀什地区流行性腮腺炎的流行趋势预测

目的 利用季节性自回归滑动平均模型（seasonal autoregressive integrated moving average，SARIMA）、支持向量回归模型（support vector regression， SVR）对喀什地区流行性腮腺炎( mumps)的月发病数进行预测，在上述两模型的基础上建立SARIMA - SVR组合模型，提高预测的精准度，为控制新疆喀什地区2021年流腮传播趋势提供科学预测。方法 以喀什地区2005年1月—2017年12月的流腮月发病数据为训练集，进行数据的拟合以及预测模型的训练，分别建立SARIMA、SVR、SARIMA - SVR组合模型。对2018年1月—2020年12月的流腮月发病数进行预测，并与实际值相比较，采用均方根误差(root mean square error，RMSE)衡量模型预测性能。结果 ARIMA(2，1，1)(0，0，1)12为最优的SARIMA模型，建立的SARIMA、SVR、SARIMA - SVR组合模型预测2018年1月—2020年12月的喀什地区流腮月发病数的RMSE分别为:9.611、9.545、3.427。结论 SARIMA - SVR组合模型对喀什地区流腮的预测精度高于单一预测模型，故选取该模型建立方式，利用2005年1月—2020年12月的喀什地区流腮月发病数据预测该地区2021年的月发病数。     

SARIMA、GAM和LSTM在肾综合征出血热预测中的应用效果比较

目的分析季节性差分自回归移动平均模型(SARIMA)、广义相加模型(GAM)和长短期记忆神经网络模型(LSTM)在肾综合征出血热(HFRS)发病率拟合及预测中的效果, 为优化HFRS预测模型提供参考。方法在公共卫生科学数据中心(https://www.phsciencedata.cn/)收集全国和HFRS发病率居前9位的省份(黑龙江、陕西、吉林、辽宁、山东、河北、江西、浙江和湖南省)2004-2017年HFRS逐月发病率资料, 其中, 2004-2016年资料作为训练数据, 2017年1-12月资料作为测试数据。利用训练数据拟合全国和9个省份HFRS发病率的SARIMA、GAM、LSTM;利用拟合模型预测2017年1-12月HFRS发病率, 并与测试数据比较。采用平均绝对百分比误差(MAPE)评价模型拟合及预测精度, MAPE < 20%时模型拟合或预测效果为好, 20%～50%为可接受, > 50%为差。结果从总体拟合及预测效果来看, 全国和黑龙江、陕西、吉林、辽宁、江西省的最优模型为SARIMA(MAPE分别为19.68%、20.48%、44.25%、19.59%、23...     

鼠带毒指数预测肾综合征出血热发病率的探讨

目的探讨用鼠带毒指数预测肾综合征出血热发病率的科学性,为制定防治措施提供科学依据。方法根据《全国肾综合征出血热监测方案(试行)》进行监测,运用Spearman相关分析和χ2检验方法对2005~2012年安徽省人间和鼠间肾综合征出血热的发病率与带毒指数进行相关性分析。结果安徽省肾综合征出血热监测点的平均发病率为0.523/10万,非监测点发病率为0.215/10万,差异均有统计学意义(P0.05);根据鼠带毒指数与人间肾综合征出血热发病率,建立线性回归方程模型:带毒指数=0.010+0.087×发病率,预测2013年监测点发病率为0.676/10万,95%的可信区间[0.642/10万,0.709/10万],实际值为0.689/10万。结论根据鼠带毒指数预测人间肾综合征出血热发病水平具有可靠性,对肾综合征出血热疫情的预测预警提供参考。     

南昌市2005－2016年肾综合征出血热疫情分析及预测

目的 通过分析2005－2016年南昌市肾综合征出血热的流行特征,为预防控制肾综合征出血热提供依据。 方法 收集南昌市2005－2016年肾综合征出血热病例资料,分析该病种三间分布,运用自回归滑动平均混合模型(autoregressive integ rated moving average, ARIMA)预测2017年南昌市肾综合征出血热每月发病人数。 结果 南昌市2005－2016年共报告肾综合征出血热591例,死亡8例;年发病率波动在0.60/10万～1.37/10万之间,发病率呈下降(2005－2008年,χ²_趋势=13.586,P<0.001)、上升(2008－2013年,χ²_趋势=16.316,P<0.001)再下降(2013－2016年,χ²_趋势=4.728,P=0.030)过程;发病主高峰在11月至次年1月,次高峰为4-6月,发病数分别占病例总数的43.49%(257/591)和32.32%(191/591);男女发病性别比为2.18∶1;发病地区前四位依次是新建、安义、进贤和南昌县,病例数占全市的84.26%(498/591);10～69岁年龄段发病数占总病例数的95.09%(562/591),其中30～59岁年龄段为高发人群;农民和学生病例分别占55.33%和10.49%。ARIMA模型最终拟合为ARIMA(1,0,0)(0,1,1)₁₂,预测值与实际值的平均相对误差为15.63%。 结论 2005－2016年南昌市肾综合征出血热发病率波动在0.60/10万～1.37/10万之间,以农民和学生病例居多;ARIMA模型能较好预测南昌市HFRS的逐月发病数。     

基于GTWR模型的陕西省HFRS发病影响因素分析

目的 针对陕西省2005-2018年肾综合征出血热发病率和影响因素数据建立时空地理加权回归模型（geographically and temporally weighted regression，GTWR），探究各因素对肾综合征出血热发病的影响。方法 借助主成分分析获取主要影响因素，进行聚类和异常值分析以更好地解释模型结果，通过对比不同模型拟合优度，确定使用GTWR模型进行分析，获取回归系数分布变化情况。结果 陕西省2005-2018年肾综合征出血热高发疫区有北移趋势，主要受自然气候和社会经济活动影响，且影响程度时空分布不均衡。结论 GTWR模型对陕西省肾综合征出血热发病率的影响因素分析比较合理，反映出自然条件的限制和人类活动强度的改变，会导致各因素对出血热发病率的影响程度产生差异。     

动态贝叶斯网络模型和SARIMA模型对手足口病预测效果的比较

目的 采用动态贝叶斯网络模型(dynamic Bayesian networks，DBN)和乘积季节差分自回归移动平均模型(seasonal autoregressive integrated moving average model，SARIMA)对全国手足口病(hand，foot and mouth disease，HFMD)的发病趋势进行预测，为疾病的防控工作提供参考。 方法 使用2009年1月至2018年12月的手足口病月发病数资料作为训练集，分别建立DBN和SARIMA模型，以2019年1月至2019年12月的作为测试集验证两种模型的预测准确度。 结果 在训练集中，DBN的 RMSE 为34 840.283， MAPE 为17.694%，SARIMA的 RMSE 为38 929.570， MAPE 为19.931%，DBN比SARIMA模型的 RMSE 和 MAPE 分别下降了10.50%和11.22%；在测试集中，DBN的 RMSE 为40 285.106， MAPE 为23.345%，SARIMA的 RMSE 为45 461.692， MAPE 为27.686%，DBN比SARIMA模型分别下降了11.39%和15.68%。DBN的拟合及预测效果均优于SARIMA模型。 结论 DBN模型对手足口病的预测效果更优，可以为探索手足口病流行趋势以及制定预防和控制政策提供理论依据。     

动态贝叶斯网络模型在其他感染性腹泻发病预测中的应用

目的 采用其他感染性腹泻月发病数构建动态贝叶斯网络（Dynamic Bayesian Networks, DBN）模型,并与传统预测模型——季节乘积差分自回归移动平均(Seasonal Auto-regressive Integrated Moving Average,SARIMA)模型进行预测表现的比较。 方法 将全国2004年1月至2016年12月其他感染性腹泻月发病数作为训练集并拟合DBN模型与SARIMA模型,采用不同策略,使用两个模型分别预测2017年1月至2017年12月发病数,以MAE、MAPE作为预测表现的衡量指标。 结果 静态预测12期时DBN比SARIMA模型的MAE、MAPE分别下降了12.57%、15.84%;并且在绝大多数情况下,DBN的预测值要更接近实际发病数。动态预测12期显示,DBN比SARIMA模型的MAE、MAPE分别下降6.12%、9.30%。 结论 DBN模型在其他感染性腹泻中的预测表现要优于SARIMA模型,在传染病预测中具有极大的应用潜力。     

建德市肾综合征出血热GM（1,1）模型预测研究

为利用灰色模型ＧＭ（１,１）预测肾综合征出血热（ＨＦＲＳ）年发病率。采用建德市肾综合征血热１９７０～１９９７年年发病率资料建立ＧＭ（１,１）模型,预测１９９８～２００２年ＨＦＲＳ年发病率。结果表明实验预测阶段（１９９３～１９９７年）年发病率结果同实际值吻合,模型精度等级检验良好,能采用ＧＭ（１,１）模型预测１９９８～２００２年ＨＦＲＳ年发病率。表明ＧＭ（１,１）可作为一项快速和简便的方法预测ＨＦＲＳ发病情况,为控制ＨＦＲＳ流行提供一项辅助手段。     

用灰色动态模型预测肾综合征出血热发病率发展趋势

用灰色动态模型预测肾综合征出血热发病率发展趋势江西省高安市卫生防疫站（３３０８００）李金根，夏志勇高安市骨综合征出血热是全国高发区之一［１］，并居江西省之冠．为了观察我市肾综合征出血热流行趋势，本文应用灰色动态模型ＧＭ（１，１），对我市１９８９～１９...     

ARIMA模型在安丘市肾综合征出血热月发病率预测研究中的应用

目的探讨ARIMA模型在安丘市肾综合症出血热月发病率预测中的应用,验证模型的可行性及其适用性。方法基于2000-2014年安丘市肾综合症出血热发病资料,拟合及验证肾综合症出血热的ARIMA模型。结果本研究构建的ARIMA(0,1,1)(0,1,1)12模型,其预测结果与安丘市肾综合症实际发病情况基本吻合。结论 ARIMA模型可用于安丘市肾综合症出血热发病率的短期预测研究。     

河南省肾综合征出血热季节性及其变化趋势分析

目的 用圆形分布法对河南省2001 ～2010年肾综合征出血热疫情资料进行分析,为预防和控制肾综合征出血热提供科学依据.方法 按月统计肾综合征出血热发病数,用圆形分布法探讨其季节性分布特点.结果 除2006和2007年,河南省肾综合征出血热发病具有明显季节性(P＜ 0.01),各年发病高峰日不全相同(P＜0.05).结论 河南省肾综合征出血热发病存在明显的季节高峰,其发病高峰日多集中在11、12月份,近年来肾综合征出血热发病高峰日有前移的趋势.     

深圳市肾综合征出血热时间序列预测分析

目的利用拟合ARIMA模型对深圳市肾综合征出血热(HFRS)的发病趋势进行时间序列分析和预测,为制定HFRS防治策略提供科学依据。方法收集深圳市2005—2014年HFRS季度发病资料,通过SPSS 19.0软件拟合ARIMA模型,预测2015年各季度的发病数。结果最终拟合为ARIMA(0,0,0)(0,1,1)4模型,残差为白噪声序列,预测值与实际值的平均相对误差为28.6%。2015年各季度HFRS发病的预测值符合实际值的变动趋势。结论 ARIMA模型能较好模拟深圳市HFRS的发病趋势。