安徽省滁州市细菌性痢疾发病率ARIMA模型建立与分析

目的构建安徽省滁州市细菌性痢疾发病率的ARIMA模型,预测细菌性痢疾发病趋势。方法收集1987~2013年安徽省滁州市细菌性痢疾年发病率资料,通过SPSS软件拟合ARIMA模型,采用最大似然法估计模型参数,依据赤池信息准则与贝叶斯信息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。结果通过对参数和模型的拟合优度检验以及残差白噪声序列的检验,最终确定模型为ARIMA(1,1,1)。AIC=5.573,BIC=8.165,统计量Q=8.857χ20.05,26。模型预测值与实际值的平均误差率MER=0.338。结论ARIMA模型能够应用于安徽省滁州市细菌性痢疾流行趋势的预测及预警,为实施干预提供依据。     

应用Python编程语言构建宁波市水痘发病率预测的季节性ARIMA模型

目的 构建水痘发病率预测的季节性求和自回归移动平均(Autoregressive integrated moving average, ARIMA)模型。方法 通过中国疾病预防控制信息系统收集宁波市2008年1月-2021年5月各月水痘发病率数据,按照AIC和BIC准则拟合最优的季节性ARIMA(p, d,q)×(P,D,Q)s模型,对模型进行参数估计,对2021年6-12月各月水痘发病率进行预测。结果 2008年1月-2021年5月宁波市水痘报告发病率总体呈上升趋势,其中2008年1月-2013年12月呈快速上升趋势,2014年1月-2019年12月呈缓慢上升趋势。拟合的最优模型为季节性ARIMA(1,1,2)×(1,1,1)12,AIC和BIC值分别为464.7和575.7,模型残差经Ljung-Box检验为白噪音(P=0.94),2010年1月-2021年5月水痘报告发病率的模型预测值与实际发病率流行趋势一致,模型拟合效果较好。模型预测2021年6-12月的水痘发病高峰为10-12月。结论 拟合的季节性ARIMA(1,1,2)×(1,1,1)12模型能较好地预测宁波市水痘发病率趋...     

上海市痢疾发病率预测自回归求和移动平均模型的构建与应用

目的 探讨构建并应用自回归求和移动平均(autoregressive integrated moving average,ARIMA)模型预测上海市痢疾发病率的可行性.方法 基于1990-2007年上海的逐月痢疾发病率,采用非条件最小二乘法估计模型参数,按照残差不相关原则与简洁原则确定模型结构,依据赤池信息准则(Akaike information criterion,AIC)及许瓦兹贝叶斯准则(Schwarz Bayesian criterion,SBC)确定模型的拟合优度,建立预测上海痢疾发病率的最优ARIMA模型.用所得模型预测上海2008年的痢疾发病率,比较预测值与实际值的差异;再以1990年1月至2009年6月的数据构建模型预测上海2010年的痢疾发病率.结果 模型ARIMA(1,1,1)(0,1,2)_(12)较好拟合了既往时间段痢疾发病率的时间序列,模型自回归参数(AR1=0.443)、移动平均参数(MA1=0.806)与季节移动平均参数(SMA1=0.543、SMA2=0.321)均有统计学意义(P<0.01),AIC值=2.878,SBC值=16.131,模型残差为白噪声,模型数学函数式为(1-0.443B)(1-B)(1-B~(12))Z_t=(1-0.806B)(1-0.543B~(12))(1-0.321B~(2×12)μ_t.2008年逐月痢疾发病率的预测值符合实际值的变动趋势,全年发病率预测值与实际值的相对误差率为6.78%.预测2010年上海市痢疾发病率为9.390/10万.结论 ARIMA模型可以较好地拟合上海市痢疾发病率的时间变化趋势,并可用于预测未来的痢疾发病率,是一种短期预测精度较高的预测模型.     

ARIMA模型预测上海市闸北区手足口病发病趋势

目的应用季节性时间序列ARIMA模型建立手足口病发病趋势预测,为预警、早期防控手足口病流行提供依据。方法应用SPSS13.0对2002年4月-2011年3月8年的手足口病逐月发病率建立ARIMA模型。结果通过对参数和模型的拟合优度检验以及残差白噪声序列的检验,最终确定模型为ARIMA(1,0,0)(2,1,0)12,其中AIC=235.855,BIC=245.942,LB统计量检验残差序列为白噪声序列。结论模型能够有效地预测手足口病发病趋势,对预警预测产生积极的指导作用。     

基于ARIMA的新冠肺炎疫情前后结核病流行趋势预测与分析

目的 构建ARIMA季节性模型,探讨新型冠状病毒肺炎疫情(简称新冠肺炎疫情)对结核病流行特征的影响,预测上海市宝山区结核病流行趋势。方法 收集上海市宝山区2009—2021年结核病月发病率资料,构建ARIMA季节性模型,验证预测模型效果,分析预测误差的原因。结果 上海市宝山区结核病月发病率模型为ARIMA(2,0,0)(0,1,1)₁₂,BIC值最小,Ljung-Box统计量Q=23.127,P=0.081,残差序列为白噪声。2019年实际月发病率与预测值变化趋势基本一致,且均在预测值95%可信区间内。受新型冠状病毒肺炎疫情影响,近两年观察值与预测值差异较大,2021年2月观察值在拟合值的95%置信区间外。结论 ARIMA(2,0,0)(0,1,1)₁₂模型能较为准确地预测宝山区新冠肺炎疫情前结核病发病趋势,受新冠肺炎疫情影响时,预测结果偏差较大,需要后疫情时代结核病发病数据来重新建模。     

季节ARIMA模型在无锡市艾滋病发病预测中的应用

目的 预测无锡市艾滋病发病趋势,探讨自回归滑动平均混合模型(autoregressive integrated moving average model, ARIMA model)在无锡市艾滋病早期预测预警中的可行性。方法 以2007—2018年无锡市艾滋病月报告发病数据为基础,构建最优季节ARIMA模型,运用该模型对2019年无锡市艾滋病月报告发病数进行预测,并将实际值与预测值进行比较。结果 研究构建的最优季节ARIMA模型为ARIMA (2,1,1)(1,1,1)₁₂,ADF检验结果显示,差分后序列呈稳定序列(t=-7.39,P=0.01),AIC为932.43,BIC为949.68,RMSE为7.14。白噪声检验结果为χ²=0.001,P=0.97,实际值基本在预测值的95%CI。结论 ARIMA (2,1,1)(1,1,1)₁₂能较好地拟合无锡市艾滋病月报告发病趋势,可应用于无锡市艾滋病发病的短期预测。     

ARIMA模型在发病率预测中的应用

目的：探讨季节性时间序列ARIMA预测模型在时间序列资料分析中的应用，建立HFRS发病率的预测模型。方法：采用最大似然法估计模型参数，按照残差不相关原则、简洁原则确定模型的结构，依据AIC与BIC准则确定模型的阶数，建立ARIMA预测模型。结果：季节自回归参数有统计学意义，方差估计值为4.230，AIC=309.523，BIC=311.78。对模型进行白噪声残差分析，X^2检验表明ARIMA（0，1，0）（1，0，0）12模型是适合的。结论：用所建模型对HFRS各月发病率进行了预测，结果表明ARIMA是一种短期内预测精度较高的预测模型。     

ARIMA模型在北京市西城区细菌性痢疾发病预测中的应用

目的尝试构建适用于北京市西城区细菌性痢疾发病特点的统计预测模型,为该区传染病定量预测的实施做出探索。方法应用SPSS 13.0统计软件对北京市西城区2004年1月-2013年12月细菌性痢疾逐月发病情况进行求和自回归滑动平均模型(ARIMA)建模和拟合,利用筛选出的最优模型对2014年1-12月的发病情况进行预测,并评价模型的预测效果。结果筛选的最优乘积模型为ARIMA(1,0,0)(0,1,1)_(12),BIC=27.426,模型拟合效果的度量Box-Ljung Q差异无统计学意义(Q=10.949,P=0.813),模型残差序列为白噪声。模型预测值与实际值拟合较好,实际值均在预测值95%可信区间范围内。结论 ARIMA模型能够应用于北京市西城区细菌性痢疾流行趋势的预测,为实施干预措施提供科学依据。     

上城区其他感染性腹泻ARIMA乘积季节模型的建立与预测

目的 建立上城区其他感染性腹泻病求和自回归移动平均(auto-regressive integrated moving average, ARIMA)乘积季节模型，为早期防控提供参考。方法 利用SPSS 25.0软件对上城区2010—2020年其他感染性腹泻病发病数据构建ARIMA乘积季节模型，通过对2021年月发病数进行回代预测评价模型拟合效果，并用构建的模型对2022年月发病数进行预测。结果 上城区2010—2020年共报告其他感染性腹泻病40 534例，年均报告发病数为3 685例，无死亡病例报告。构建的较优模型为ARIMA(2,1,1)(1,1,1)₁₂,平稳R²=0.870,贝叶斯信息准则(Bayesian information criterion, BIC)=9.524,平均绝对百分误差(mean absolute percentage error, MAPE)=27.351,模型Box-Ljung检验差异无统计学意义(Q=10.420,P=0.659)。模型实测发病趋势与预测发病趋势基本一致，预测值和实测值平均相对误差为23....     

ARIMA模型在上海市猩红热发病率预测中的应用

目的 探讨差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型在上海市猩红热月发病率预测的应用。方法 利用ARIMA时间序列模型拟合2004年1月—2017年6月上海市猩红热的月发病率资料,并利用最优模型对2017年7—12月猩红热的月发病率进行预测。结果 最终拟合ARIMA(1,1,0)(0,1,1)₁₂模型,其标准化贝叶斯信息准则值(Bayesian information criterion,BIC)(-2.247)最小,残差经Ljung-Box Q(18)检验为白噪声序列,预测值与实际值基本吻合,相对误差在0.35%~16.74%的范围内。结论 ARIMA模型用于上海市猩红热月发病率的短期预测,可应用于定量风险评估等猩红热疫情的预警预测。     

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。     

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。     

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.     

探讨ARIMA模型在细菌性痢疾发病预测中的应用

目的 探讨时间序列分析方法中ARIMA模型在细菌性痢疾发病预测方面的应用,验证分析模型的可行性与适用性.方法 利用海南省2000年1月～2009年12月细菌性痢疾发病资料,拟合ARIMA模型,对海南省细菌性痢疾2010年1～9月各月发病率进行预测评价.结果 建立ARIMA(1,0,0)模型,预测结果基本符合实际发病率变动趋势,验证了该模型的可用性.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,进行短期预测.     

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。     

宝山区细菌性痢疾的发病预测

[目的 ]　预测宝山区细菌性痢疾 (下称菌痢 )的发病率。 [方法 ]　根据宝山区历年菌痢发病情况 ,运用SAS统计软件进行抛物线及指数曲线拟合 ,找出拟合度最佳的曲线模型并建立菌痢的曲线回归方程。 [结果 ]　预测2 0 0 0年宝山区菌痢发病率在 15 .2 8/ 10万～ 19.78/ 10万之间。 [结论 ]　运用SAS统计软件可以方便地进行多种方式的曲线配合 ,选择最佳预测模型预测多种疾病的发病率 ,为实际防病工作提供理论依据     

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.     

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。     

南通市通州区细菌性痢疾发病季节性分析和趋势预测

[目的]研究江苏省南通市通州区细菌性痢疾发病季节特征,预测发病趋势,为科学防治提供依据。[方法]采用集中度、圆形分布统计方法,对通州区2006—2013年细菌性痢疾发病情况进行季节性分析,并运用灰色系统GM(1,1)模型预测发病趋势。[结果]通州区细菌性痢疾发病有一定的季节性,发病高峰为4月中旬至10月中旬。根据发病趋势预测方程,2014和2015年预测发病率分别为3.53/10万和4.49/10万。[结论]若无较大规模的疫情暴发,2014和2015年通州区细菌性痢疾发病率可能会略有上升,应以流行季节为重点,落实综合预防控制措施。