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。     

ARIMA模型在宝鸡市手足口病预警预测中的应用

目的 利用时间序列分析方法动态研究手足口病发病趋势,探讨合理的预测模型,为宝鸡市制定手足口病的预防控制措施提供决策依据。方法 应用时间序列分析方法对宝鸡市2008-2014年手足口病月发病数据进行分析并建立预测模型,对建立的预测模型进行参数估计、模型诊断、模型评价,选择最优预测模型,利用所得到的模型对2015年1-6月的发病情况进行预测,并评价其预测效果。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 (1,1,1) (0,1,1)12,R2=0.820,标准化的BIC=10.507,Ljung-Box=4.631(P=0.995),2015年1-6月手足口病月发病数预测值和实际值的平均相对误差仅为2.34%,实际值都在95%可信区间内,建立的ARIMA模型的拟合精度和预测效果较为理想。结论 ARIMA模型能较好的模拟宝鸡市手足口病的发病趋势,预测效果可信。     

自回归移动平均模型在骨科Ⅰ类切口感染预测中的应用

目的 应用自回归移动平均(autoregressive integrated moving average, ARIMA)模型建立骨科Ⅰ类切口感染预测模型，预测未来6个月的感染发病率。方法 回顾性分析2013年1月至2021年12月上海交通大学医学院附属第六人民医院骨科Ⅰ类切口感染发病率数据。选取2013年1月至2021年6月的数据作为训练集，建立ARIMA模型；以2021年7-12月的发病率数据作为验证集，评价模型的预测效果，并预测未来6个月的发病率。结果 2013年1月至2021年12月骨科Ⅰ类切口手术患者共有228 647例，发生Ⅰ类切口感染628例，手术切口感染发病率为0.275%。ARIMA(1,0,0)(1,0,0)₁₂为确定的最佳模型，2021年7-12月的实际值均落在预测值的95%可信区间范围内。采用该模型预测未来6个月的感染发病率依次分别为0.276%、0.283%、0.288%、0.285%、0.297%和0.291%。结论 ARIMA模型能有效拟合、预测骨科Ⅰ类切口感染发病率，模型预测结果提示未来6个月内的发病率呈现低水平流行的态势，可为临床...     

基于自回归移动平均模型各亚型流行性感冒流行特征与趋势预测

目的 分析我国2010—2019年流行性感冒的流行特征和分布规律,预测各亚型流感发病趋势。方法 采用ARIMA乘积季节模型,对流感数据进行原始序列预处理、模型识别、参数估计和统计建模,预测流感发病趋势。结果 构建流感自回归移动平均模型(ARIMA)乘积季节模型,预测模型为ARIMA(1,2,1)(0,1,1)₁₂,数据信息提取充分(Q=14.257,P>0.05),相对误差约10%;甲型流感预测模型为ARIMA(2,1,1)(0,2,2)₁₂,数据信息提取充分(Q=13.236,P>0.05),预测2018年12月至2019年3月的甲型流感发病率较高,4月开始,发病率迅速下降,与实际情况相似,相对误差控制在10%以内;乙型流感预测模型为ARIMA(1,2,1)(1,0,1)₁₂,数据信息提取充分(Q=9.841,P>0.05),但模型预测2019年乙型流感发病率较低,相对误差较高。结论 流感、甲型流感ARIMA乘积季节模型预测效果较好;乙型流感预测模型数据信息提取充分,但相对误差较高,可能与乙型流感发病...     

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。     

ARIMA乘积季节模型在山西省结核病预测中的应用

目的 应用自回归移动平均（ARIMA）乘积季节模型对山西省2022和2023年结核病发病率进行预测,为结核病防控提供参考依据。方法 收集《中国疾病预防控制信息系统-结核病管理信息系统》2010—2021年山西省结核病月发病率数据,进行模型构建和检验。基于2010—2020年结核病月发病率数据使用R 4.1.0软件构建ARIMA乘积季节模型,并用2021年月发病率检验模型,同时预测山西省2022和2023年结核病流行趋势。结果 2010—2021年山西省共报告结核病患者191 517例,发病率由68.29/10万下降到23.74/10万,总体呈下降趋势。每年的1、2、10月发病率较低,3—6月发病率较高,尤其以冬春交替之际发病率最高。根据2010年1月至2020年12月结核病月发病率拟合出ARIMA(0,1,1)(1,1,1)12模型,该模型的赤迟信息量准则、均方根误差、平均绝对百分比误差和平均绝对误差分别为202.07、0.49、9.19、0.33。通过检验发现该模型的平均绝对百分比误差为11.34%,预测2022年山西省结核病发病率在0.51/10万～2.12/10万,2023年在0...     

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。     

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。     

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。     

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。     

基于自回归移动平均模型的PICC护理门诊量分析高健;张菊芬;李建;陈梅;杜静

目的探讨自回归移动平均模型（ARIMA）在PICC护理门诊量分析中的应用,掌握其变化规律并进行预测。方法以南京医科大学附属淮安第一医院2008年1月至2012年12月PICC护理门诊量为研究对象,建立时间序列模型,对序列进行平稳化,并识别模型、估计参数以及诊断模型,最终建立ARIMA模型进行拟合及预测。结果本院PICC护理门诊量具有长期的增长趋势及季节性特点,模型ARIMA（1,1,1）（0,1,1）₁₂能较好地拟合PICC护理门诊量,自回归参数（AR1）为0.314,移动平均参数（MA1）为0.996,季节移动平均参数（SMA1）为0.399,常数项（C）为0.004,均具有统计学意义（P<0.05）。拟合优度R²=0.787,Box-Ljung=8.117（P=0.919）,模型残差为白噪声。预测2013年的PICC护理门诊量将继续稳步增加。结论 ARIMA模型适合于探求PICC护理门诊序列的变化规律及未来发展趋势的把握。ARIMA模型应用于PICC护理门诊量,不仅为医院管理者掌握其变化规律提供参考,也为预测PICC护理门诊未来的发展提供了一个新的思路。     

自回归滑动平均混合模型在红细胞供应量预测中的应用

目的探讨建立月悬浮红细胞供应量预测模型,为采供血提供参考。方法分别以浦东血站2007年1月-2014年6月的月红细胞供应总量、A+、B+、O+和AB+4种血型红细胞月供应量作为标本建立自回归滑动平均混合模型(ARIMA),用2014年7月-12月的实际值作为检验标本,用建立的最优模型预测2015年1-6月本站红细胞月供血量。结果经过序列平稳化、模型识别、建模和模型检验等步骤,月红细胞供应总量建立ARIMA(1,1,1)(1,1,1)12模型,调整决定系数(R2)=0.82,平均绝对百分比误差(MAPE)=5.98;A+型红细胞月供应量建立ARIMA(1,1,2)(1,1,1)12模型,调整R2=0.81,MAPE=8.42;B+型红细胞月供应量建立ARIMA(4,1,0)(1,1,1)12模型,调整R2=0.84,MAPE=7.23;O+型红细胞月供应量建立ARIMA(1,1,1)(0,1,1)12模型,调整R2=0.83,MAPE=6.63;AB+型红细胞月供应量建立ARIMA(1,1,0)(1,1,1)12模型,调整R2=0.80,MAPE=8.41。结论 ARIMA是一种短期预测精度较高模型,可用于红细胞供应量的预测。     

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。     

应用ARIMA模型预测嘉峪关市痢疾发病率的可行性

目的 探讨应用ARIMA模型进行痢疾发病率预测的可行性,为甘肃省嘉峪关市痢疾防治提供参考依据。 方法 应用Eviews 5.0软件对2000-2008年嘉峪关市痢疾发病率进行模型拟合,所得到的模型对2009年1-6月痢疾发病率进行预测,并与实际值进行比较。 结果 ARIMA(2,1,3)(1,1,1)12模型拟合效果总体较好,其对2009年1-6月痢疾发病率预测值符合实际值的变化趋势。 结论 ARIMA模型可以模拟嘉峪关市痢疾的发病率,并能够预测痢疾的变动趋势,为该市痢疾防治提供一定帮助。     

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。     

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。     

R语言时间序列和自回归积分滑动平均模型预测麻醉耗材领用的研究

目的运用自回归积分滑动平均模型(ARIMA)建立适合的老年患者特色手术科室耗材领用支出的医学经济学模型,预测麻醉科耗材需求的变化趋势。方法采用R软件对本院麻醉科2013年1月—2019年12月耗材领用支出数据建立ARIMA模型,将2020年1—12月耗材领用支出的实际值与预测值分别进行比较,评价模型的预测性能。结果本院麻醉科耗材领用支出在每年2月出现最低值,5月呈现最高峰。建立ARIMA(0, 1, 1)(0, 0, 1)[12]模型对麻醉科耗材需求进行预测,ARIMA模型较好地拟合和预测了周期性波动。ARIMA(0, 1, 1)(0, 0, 1)[12]模型预测的耗材支出在2020年1—12月会有小幅波动。结论 ARIMA(0, 1, 1)(0, 0, 1)[12]模型较好地拟合了麻醉科的耗材需求,有助于优化科室决策支持系统及老年择期手术患者围术期护理管理。     

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。     

ARIMA模型在单采血小板临床用量预测中的应用

目的探讨自回归移动平均模型(ARIMA)预测单采血小板临床用量的可行性,为单采血小板采集计划的制定和献血者的招募提供参考。方法采集佛山市中心血站2007-2015年单采血小板每月的临床用量数据,用SPSS软件对2007-2014年的临床用量数据建立ARIMA模型,对2015年每月的单采血小板临床用量进行预测。结果建立的模型为ARIMA(1,1,1),预测平均相对误差为5.56%,预测效果较好。结论 ARIMA模型能较好地拟合单采血小板临床用量序列并进行短期的有效预测,可为血站单采血小板采集计划的制定和献血者的招募提供数据支持。     

2010-2021年四川省乙型肝炎流行特征分析及发病预测

目的 分析四川省2010—2021年乙型肝炎（乙肝）流行特征,建立自回归移动平均（ARIMA）模型并预测乙肝发病趋势,为四川省乙肝防控提供理论依据。方法 采用描述性流行病学方法分析四川省2010—2021年乙肝流行特征;运用R 4.0.2软件建立ARIMA模型并预测四川省乙肝月发病情况。结果 2010—2021年四川省累计报告乙肝536 017例,年均报告发病率为54.44/10万,整体呈先下降后上升的趋势;急性乙肝发病率呈逐年下降的趋势;无明显季节性发病高峰;凉山彝族自治州、巴中市和甘孜藏族自治州为高发地区;发病人群主要以农民为主（占62.85%）,发病年龄段主要集中在35～54岁（占41.83%）,男女性别比为1.95∶1。ARIMA(0,1,1)(0,1,1)12为最优模型,2022年1—6月的实际发病数均落入模型预测值95%CI内,模型的平均绝对百分比误差为4.86%。结论 四川省乙肝疫苗母婴阻断工作已有效遏制急性乙肝的发病,但总乙肝发病率居高不下;男性、35～54岁年龄组以及农民是乙肝防控重点人群;建立的ARIMA(0,1,1)(0,1,1)12模型能较好地预测四川省乙肝发病...