ARIMA乘积季节模型在盐城市手足口病疫情预测中的应用

目的 探讨自回归移动平均（autoregressive integrated moving average model,ARIMA）乘积季节模型在盐城市手足口病发病趋势预测的可行性。方法 利用盐城市2009年1月至2015年12月的手足口病月发病率建立ARIMA乘积季节模型,并对2016年手足口病发病趋势进行预测。结果 盐城市手足口病预测模型为ARIMA（1,0,1）（1,1,0）12,该模型的参数估计具有统计学意义,拟合优度检验统计量最小Normalized BIC=2.997,残差序列检验统计量Ljung-Box=20.692（P0.05）,残差为白噪声,模型能够拟合出手足口病的发病趋势,且实际值都在95%可信区间内,但模型拟合的平均误差率为41.296%,检验模型预测效果的平均误差率为23.998%,模型预测精度高于拟合精度。结论 运用ARIMA乘积季节模型能够对盐城市手足口病发病趋势进行预测和动态分析,对手足口病预防控制产生积极的指导作用。     

自回归移动平均模型在预测门诊输液人次中的应用

目的 评价自回归移动平均模型（autoregressive integrated moving average model,ARIMA）在预测门诊输液人次中的作用,为医疗资源配置提供依据。方法 对某医院门诊部治疗室2003年1月至2007年12月的门诊输液患者进行统计分析,并使用SAS的ARIMA过程预测模型对2008年度门诊输液人次进行预测。结果 5年间门诊输液人次逐年增加,在各年度内存在波峰和波谷;不同年度每月门诊量有明显变化,但2月份均为门诊输液人次的低谷期。预测2008年门诊输液人次将明显增加,并呈现出季节性。结论 ARIMA模型可以合理预测各月门诊输液人次的变化,为医疗资源配置提供重要依据。     

时间序列分析在北京市东城区艾滋病病毒感染者和艾滋病患者发病率预测中的应用

目的 探讨应用时间序列差分自回归移动平均模型（ARIMA）预测北京市东城区艾滋病病毒感染者/艾滋病患者（HIV/AIDS）发病率的可行性。方法 应用SAS 9.3软件对北京市东城区2005-2014年HIV/AIDS月发病率构建ARIMA模型,用得到的模型对2015年HIV/AIDS月发病率进行预测,评价模型的拟合和预测效果。结果 ARIMA（0,1,1）（0,1,1）12模型拟合效果较好,但仍有优化的空间,月发病率的实际值均在预测值的95%可信区间内,预测值与实际值拟合趋势一致。结论 ARIMA模型可以对北京市东城区HIV/AIDS月发病率进行预测,为艾滋病疫情预测提供依据。     

基于自回归移动平均模型的浙江省肺结核发病趋势预测

  目的   应用自回归移动平均（ARIMA）模型对浙江省肺结核疫情预测分析,为浙江省肺结核精准化防控工作提供科学依据。   方法   收集2011年1月至2021年8月的浙江省肺结核发病率数据, 基于R软件（4.0.3）利用2011 — 2020年肺结核发病率数据建立ARIMA模型,比较2021年1—8月预测数据和实际数据并选择最优模型。   结果   2011年1月至2020年12月浙江省报告新发肺结核患者总计374 718例,呈逐年下降趋势,每年12月至次年2月发病率较低,3 — 5月相对较高。 确定最优模型为ARIMA（2,1,0）（1,1,2）₁₂,该模型拟合的2021年1 — 8月浙江省肺结核发病率预测值与真实值的平均相对误差为8.87%,赤池信息准则值、贝叶斯信息准则值、均方根误差值和平均绝对百分比误差值分别为95.02、111.05、0.30和4.39。  结论   ARIMA（2,1,0）（1,1,2）₁₂模型能较好地拟合预测浙江省肺结核发病率在时间序列上的变动趋势,但需根据实际情况动态调整,提高预测精度。     

采用自回归移动平均模型预测我国狂犬病病例的研究

目的采用自回归移动平均模型（ARIMA）对我国大陆地区狂犬病月发病数进行预测,为我国狂犬病的防治工作提供参考依据。方法使用SPSS 19.0软件,利用2007年1月至2016年12月我国狂犬病的月发病数建立时间序列模型,并以2017年的月发病数为验证数据,评估和筛选最优模型,使用最优模型对2018年狂犬病流行趋势及发病数进行预测。结果最优模型为ARIMA（0,1,1）（2,1,0）₁₂,其平稳R2＝0.539,均方根误差＝17.653,Ljung-Box Q＝8.932,P＝0.881。 对2017年1—12月的数据进行预测,相对误差为1.55%,2017年我国狂犬病实际发病数为516例,预计2018年发病数将继续下降至398例。结论ARIMA（0,1,1）（2,1,0）₁₂模型能很好地拟合狂犬病发病的长期趋势和季节趋势,回代拟合和短期预测效果较理想。     

时序预测模型对广州市急救需求量的预测价值

目的探讨时序预测模型中的差分自回归滑动平均(ARIMA)和自回归(AR)模型在预测广州市急救调度日出车数量方面的价值。方法采用Matlab仿真软件对广州市2021年1月1日至2021年12月31日的急救调度出车记录分析计算日出车数量时间序列, 对该序列进行时序预测模型辨识, 得到ARIMA(1,1,1)、AR(4)以及AR(7)模型, 利用这些模型对日出车数量做出预测拟合。ARIMA(1,1,1)模型将数据分为训练集和测试集, 参数运算采用Prony方法, 预测拟合未来的出车数量;AR(4)和AR(7)模型采用均匀系数, 预测当天出车数量。结果 ARIMA(1,1,1)、AR(4)以及AR(7)都可以实现对日出车数量的有效预测, ARIMA(1,1,1)的预测拟合误差随着预测时间的延长下降。两个月内的急救调度日出车量预测拟合平均绝对百分比误差(MAPE)低于6%, 结果基本都位于95%置信区间内, 利用模型的残差分析验证了模型显著有效。结论 ARIMA模型可以对两个月内的急救调度日出车量做长期预测拟合, AR模型可以对急救调度日出车量做短期有效预测。     

基于ARIMA模型对海南某医院的医院感染发病率的预测研究

摘要 目的 探索ARIMA模型在预测医院感染发病率趋势中的应用价值,为进一步防控工作提供指导。方法 回顾性采集海南某医院2009-2018年住院患者的医院感染发病率数据,构建ARIMA模型并评价模型精度,预测2019年7月至2020年6月的医院感染月发病率。结果 本次研究最终确定ARIMA(0,1,1)模型为最优模型(BIC=-2.068,MAPE=10.574),残差序列Ljung-Box检验为白噪声(Q=9.864,P=0.909),模型拟合精度良好,预测2019年7月-2020年6月的月平均发病率为2.79%。结论 ARIMA(0,1,1)模型拟合该院医院感染发病率效果较好,可用于短期预测发病趋势和早期预警,有助于指导医院感染宏观防控决策的制定。     

自回归移动平均模型在全国手足口病疫情预测中的应用

目的探讨应用时间序列基于季节性差分的自回归移动平均模型(autoregressive integrated moving average,ARIMA)预测全国手足口病的发病情况。方法利用"中国疾病预防控制信息系统"中的"疾病监测信息报告管理系统"(又称"传染病疫情信息网络直报系统")的资料,应用SPSS 19.0统计软件、采用ARIMA,对全国2009年1月至2012年12月手足口病逐月发病情况进行建模和拟合,利用所得到的模型对2013年1-6月的发病情况进行预测,并评价其预测效果。结果分析结果显示,手足口病发病以年为周期,1年中5-6月为高发月。非季节移动平均参数滞后两次后为0.532,t检验的P值为0.003,差异有统计学意义。BIC=21.955,Ljung-Box统计量检验残差序列为白噪声序列。最佳ARIMA(0,1,2),(0,1,0)12预测的平均相对误差为0.52,预测效果一般。按照不同发病模式分为两层后分别建立ARIMA,平均相对误差为0.12,预测效果好。结论对监测数据进行时间序列分析是用于传染病预测的一个重要的工具。分析发现中国不能用一个ARIMA拟合手足口病资料,因地区间发病的变异和模式不同;按手足口病的发病模式将各省分为单峰和双峰两层,分别拟合ARIMA,模型拟合效果更好。     

自回归综合移动平均模型对天津市甲型肝炎发病预测

目的　用自回归综合移动平均模型（ARIMA）季节乘积模型（p,d,q）（P,D,Q）s对天津市甲型肝炎（甲肝）发病资料建模并预测,评价模型的预测效果。方法　通过对差分方法使原始序列平稳,依据AIC和SBC准则确定模型阶数,采用条件最小二乘方法估计模型参数,最终建立起ARIMA预测模型。结果　对甲肝数据建立了乘积ARIMA（2,1,1）（0,1,1）12模型,预测误差为3.72%。结论　ARIMA是一种短期预测精度较高的预测模型。     

时间序列自回归移动平均模型在临床红细胞用量预测中的应用

目的验证自回归移动平均模型(ARIMA)预测临床红细胞用量的可行性,并为血站制定备血计划提供数据支持。方法选择东莞市2006年1月～2011年12月6年的每月临床红细胞用量作为时间序列模型的数据源。利用SPSS软件进行时间序列模型的构建,通过对2012年的前5个月临床红细胞实际用量进行模型检验。并据此对模型预测临床红细胞用量分析的可行性、建模步骤及准确性验证进行了探讨。结果 ARIMA模型计算出的预测值与实际值拟合较好,相对误差较小。1月份相对误差为-6.32%,2月份为13.28%,3月份为7.78%,4月份为3.73%,5月份为3.78%,平均相对误差为4.45%。结论可以应用时间序列自回归移动平均模型对未来的临床红细胞用量进行预测,为血站制定备血计划提供可靠的参考依据。     

应用求和自回归移动平均模型预测 福建省甲型病毒性肝炎疫情

目的 建立福建省甲型病毒性肝炎(甲肝)分月发病数预测预警的求和自回归移动平均(ARIMA)时间序列模型。 方法 利用 SAS 9.0 软件的 PROC ARIMA 综合软件包对《疾病监测信息报告管理系统》收集的福建省2004 - 2010年甲肝分月发病数序列进行ARIMA模型的建模与分析。 结果 福建省2004 - 2010年甲肝分月发病数序列既含有长期的递减趋势又含有以年为周期的季节效应,经1阶12步差分后为平稳非白噪声序列,拟合的相对最优模型为ARIMA 。 结论 拟合甲肝的相对最优ARIMA模型,具有预测和预警的实际应用价值。     

采用自回归移动平均模型预测中国手足口病月发病率

目的 采用自回归移动平均(autoregressive integrated moving average, ARIMA)模型对中国(未含香港、澳门和台湾地区)的手足口病月发病率进行预测,为手足口病预防控制提供参考依据,为ARIMA在传染病预防控制中的运用提供新的领域。 方法 根据2008-2011年全国手足口病月报告发病率时间序列,以2012年1-7月的月发病率作为验证数据,建立中国手足口病月发病率的ARIMA模型。 结果 我国手足口病月发病率模型为ARIMA(1,0,0)(0,1,0)12,模型自回归参数AR1=0.779 (t=7.315,PQ=10.328,P=0.889),提示残差为白噪声。2012年1-7月实际值与预测值的相对误差平均值为28.62%,最大44.57%,最小4.92%。 结论 ARIMA可用于我国手足口病月发病率的预测,模型预测效果的优化有待原始数据进一步积累。     

综合医院非精神科住院病人自杀行为预测ARIMA模型的构建及其应用

[目的]探讨自回归移动平均(ARIMA)模型在自杀行为发病数规律及预测中的应用价值,为综合医院管理部门制定住院病人自杀预防策略提供参考。[方法]应用Eviews 9.0软件,利用2015年1月—2017年12月湖北省45所综合性医院非精神病住院病人的月自杀行为数据建立ARIMA模型,再应用模型对2018年1月—3月自杀行为发病进行预测并与实际值相比较。[结果]建立了含有周期趋势的时间序列模型SARIMA=(5,0,3)(1,1,1)~3模型,较好地拟合了既往时间序列的自杀行为发病数(R~2=0.84,AIC=4.51,SC=5.07,残差序列不相关),模型对自杀行为发病数预测的准确率高达84%。[结论]构建的SARIMA模型适用于湖北地区综合医院住院病人自杀行为发病数的短期预测,应用该模型能起到缓解综合医院住院病人自杀预防中人力资源配置不合理的现状和降低自杀发病数的重要作用。     

乘积季节性ARIMA模型在重症监护病房医院感染发病率预测中的应用

摘要 目的 研究乘积季节性ARIMA（p,d,q）×（P,D,Q）s模型在重症监护病房医院感染发病率预测中的应用价值。方法通过收集某医院重症监护病房（ICU）医院感染发病率,建立乘积季节性ARIMA（p,d,q）×（P,D,Q）s模型,对重症监护病房医院感染发病率进行预测。结果ARIMA（1,1,1）×（1,1,1）s 能够较好的拟合该院重症监护病房医院感染发病率情况。此模型医院感染发病率实际值与预测值的吻合程度较高,平均相对误差为0.82%。结论ARIMA（1,1,1）×（1,1,1）s 能够较好地拟合该院重症监护病房医院感染发病率情况,可为医院感染的整体监控提供参考依据。     

时序预测模型对广州市急救需求量的预测价值北大核心CSCD

目的探讨时序预测模型中的差分自回归滑动平均(ARIMA)和自回归(AR)模型在预测广州市急救调度日出车数量方面的价值。方法采用Matlab仿真软件对广州市2021年1月1日至2021年12月31日的急救调度出车记录分析计算日出车数量时间序列,对该序列进行时序预测模型辨识,得到ARIMA(1,1,1)、AR(4)以及AR(7)模型,利用这些模型对日出车数量做出预测拟合。ARIMA(1,1,1)模型将数据分为训练集和测试集,参数运算采用Prony方法,预测拟合未来的出车数量;AR(4)和AR(7)模型采用均匀系数,预测当天出车数量。结果ARIMA(1,1,1)、AR(4)以及AR(7)都可以实现对日出车数量的有效预测,ARIMA(1,1,1)的预测拟合误差随着预测时间的延长下降。两个月内的急救调度日出车量预测拟合平均绝对百分比误差(MAPE)低于6%,结果基本都位于95%置信区间内,利用模型的残差分析验证了模型显著有效。结论ARIMA模型可以对两个月内的急救调度日出车量做长期预测拟合,AR模型可以对急救调度日出车量做短期有效预测。     

求和自回归移动平均模型在陕西省细菌性痢疾发病预测中的应用

目的探讨时间序列模型预测传染性疾病发病率的可行性,应用自回归移动平均(autoregressive integrated moving average,ARIMA)模型对陕西省细菌性痢疾进行预测,为制定细菌性痢疾防治策略提供依据。方法根据2004-2012年陕西省细菌性痢疾月报告发病率的时间序列,以2013年1-12月的月发病率作为验证数据,建立ARIMA模型,并对预测效果进行评价。结果陕西省2004-2012年细菌性痢疾月发病率即含有长期递减趋势又含有以年为周期的季节效应,拟合的相对最佳模型为ARIMA(0,1,1)×(1,1,0)12。残差分析统计量经检验差异无统计学意义(Ljung-Box Q=21.994,P=0.143),提示残差为白噪声。2013年1-12月实际值与预测值的相对误差平均值为20.75%,最大40.37%,最小4.94%。结论 ARIMA模型可以较好地预测陕西省细菌性痢疾的发病趋势,模型预测效果的优化有待原始数据的进一步积累。     

自回归滑动平均混合模型在辽宁省人间布鲁氏菌病发病预测中的应用

目的 了解辽宁省2006-2015年人间和家畜布鲁氏菌病（布病）疫情情况,建立时间序列模型,探索畜牧业因素对人间疫情影响,为布病预测防控提供依据。方法 收集辽宁省2006-2016年布病月发病数,以发病数建立时间序列构建自回归滑动平均混合（ARIMA）模型,对2016年1-6月进行短期预测,结合实际观测值评价预测效果;收集辽宁省同期羊存栏量和疫情,分析与人间发病存在的关联。结果 构建模型ARIMA（1,1,1）（1,1,1）12,月发病数拟合值与实际观测值时间序列基本一致,预测效果良好,但精确度较低。羊年存栏量与人间布病发病数存在正关联性。结论 ARIMA模型预测辽宁省布病发病情况基本可行,加强人畜布病的监测工作,以揭示人与家畜流行病学关系。     

山西省布鲁氏菌病时间序列自回归移动平均模型分析

目的 了解山西省2006 - 2010年布鲁氏菌病(布病)疫情状况,建立布病分析模型,为布病预测与防治提供决策依据。 方法 根据山西省2006 - 2010年布病监测资料,构建时间序列自回归移动平均(ARIMA)模型,并进行了短期预测预报。 结果 所建山西省布病ARIMA模型拟合效果较好,中期布病发病数预测与实际趋势基本一致,结果解释符合专业实际。 结论 ARIMA模型预测山西省布病发病状况可行,结果可信。     

基于时间序列模型对上海市某医院医院感染发病率的预测研究

目的 探索可用于预测医院感染发病趋势的最佳时间序列模型,为进一步防控工作提供指导。方法 以上海市某医院2015年1月—2020年12月医院感染发病率数据为基础,采用时间序列方法建立模型,比较指数平滑模型和自回归滑动平均混合模型(ARIMA)的拟合精度,确定最优预测模型,并预测2021年1—12月医院感染发病率,同时对预测效果进行评价。结果 2015—2020年共监测住院患者631 195例,发生医院感染4 200例,总发病率为0.67%。本次研究最终确定Winters可加性指数平滑模型为最优模型(平稳R²=0.762,MAPE=13.430)。应用Winters可加性指数平滑模型预测2021年1—12月医院感染发病率,实际发病率均在预测值的95%CI范围内。结论 Winters可加性指数平滑模型能较好预测该院医院感染发病情况,可用于医院感染的短期预测和早期预警,并为医院决策提供一定的数据支持。     

求和自回归移动平均模型在江西省结核病发病预测中的应用

目的 探讨时间序列模型预测传染性疾病发病率的可行性,应用时间序列求和自回归移动平均(ARIMA)模型对江西省结核病发病率进行预测,为制定结核病防治策略提供依据。 方法 利用ARIMA乘积季节模型(p,d,q)(P,D,Q)s对2006-2011年江西省结核病分月发病数据进行ARIMA模型的建立与分析,并对预测效果进行评价。 结果 江西省2006-2011年结核病分月发病数即含有长期递减趋势又含有以年为周期的季节效应,拟合的相对最佳模型为ARIMA(0,1,1)(0,1,1)12。 结论 ARIMA乘积季节模型能有效的预测江西省结核病发病率的短期变化趋势。