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。     

ARIMA乘积季节模型在细菌性痢疾月发病率预测中的应用

目的 探讨ARIMA乘积季节性模型在细菌性痢疾月发病率研究中的应用,并预测细菌性痢疾的月发病趋势.方法 对某区2004～ 2008年细菌性痢疾月发病率资料建立ARIMA乘积季节性模型,利用2009年细菌性痢疾月发病率资料对模型参数进行修正,并预测2010年细菌性痢疾月发病率.结果 构建ARIMA(1,0,0)×(1,1,0)12模型,模型决定系数(R2)为0.96.结论 ARIMA(1,0,0)×(1,1,0)12模型可以用于某区细菌性痢疾月发病率的拟合与预测.     

ARIMA模型在深圳市法定传染病发病趋势预测的应用*

目的通过探讨单纯求和自回归滑动平均模型( ARIMA模型) 应用于法定传染病发病率预测的可行性, 为传染病防控工作提供科学依据.方法 采用 SAS 9.2软件对深圳市2004-2014年的病毒性肝炎,细菌性痢疾的月发病率进行ARIMA模型的建模拟合,预测2015年病毒性肝炎,细菌性痢疾的月发病率.结果 ARIMA 模型对病毒性肝炎,细菌性痢疾的拟合效果较好.结论ARIMA 模型对深圳市几种传染病发病的时间序列变动趋势能进行较好的模拟, 因此可以为法定传染病的预测提供依据.2015年预测结果提示病毒性肝炎的发病有上升趋势,需进一步调整相应防控策略.     

ARIMA模型预测南宁市细菌性痢疾的发病趋势

目的 运用自回归移动平均(ARIMA)模型对南宁市2011 -2013年的细菌性痢疾发病趋势进行预测,探索细菌性痢疾的流行规律.方法 以南宁市2004-2010年的细菌性痢疾月发病率数据为基础,用SPSS13.0建立ARIMA预测模型,以2004-2010年的数据验证模型的预测精度.结果 ARIMA(1,0,1)(0,0,0)12模型可以用于拟合南宁市细菌性痢疾的发病情况.南宁市2011 -2013年细菌性痢疾的发病与2010年相比,没有明显的变化,发病呈平稳流行的趋势.结论 ARIMA模型可用于细菌性痢疾发病趋势的短期预测.     

ARIMA模型在深圳市法定传染病发病趋势预测的应用

目的通过探讨单纯求和自回归滑动平均模型(ARIMA模型)应用于法定传染病发病率预测的可行性,为传染病防控工作提供科学依据。方法采用SAS9.2软件对深圳市2004-2014年的病毒性肝炎、细菌性痢疾的月发病率进行ARIMA模型的建模拟合,预测2015年病毒性肝炎、细菌性痢疾的月发病率。结果 ARIMA模型对病毒性肝炎、细菌性痢疾的拟合效果较好。结论 ARIMA模型对深圳市几种传染病发病的时间序列变动趋势能进行较好的模拟,因此可以为法定传染病的预测提供依据。2015年预测结果提示病毒性肝炎的发病有上升趋势,需进一步调整相应防控策略。     

ARIMA模型在东莞市细菌性痢疾预测中的应用

目的探讨ARIMA模型在东莞市细菌性痢疾发病预测的可行性和适用性,为东莞市细菌性痢疾的防控提供参考依据。方法使用SPSS 17.0对2004年1月至2012年4月东莞市细菌性痢疾发病率资料拟合ARIMA模型,利用所得到的模型对东莞市2012年5～7月细菌性痢疾发病率进行预测评价。结果 ARIMA(0,0,1)(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,且实际值都在95%可信区间内。结论 ARIMA(0,0,1)(0,1,1)12模型较好地反映了东莞市细菌性痢疾发病趋势,可作为东莞市细菌性痢疾发病水平短期预测模型。     

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。     

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。     

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。     

时间序列分解法在北京市朝阳区细菌性痢疾周报告发病率预测中的应用

目的 使用时间序列分解法建立数学模型对北京市朝阳区细菌性痢疾报告发病率按"周"进行预测,并评价模型的预测效果.方法 首先使用时间序列分解法剔除时间序列的季节变动因素(S_t),然后对剔除季节因素后的时间序列通过模型识别、参数估计及检验、白噪声检验等过程,建立求和自回归移动平均模型(ARIMA),最后将S_t和ARI-MA相乘得到预测模型.结果 对朝阳区2008年细菌性痢疾报告发病率建立预测模型为S_t×ARIMA(2,1,3),预测的平均误差为-0.06,平均相对误差为2.32%.结论 时间序列分解法可以利用按"周"统计的数据进行预测,缩短了预测周期,并具有较高的短期预测精度.     

ARIMA模型在细菌性痢疾预测中的应用

目的构建北京市昌平区细菌性痢疾月发病的ARIMA模型,为防控工作提供依据。方法应用SPSS 18.0软件分析2004-2010年北京市昌平区细菌性痢疾月发病数资料,构建ARIMA乘积模型,并预测2011年细菌性痢疾月发病数。结果最优乘积模型为ARIMA(1,0,0)(1,1,1)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模型能够应用于北京市昌平区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。     

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。     

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。     

季节时间序列模型在菌痢发病预测中的应用

目的研究SARIMA模型拟合季节时间序列的方法,并将其应用于菌痢发病的预测,探讨该模型进行传染病预警的可行性。方法利用Eviews软件对江苏省菌痢的月发病数据进行建模,首先采用取对数、差分等方法对序列进行平稳化,然后进行模型参数的估计、检验,最优模型的筛选,最后进行预测分析。结果 SARIMA(1,1,2)(1,1,1)12较好地拟合了江苏省菌痢的月发病数据,预测效果良好。结论 SARIMA模型可用于具有季节性、周期性波动的传染病发病的动态分析和短期预测。     

辽宁省2004-2010年洪涝灾害对细菌性痢疾发病影响的分析

目的 研究辽宁省洪涝灾害对细菌性痢疾发病的影响。方法 收集辽宁省2004-2010年细菌性痢疾月发病数据、洪涝灾害、气象和人口数据,运用面板Poisson回归模型定量分析洪涝灾害对细菌性痢疾发病的影响。结果 研究期间细菌性痢疾月平均发病率为2.17/10万,病例主要分布于7-9月。Spearman相关分析显示,洪涝灾害对细菌性痢疾的发病不存在滞后效应。在调整了气象因素对疾病发病的影响后,面板数据分析显示,洪涝灾害对细菌性痢疾发病存在影响,IRR=1.4394(95%CI:1.4081~1.4714)。结论 研究期间辽宁省洪涝灾害可使灾后人群细菌性痢疾的发病风险升高。