ARIMA模型在北京市西城区手足口病月发病率预测中的应用

目的采用ARIMA模型预测手足口病的发病趋势,探讨提高模型预测准确性和实用性的思路。方法利用ARIMA模型对北京市西城区2010年1月—2015年12月手足口病月发病率进行拟合,并进行发病趋势预测。结果通过参数估计和残差白噪声检验,得到模型ARIMA(1,0,0)(1,1,0)_(12),BIC=1.958,Ljung—Box=7.885(P=0.952),2015年手足口病月发病率预测值和实际值的平均相对误差为21.47%。结论利用ARIMA模型预测手足口病的发病趋势是可行的,可以为地区传染病防控和公共卫生决策提供科学依据。     

应用ARIMA模型预测结核病发病率研究

目的应用自回归求和移动平均(ARIMA)模型预测结核病发病率。方法收集浙江省余姚市2006—2016年结核病月发病资料,采用专家建模器和传统建模方法建立ARIMA模型,根据最小贝叶斯信息准则(BIC)值选出最优模型,对2006—2016年结核病月发病率进行回代拟合,并对2017年结核病月发病率进行预测。结果传统建模方法所得模型为ARIMA(0,1,1)(0,1,1)12,专家建模器所得模型为ARIMA(0,0,1)(0,1,1)12;两个模型的残差序列均未突破可信区间,为白噪声过程,均为恰当模型,但ARIMA(0,0,1)(0,1,1)12标准化的BIC值更小,确定为最优模型。对余姚市2006—2016年结核病月发病率进行回代拟合,实际发病率均落入拟合值的95%CI内,模型预测值能较好拟合原始数据;预测余姚市2017年1—12月结核病月发病率,预测值与实际值的平均相对误差为9.05%。结论应用专家建模器构建的ARIMA模型可较好地预测结核病发病率。     

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。     

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。     

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.     

SARIMA模型在北京市房山区手足口病发病趋势预测中的应用

目的构建北京市房山区手足口病发病的SARIMA模型并进行预测。方法应用83.0.1软件程序包中的TSA对2007—2013年房山区手足口病月发病率构建模型,并对2014年各月手足口病月发病率进行预测和评价。结果 SARIMA(0,0,1)(0,1,1)_(12)模型较好地拟合既往时间段发病率,对2014年各月的预测值符合手足口病实际发病率变动趋势,对2015年手足口病发病率进行了预测。结论 SARIMA(0,0,1)(0,1,1)_(12)模型能够很好拟合手足口病月发病率数据,可用于房山区手足口病发病趋势的短期预测,为下一步采取针对性防控措施提供科学依据。     

应用ARIMA模型预测石家庄市手足口病发病趋势

目的探讨应用ARIMA模型预测石家庄市手足口病发病趋势的可行性,为手足口病防制提供科学依据。方法收集石家庄市2011-2018年手足口月发病率,利用软件SPSS 19.0构建石家庄市手足口病月发病率ARIMA模型。结果石家庄市手足口病月发病率模型为ARIMA(1,0,1)(0,1,1)12,最小BIC指标值为3.058,Ljung-Box统计量为15.986(P=0.383),模型残差为白噪声序列。2018年7-12月实际月发病率与预测值基本吻合,预测值与实际值的平均相对误差为4.72%,实际值均在预测值95%可信区间。利用该模型进行预测,2019年石家庄市手足口病发病呈上升趋势。结论ARIMA(1,0,1)(0,1,1)12模型可以较为准确地预测短期内石家庄市手足口病发病趋势,可为手足口病的防治工作提供参考。     

ARIMA乘积季节模型在日喀则市结核病疫情预测中的应用

目的通过构建的自回归滑动平均混合(ARIMA)乘积季节模型预测日喀则市结核病月发病情况,通过比较模型预测值与实际值来评估该模型的预测效果。方法根据日喀则市2010年1月—2016年12月的结核病月发病例数构建ARIMA乘积季节模型,利用该模型预测2017年1—12月的结核病月发病情况,通过比较预测值与实际值来评价拟合模型的预测效果。结果最优模型为ARIMA(1,1,1)(1,1,0)_(12),其参数均通过统计学检验(均P0.05),残差序列为白噪声序列(P0.05),其赤池信息准则(AIC)=679.48,许瓦兹贝叶斯准则(SBC)=686.27,拟合优度相对最好。2017年1—12月的预测值与实际值基本吻合,实际值均落在95%CI内,预测效果较好。结论 ARIMA(1,1,1)(1,1,0)12可用于短期预测日喀则市结核病疫情,预测效果较好,建议要及时根据数据更新及其他的因素更新模型,以确保模型的预测价值。     

利用ARIMA模型预测北京市顺义区手足口病发病趋势

目的探讨利用ARIMA模型预测手足口病发病趋势的可行性和意义,为预警手足口病防控提供依据。方法应用SPSS 19.0对2008-2013年手足口病逐月发病率建立ARIMA模型,并对2013年手足口病各月发病率进行拟合。结果 ARIMA(1,0,0)(1,1,0)12能够较好拟合既往时间段手足口的发病率,2013年各月的预测值符合手足口病实际发病率变动趋势。结论模型能够有效地预测手足口病发病趋势,对预警、预测产生积极指导作用。     

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。     

手足口病发病趋势的ARIMA模型预测

目的采用ARIMA模型预测手足口病发病趋势,为预防控制手足口病流行提供依据。方法对杭州市上城区2008年4月—2013年12月的手足口病逐月发病率建立ARIMA模型,并进行预测分析。结果通过参数和模型拟合优度检验以及残差白噪声序列检验,得到模型ARIMA(1,0,0)(0,1,0)12,BIC=3.094,LjungBox=10.871(P=0.863),2013年手足口病月发病率预测值和实际值的平均相对误差为26.86%,实际值都在95%可信区间内,预测2014年发病率为74.50/10万。结论 ARIMA模型能较好地模拟手足口病发病率的变动趋势,预测效果可信。     

ARIMA模型在常州市武进区手足口病发病趋势中的应用

目的 运用自回归求和移动平均模型(auto-regressive integrated moving average model, ARIMA)对手足口病短期发病情况进行预测,为开展手足口病预测预警工作提供可靠模型。方法 采用ARIMA模型,利用常州市武进区2010—2016年手足口病月发病数建模,用2017年1—12月武进区手足口病发病数进行验证,将预测值与实际值进行比较,评估模型的可行性。结果 2010—2016年武进区共报告手足口病18 918例,每年都呈双峰现象,主高峰期为4—7月,次高峰期为11—12月,呈明显的季节性周期变化。根据残差序列、参数估计和白噪声序列检验后,筛选出ARIMA(0,1,0)(2,1,0)₁₂模型为最佳预测模型,利用该模型对2017年1—12月的手足口病发病数进行预测,与实际值比较,拟合效果较好。结论 建立的ARIMA(0,1,0)(2,1,0)₁₂模型,可用于对武进区手足口病的短期预测,为开展手足口病预测预警工作提供科学依据。     

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。     

湖南省手足口病发病趋势SARIMA模型预测

目的建立湖南省手足口病发病趋势的SARIMA模型,为手足口病的预防和控制提供参考依据。方法收集中国疾病预防控制信息系统2008年5月—2013年12月湖南省手足口病月发病率数据建模,以2014年1—7月的月发病率数据进行验证,并对2014年8月—2015年7月发病情况进行预测;应用SPSS 18.0中的"Define Dates"模块和"Fore Casting"模块进行分析,建立季节性差分自回归移动平均模型(SARIM A)。结果湖南省手足口病月发病率发病趋势预测模型为SARIMA(1,0,0)(1,1,0)12,模型自回归参数AR1=0.765,(t=8.789,P0.001),残差为白噪声(Ljung-Box Q=15.420,P=0.494),预测值与实际值的相对误差范围为6.90%~46.31%,平均相对误差为20.37%;预测2014年发病率2次高峰分别在5月份和11月份,均高于2013年同月份的发病率;2015年上半年高峰期也在5月份,低于2014年同月份的发病率。结论 SARIM A(1,0,0)(1,1,0)12拟合效果较好,可用于湖南省手足口病月发病率的短期预测。     

基于时间序列模型对甲型病毒性肝炎的预测研究

目的探讨时间序列模型在甲肝发病预测的应用,为下一步采取防控措施提供科学依据。方法基于宜昌市2005-2015年逐月甲肝发病率建立两种模型,对2016年甲肝的发病率进行预测,并将预测值与实际值进行拟合评价。结果 ARIMA模型首先要求数据平稳,宜昌市的甲肝发病存在季节性波动,为不平稳序列,但2010年之后数据较为平稳,经对2010-2015年甲肝月发病率进行季节性差分、差分处理,新数列为平稳序列(游程检验法Z=1.447,P=0.148),然后进行参数估计(BIC=-4.293)和白噪声检验(Q=22.150,P=0.138),据此建立ARIMA模型,ARIMA(0,0,1)(0,1,1)12模型为最优模型,能较好的模拟甲型病毒性肝炎的发病。结论 ARIMA(0,0,1)(0,1,1)12模型能较好的模拟甲肝发病在时间序列的变化趋势,为制定科学的防控措施和策略提供依据。     

ARIMA乘积季节模型在江西省手足口病发病预测中的应用

目的 建立江西省手足口病发病的ARIMA乘积季节模型并进行预测,探讨该模型在江西省手足口病早期预测预警中的可行性。方法 以江西省2008-2015年手足口病逐月发病数为基础,建立ARIMA乘积季节模型,利用2016年各月发病数对模型进行验证,得到最优模型后对2017年手足口病发病数进行预测。结果 本研究构建的江西省手足口病发病预测模型为ARIMA(2,1,1)(0,1,1)12,各项参数都有统计学意义(P<0.05),模型拟合优度检验获得BIC值最小为14.738,残序列为白噪声(Ljung-Box Q=14.738,P=0.362),实际值与拟合值的动态趋势基本吻合;2016年1-8月预测值与实际值相差较小,吻合度高;2017年手足口发病数预测值为49 353。结论 ARIMA(2,1,1)(0,1,1)12较好地模拟了江西省手足口病发病趋势,可用于江西省手足口病发病的短期预测。     

辽宁省手足口病疫情季节性ARIMA模型预测效果评价

目的利用时间序列法研究手足口病的发病趋势和流行特征,建立ARIMA乘积季节模型,对2017年7月—2018年12月辽宁省手足口病的月发病疫情情况及流行强度进行预测,为手足口病的预防监测工作提供依据。方法收集辽宁省手足口病2012年1月—2016年12月的月发病报告数,采用Excel 2010建立辽宁省手足口病月报告发病数数据库,应用SPSS 23.0软件进行SARIMA模型的构建,拟合发病情况,对辽宁省手足口病2017年7月—2018年12月发病数进行预测,评价预测效果。结果辽宁省手足口病发病特征以年为流行周期,季节性周期为12个月(s=12)。每年6—9月为该病的发病高峰期。最佳模型为SARIMA(0,1,0)×(1,1,0)_(12)季节性模型,模型残差Ljung-Box Q=18.564,P=0.354,序列为白噪声。预测平均相对误差为0.229,预测效果较好。结论季节性ARIMA模型能较好的拟合辽宁省手足口病的发病流行趋势,能够比较直观准确的反映辽宁省手足口病的疫情发展情况,该模型适用于辽宁省手足口病的短期流行趋势的预测。     

应用ARIMA模型对麻疹发病的预测及分析

目的 应用ARIMA模型对麻疹发病数预测并探讨其可行性,为防控麻疹疫情提供依据。 方法 采用SPSS17.0对乌鲁木齐市2009-2015年麻疹月发病数的资料建立ARIMA模型,并预测2016年麻疹月发病数。 结果 建立模型ARIMA(0,0,1)(1,1,0)₁₂是合适的,且模型检验自相关系数在±0.5之间,预测值与实际值有较高的吻合度。 结论 ARIMA模型能很好的拟合乌鲁木齐市麻疹发病数趋势,预测效果可靠。     

ARIMA模型预测北京市密云区手足口病发病趋势

目的采用自回归移动平均(Autoregressive integrated moving average,ARIMA)模型对北京市密云区手足口病月发病率进行预测,为调整防控策略提供依据。方法应用ARIMA模型对北京市密云区2008年1月-2014年6月手足口病每月报告发病率进行拟合,以2014年7-12月的月发病率作为验证数据,用于评价该模型的预测效果。结果密云区手足口病月发病率的ARIMA模型为ARIMA(0,1,0)(0,1,1)12,模型的参数估计值为0.609,t=4.116,P=0.000,经检验参数有统计学意义。残差分析统计量经检验差异无统计学意义(Ljung-Box Q=16.690,P=0.476)。模型很好的拟合了既往时间段上的发病率序列,对2014年7-12月手足口病发病率的预测值符合实际发病率变动趋势。结论 ARIMA可用于手足口病月发病率的预测,预测和预警效果良好。     

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。