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。     

ARIMA模型在东莞市细菌性痢疾预测中的应用

目的探讨ARIMA模型在东莞市细菌性痢疾发病预测的可行性和适用性,为东莞市细菌性痢疾的防控提供参考依据。方法使用SPSS 17.0对2004年1月至2012年4月东莞市细菌性痢疾发病率资料拟合ARIMA模型,利用所得到的模型对东莞市2012年5～7月细菌性痢疾发病率进行预测评价。结果 ARIMA(0,0,1)(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,且实际值都在95%可信区间内。结论 ARIMA(0,0,1)(0,1,1)12模型较好地反映了东莞市细菌性痢疾发病趋势,可作为东莞市细菌性痢疾发病水平短期预测模型。     

时间序列分析法在细菌性痢疾发病率预测中的应用

目的 探讨自动回归移动平均模型(ARIMA)在细菌性痢疾发病率预测中的应用,为制定细菌性痢疾预防控制策略提供科学数据.方法 利用深圳沙井街道2006年1月-2011年6月的的细菌性痢疾月发病率数据建立ARIMA模型,采用2011年7-12月的月发病率数据验证模型的预测效果.结果 通过比较筛选,ARIMA(1,1,1)模型预测效果较好,2011年7-12月的月发病率预测值分别2.28/10万、1.83/10万、2.61/10万、1.62/10万、0.83/10万、0.67/10万,且实际值均在预测值的95％可信区间内,2011年7-12月发病率的预测值基本符合实际发病率的变动趋势.结论 ARIMA模型能较好地模拟在短期内细菌性痢疾发病率的变动趋势,可为细菌性痢疾制定预防控制策略提供科学的数据.     

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。     

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。     

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。     

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.     

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。     

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。     

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。     

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.     

浙江省2004-2007年细菌性痢疾流行特征分析

目的分析2004-2007年浙江省细菌性痢疾流行特征,为以后的防制工作提供依据。方法对全国传染病疫情信息网报告病例和浙江省历年疫情资料汇编录入Excel 2003整理后用SPSS 12.0统计软件进行统计分析。结果浙江省2004-2007年细菌性痢疾平均年发病率42.91/10万,发病高峰一般在每年的8-9月份,发病高峰年龄段均集中在0-10岁。多数暴发疫情发生在学校。福氏志贺菌是散发病例的优势菌种,而宋内志贺菌是暴发疫情的优势菌种。结论浙江省细菌性痢疾发病情况处于较为稳定的水平,加强学校和托幼机构的疫情防控是当前和今后一个时期的工作重点,必须对学校和托幼机构的卫生加强管理。     

SARIMA模型在苏州市细菌性痢疾发病预测中的应用

目的 探讨季节性差分自回归求和滑动平均(seasonal auto-regressive integrated moving average, SARIMA)模型在苏州市细菌性痢疾月发病数预测中的应用。 方法 利用R i386 3.2.3软件对2005年1月－2018年4月苏州市细菌性痢疾月发病数据构建SARIMA模型,对2018年5－7月份细菌性痢疾的月发病人数进行预测,验证预测效果。 结果 建立了SARIMA(0,l,2)×(0,1,1)₁₂模型,Ljung-Box检验结果为Q=19.494,P=0.244,模型拟合效果良好,与2018年5－7月实际发病人数比较,实际值均在预测值95%可信区间内,相对误差的平均值为-0.147。 结论 SARIMA(0,l,2)×(0,1,1)₁₂模型可以对苏州市细菌性痢疾月发病人数进行较好的预测。     

上海市宝山区细菌性痢疾发病率的ARIMA模型研究

目的构建上海市宝山区细菌性痢疾发病率的差分自回归移动平均模型(autoregressive integratedmoving average model,ARIMA),预测上海市宝山区细菌性痢疾的发病趋势。方法引用1997-2010年上海市宝山区细菌性痢疾年发病率资料,通过SPSS 16.0软件拟合ARIMA模型,采用最大似然法估计模型参数,按照残差不相关原则、简洁原则确定模型结构,依据赤池信息量(Akaike information criterion,AIC)与贝叶斯信息量(Bayesianinformation criterion,BIC)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。结果自回归参数差异有统计学意义,AIC=20.331,BIC=22.591,统计量Q=7.060<χ20.05,13(29.819),检验表明ARI-MA(1,1,1)模型是适合的。预测宝山区2011-2013年细菌性痢疾的发病率水平会呈缓慢下降趋势。结论 ARI-MA(1,1,1)模型可用于上海市宝山区细菌性痢疾发病情况的动态分析和短期预测。     

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.