时间序列分析法在贵州省乙型病毒性肝炎流行趋势预测中的应用

目的建立贵州省乙型病毒性肝炎(乙肝)发病的预测模型,预测2017—2019年乙肝发病趋势。方法对2004—2016年贵州省的乙肝月报告发病率建立自回归移动平均(ARIMA)预测模型,对贵州省2017—2019年乙肝发病趋势进行预测。结果 2004—2016年贵州省乙肝发病呈周期性波动,并具有长期趋势,拟合得到ARIMA(0,1,1)(0,1,1)12模型,用模型拟合2004—2016年乙肝月报告发病率,预测值和实际值平均相对误差为7.46%,预测2017—2019年贵州省乙肝月报告发病率在3.27/10万~4.38/10万的范围内波动。结论 ARIMA模型可较好的拟合贵州省乙肝发病在时间序列上的变化趋势,该模型可用于贵州省乙肝发病的短期趋势预测。     

ARIMA模型在预测手足口病发病中的应用

目的探讨ARIMA模型在手足口病发病率预测中的应用,为手足口病的早期防控提供依据。方法采用SPSS 19.0软件对2008—2014年无锡市锡山区各月手足口病发病率建立模型进行预测,采用2015年各月手足口病发病率验证模型的预测效果,并预测2016年锡山区手足口病的发病情况。结果模型ARIMA(0,0,2)(0,1,1)12所有参数均通过统计学检验;Box-Ljung检验统计量Q=16.007,P0.05,残差序列为白噪声;拟合优度指标R2为0.713,贝叶斯信息准则(BIC)为4.619,模型拟合精度较好。根据2008—2015年锡山区手足口病发病数据应用此模型预测2016年的发病率为335.13/10万。结论 ARIMA模型能较好地模拟和预测手足口病的发病趋势,可用于手足口病的短期预测和动态分析。     

自回归求和移动平均模型季节乘积模型在青岛市肾综合征出血热发病预测中的应用

目的探索ARIMA季节乘积模型在青岛市肾综合征出血热(HFRS)发病预测中的应用,为HFRS防治提供科学依据。方法利用1977~2015年青岛市HFRS月发病率,建立ARIMA季节乘积模型,以2016年月发病率评估预测效果,并预测2017年月发病率。结果青岛市HFRS发病具有明显的季节性,发病高峰为每年的10~12月。模型季节自回归参数为-0.45,BIC=3.58,平稳R2=0.98,残差序列检验为白噪声序列(q=13.56,P0.05),建立ARIMA乘积季节模型ARIMA(0,3,2)(1,3,2)12,2016年实际值与拟合值绝对误差为0.01~0.28,且均在95%置信区间中,2017年月发病率0.15/10万~1.06/10万。结论 ARIMA乘积季节模型能够较好地模拟青岛市HFRS发病趋势,可用于短期预测该市HFRS发病情况。     

ARIMA模型在湖南省常德市手足口病发病预测中的应用

目的:构建ARIMA模型预测湖南省常德市手足口病发病趋势,为早期防控提供科学依据。方法:分析处理2010-2015年常德市手足口病发病率时间序列,构建ARIMA模型,对2016-2017年常德市手足口病发病趋势进行预测。结果:通过拟合优度检验和残差序列白噪声检验,得出本研究最优模型为ARIMA(1,0,1)(0,1,1)_(12),正态化BIC=4.235,Ljung-Box=12.019(P=0.678),2016年观测值均位于预测值95%可信区间内,与预测值的相对误差为0.72%-35.09%,预测2017年常德市手足口病月发病率在6月出现最大值,为24.03/10万。结论:该ARIMA模型能够较好拟合常德市手足口病发病趋势,预测效果良好。     

基于ARIMA模型的洛阳市手足口病发病率预测

目的建立洛阳市手足口病发病率的自回归积分移动平均(ARIMA)模型,并对洛阳市手足口病的发病率进行预测。方法以2009-2017年洛阳市手足口病发病率数据为基础建立ARIMA模型,并用2018年1月至5月的实际发病率进行验证,评价模型的拟合效果,利用最优模型预测2018年6月至12月洛阳市手足口病发病率。结果在本次研究中建立的ARIMA最优模型为ARIMA(2,0,0)(0,1,1)12,参数均有统计学意义(P 0. 05),拟合优度检验BIC最小为3. 563,残差序列为白噪声(Ljung-Box Q=13. 962,P=0. 528),拟合效果较好。预测出洛阳市2018年6-12月手足口病平均月发病率为13. 16/10万,与2017年同期相比略高。结论 ARIMA(2,0,0)(0,1,1)12模型拟合洛阳市手足口病发病率序列效果较好,可用于在短期上对洛阳市手足口病发病趋势进行预测。     

ARIMA模型预测上海市手足口病发病趋势

目的采用ARIMA模型建立上海市手足口病发病预测模型。方法应用SPSS18.0软件对上海市2005-01/2010-06手足口病月发病率进行ARIMA模型建模拟合,并与实际发病率进行比较。结果 ARIMA（1,0,0）（0,1,0）12模型能很好地拟合既往时间段的发病序列,对2010-01/06的预测值符合上海市该病的发病率变动趋势。2011和2012年上海市手预测足口病的年发病率分别为235.32/10万和294.59/10万。结论 ARIMA模型能够较好模拟上海市手足口病在时间序列上的变动趋势,并对未来2年该病发病情况进行预测。     

中国1990-2011年梅毒流行特征分析与趋势预测

目的分析1990-2011年我国梅毒变化趋势,并探讨时间序列模型在梅毒未来发病预测中的应用。方法利用1990-2011年全国梅毒发病率资料,采用SPSS13.0进行ARIMA时间序列模型拟合及发病率预测。结果 1990-2011年梅毒流行特征为:1990-1994年发病率一直较稳定,未见明显上升趋势,自1995年发病率开始上升,1999-2003年略有波动,2004-2011年,发病率急剧上升,截至2011年末,梅毒发病率已为29.47/10万。利用ARIMA模型拟合梅毒发病趋势效果较好,预测2012年和2013年梅毒发病率分别为29.31/10万、29.16/10万。结论运用ARIMA时间序列模型对梅毒发病率进行拟合及预测是可行的,预测效果较好。     

基于支持向量机的麻疹发病率预测研究

目的 建立一种基于支持向量机的麻疹发病率预测模型,为麻疹的预防控制决策提供参考依据。方法 收集我国麻疹1996-2015年发病率数据,以1996-2014年发病率数据为训练样本,以2015年发病率数据为检验样本,采用支持向量机回归算法建立我国麻疹年发病率的预测模型,并对我国2016-2018年的麻疹发病率进行预测。结果 经该模型的预测,麻疹发病率的预测值和实际值吻合度较高,平均相对误差为0.620 07%。我国2016-2018年麻疹的发病率分别为3.23/10万、3.13/10万、3.79/10万。结论 采用支持向量机回归模型预测我国麻疹的年发病率是可行有效的。     

我国1989-2009年疟疾变化趋势分析及未来发病预测

目的分析1989-2009年我国疟疾流行变化趋势,探讨统计模型在疟疾发病预测中的应用。方法利用21年全国疟疾疫情报告,分析疟疾流行及变化规律;用ARIMA时间序列模型对疟疾发病率进行拟合及预测。结果 1989-2009年间疟疾的流行情况为,1989年发病率为12.56/10万,之后发病率呈急速下降趋势,1994年略有波动,小幅度回升,后持续下降。2001-2006年持续上升,2006年达到高峰,2007年后呈现持续迅速下降的趋势。ARIMA模型拟合结果较理想,其很好地拟合了既往时间段上的发病率序列,统计预测表明2010-2012年疟疾的发病率分别为1.19/10万、1.31/10万、1.43/10万。结论运用ARIMA时间序列模型对疟疾发病进行预测是可行的,该模型的拟合和预测效果较好。     

灰色系统GM(1,1)模型在徐州市乙型肝炎发病趋势预测中的应用

目的预测徐州市乙型肝炎(乙肝)发病趋势,为制定科学的防控策略提供理论依据。方法根据2005—2015年徐州市乙肝发病率资料建立GM(1,1)预测模型,并对2016—2018年乙肝发病率进行预测。结果建立的乙肝发病率GM(1,1)预测模型为:(t)=-225.994 8e~(-0.0906t)+245.274 8,拟合精度和预测效果较好。2016—2018年徐州市乙肝发病率预测值分别为7.91/10万、7.23/10万、6.60/10万,呈下降趋势。结论 GM(1,1)模型较好地拟合了徐州市乙肝发病率在时间序列上的变化趋势,将其应用于乙肝发病率预测是可行的,预测结果对乙肝防控具有一定的参考意义。     

ARIMA模型在宁波市北仑区手足口病发病率预测中的应用

目的探讨自回归求和移动平均(ARIMA)模型在宁波市北仑区手足口病预测中的应用,并对该区手足口病的月发病率进行预测。方法应用SPSS 19.0软件对北仑区2008年1月-2016年6月的手足口病月发病率时间序列建立ARIMA模型,使用所建模型对2016年7月-12月的发病情况进行拟合,并与实际值比较,评价其拟合效果,应用得到的模型预测2017年上半年宁波市北仑区手足口病发病率。结果北仑区手足口病以年为发病周期,每年有2个发病高峰,分别为4-7月和9-11月。在手足口病预测中建立的ARIMA最优模型为ARIMA(1,0,0)(1,1,0)12,其标准化BIC(贝叶斯信息准则)为5.06,白噪声Ljung-Box检验残差序列为白噪声序列(Ljung-Box=11.00,P=0.81),最优拟合模型预测的平均相对误差为23.80%,拟合效果较好。预测出2017年上半年宁波市北仑区手足口病平均月发病率为46.66/10万,明显高于2016年同期发病率。结论建立的ARIMA模型能有效地拟合北仑区手足口发病率序列,并进行短期预测,可为手足口的防治工作提供参考。     

1997-2016年宿迁市麻风流行趋势及时间序列分析

目的建立宿迁市麻风流行预测模型。方法收集1997-2016年历年麻风病季报表、全国麻风病防治管理信息系统(lepmis)中数据,建立宿迁市麻风季度患病数时间序列,应用ARIMA乘积季节模型建模,用2016年数据检验模型,并开展2017年疫情预测。结果宿迁市1997—2015年麻风季度患病数ARIMA最优模型为ARIMA(1,0,0)(2,1,0)4,2016年麻风各季度期间患病数真实值落在根据该模型预测值95%可信区间范围内。结论建立的ARIMA模型,可有效预测麻风流行形势,为麻风病防控决策提供科学依据。     

中国2008-2016年手足口病月发病率时间序列分析及预测模型

  目的  通过时间序列分析我国手足口病（hand-foot-mouth disease,HFMD）的发病趋势并构建时间序列预测模型,为制定防控策略提供科学依据。  方法  从公共卫生科学数据中心收集2008-2016年我国HFMD月发病数据,使用Excel 2007建立发病率数据库并进行图表绘制,通过SAS 9.1拟合自回归综合移动模型（autoregressive integrated moving average model,ARIMA model）。以2008年1月-2015年12月HFMD月发病率作为测试集构建时间序列模型,2016年发病率数据作为验证集检验预测效果,做出模型评价,利用该模型对2017年HFMD发病率做出预测。以P<0.05为差异有统计学意义。  结果  最终构建ARIMA（（12）,2,0）疏系数模型,残差为白噪声序列,实际值均落在预测值95% CI内,模型回归系数有统计学意义,预测值与实际值总体吻合程度良好,均方误差平方根为3.6490,平均绝对误差=2.62,平均绝对百分比误差=28.24%。  结论  疏系数模型可较好的拟合我国HFMD发病率的时间序列趋势,对HFMD防控策略的制定有指导意义。     

自回归滑动平均混合模型在甘肃省麻疹发病预测中的应用

目的 探讨应用自回归滑动平均混合模型(Autoregressive Integrated Moving Average Model,ARIMA)预测甘肃省麻疹发病率的可行性.方法 应用SPSS 13.0软件对甘肃省1995～2006年麻疹逐月发病率进行ARIMA建模拟合;按照残差不相关原则、简洁原则、赤迟准则与贝叶斯准则建立ARIMA麻疹预测模型,用2007年分月发病数检验模型.结果 模型ARIMA(1,0,0)(0,1,1)1>(不含常数项)所有参数都通过统计学检验,残差序列是白噪声,拟合优度相对最好,参数间也无明显相关性(r=0.069).结论 ARIMA模型很好地模拟和预测了麻疹既往发病周期性以及各月发病数,将其应用于甘肃省麻疹发病预测是可行的.     

基于自回归滑动平均混合模型的安丘市肾综合征出血热发病率预测研究

目的基于自回归滑动平均混合(ARIMA)模型对安丘市肾综合征出血热(HFRS)的发病率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。方法收集安丘市1977年1月1日至2019年8月31日安丘市HFRS发病资料,按照年、月进行分类汇总,通过SPSS 19.0软件拟合ARIMA模型,分别预测2019～2020年和2019年1～8月的发病率。结果年发病率预测模型最终拟合为ARIMA(0,1,0)模型,预测2019、2020年的年发病率分别为2.52/10万和1.56/10万。月发病率预测模型最终拟合为ARIMA(0,1,2)(0,1,1)_(12)。结论 ARIMA模型能较好模拟安丘市HFRS的发病趋势。     

基于SVM模型和ARIMA模型在拟合病毒性肝炎发病率中的应用

目的运用SVM和ARIMA方法对我国病毒性肝炎发病率进行预测,对拟合结果进行比较。为病毒性肝炎的预防提供科学依据。方法利用中国卫生统计年鉴1995-2014年的病毒性肝炎发病率数据分别建立SVM和ARIMA拟合模型,并对拟合效果进行比较。截取近年时序资料适当设置滑动窗口、映射关系和训练参数,借助MATLAB软件完成数据智能训练、仿真和预测;ARIMA法用于发病率序列拟合建模,借助SAS软件最优定阶识别、外推预测。结果病毒性肝炎发病率SVM模型和ARIMA模型SSE和MAPE分别为229、289,3.53%、3.86%。SVM模型拟合效果优于ARIMA模型,SVM模型预测2015-2017年病毒性肝炎预测发病率为(1/10万)分别为84.31、83.21、82.27。结论SVM法可用于时序建模,ARIMA法理论成熟且为经典方法。SVM模型拟合效果优于ARIMA模型,模型拟合要充分考虑数据特征。     

上海浦东新区手足口病发病率预测的自回归求和滑动平均模型构建与应用

目的 探讨应用自回归求和滑动平均(autoregressive integrated moving average,ARIMA)模型预测浦东新区手足口病发病率的可行性.方法 基于2010-2015年浦东新区的逐月手足口病发病率,建立最优ARIMA模型,回代预测2015年的手足口病发病率,比较预测值与实际值的差异,并预测2016年的手足口病发病率.结果 模型ARIMA(1,1,1)(1,1,0)12较好拟合了既往手足口病发病率的时间序列,2015年逐月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1.81％.预测2016年浦东新区手足口病发病率为269.97/10万.结论 ARIMA模型可用于短期预测未来的手足口病发病率.     

ARIMA乘积季节模型预测永嘉县其他感染性腹泻的流行

目的评估求和自回归移动平均(ARIMA)乘积季节模型预测其他感染性腹泻流行的可行性。方法利用2005—2014年永嘉县其他感染性腹泻的发病率数据,采用ARIMA模型结合随机季节模型的方法,建立预测其他感染性腹泻流行的ARIMA乘积季节模型,同时用2015年的数据做模型预测效果验证。结果根据模型拟合效果,模型ARIMA(1,1,1)(0,1,1)12的拟合效果为最优,其Ljung-Box检验值为7.796,BIC值为3.602,MAPE值为36.166%,表明模型拟合程度较好;该模型外推验证2015年发病率的预测效果较好,2015年各月发病率的实际值均落在该模型预测值95%可信区间内,且预测值与实际值间依时间变化的趋势也基本一致。结论ARIMA(1,1,1)(0,1,1)12模型能较好地预测永嘉县其他感染性腹泻的流行趋势,对该病的预警具有一定的价值。     

差分自回归移动平均模型在伤害预测中的应用

目的探讨差分自回归移动平均（ARIMA）时间序列模型在伤害预测中的应用,建立伤害发生率预测模型。方法利用伤害监测系统,收集城阳区2006~2012年伤害月病例数,建立ARIMA模型。结果ARIMA（1,0,0）（0,1,1）12模型可以较好拟合伤害月发病率时间序列。利用ARIMA模型预测2013年伤害发生率为253．93／万。结果ARIMA模型具有适用性,可以用于伤害短期预测。     

ARIMA模型与灰色系统GM(1,1)模型在长沙市艾滋病发病率预测中的效果比较

目的利用ARIMA模型和GM(1,1)模型对长沙市艾滋病发病率进行模拟预测并对预测效果进行比较。方法收集长沙市2006—2016年艾滋病的发病资料,分别建立自回归滑动平均模型(ARIMA)及灰色系统GM(1,1)模型,进行回代拟合,并预测2017和2018年艾滋病的发病率,同时比较2种模型的拟合与预测效果。结果 ARIMA(1,1,1)模型预测出2017和2018年长沙市艾滋病发病率分别为6.19/10万、8.19/10万;GM(1,1)模型预测出2017年和2018年长沙市艾滋病发病率为6.39/10万和8.16/10万。结论 ARIMA模型及GM(1,1)模型的拟合结果均与长沙市艾滋病发病趋势相同,ARIMA模型对2006—2016年长沙市艾滋病发病率的预测效果较GM(1,1)模型好,预测准确度P高于GM(1,1)模型,平均绝对误差MAE小于GM(1,1)模型