自回归积分滑动平均模型在杭州市上城区主要肠道传染病发病趋势的应用研究

目的了解杭州市上城区主要肠道传染病的流行特征,探讨应用为自回归积分滑动平均模型(ARIMA模型)预测其发病趋势的可行性和适用性。方法应用SPSS 20.0对2007-2016年杭州市上城区主要肠道传染病月发病数据建立ARIMA模型,以2017年1～12月的数据进行模型的验证,并外推2018年的发病趋势。结果 2007-2016年细菌性痢疾和其他感染性腹泻的发病趋势总体呈下降趋势。细菌性痢疾的预测模型为ARIMA (1,1,1)(1,1,0)12,其他感染性腹泻的预测模型为ARIMA (2,0,2)(1,1,1)12,拟合效果均较好。2018年杭州市上城区细菌性痢疾的发病有下降的趋势,其他感染性腹泻的发病有上升的趋势,但幅度不大。结论 ARIMA模型对杭州市上城区主要肠道传染病的发病趋势有较好的预测效果,可提供科学的防控依据。     

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.     

应用自回归移动平均模型预测分析江西省流行性腮腺炎的发病趋势

目的 应用自回归移动平均模型（ARIMA）预测分析江西省流行性腮腺炎的发病趋势。方法 利用ARIMA对江西省2015-2019年每月流行性腮腺炎报告发病数进行建模,预测12个月的发病数,并与2020、2021、2022年报告发病数进行比较分析。结果 最优模型为ARIMA（0,2,1）（1,2,0）₁₂。预测发病数显著高于2020、2021、2022年报告发病数。2020、2021、2022年流行性腮腺炎报告发病数较预测发病数分别减少54.02%、63.40%、66.09%。结论 2020-2022年江西省流行性腮腺炎报告发病数明显低于预测发病数,考虑与非药物干预措施、免疫策略的改变等有关,建议进一步加强流行性腮腺炎监测,以更好应对流行性腮腺炎疫情。     

应用灰色模型预测甲乙类肠道传染病发病趋势

肠道传染病因其传染性强、传播速度快,迄今仍是全球性的重要公共卫生问题之一,同时肠道传染病的发病水平也是衡量一个国家和地区经济、文化发展和卫生保健水平的重要参考指标。为了探讨嘉善县甲乙类肠道传染病的流行规律,现应用灰色理论模型GM（1,1）预测甲乙类肠道传染病的发病趋势,为肠道传染病防治提供科学依据。     

自回归求和滑动平均模型在宁波市食源性疾病发病人数预测中的应用

目的采用自回归求和滑动平均模型(autoregressive integrated moving average,ARIMA)对宁波市食源性疾病的发病趋势进行预测,为预警和制定、调整食源性疾病防控策略提供依据。方法用SPSS 22. 0软件对宁波市2014年1月-2016年12月的食源性疾病发病人数进行ARIMA模型拟合,2017年的发病人数验证模型并预测2018年发病人数。结果 ARIMA(1,1,1)(0,1,1)12模型较好地拟合了宁波市既往食源性疾病的时间序列,拟合预测误差率为6. 38%,2018年宁波市食源性疾病预测人数为6 968人。结论 ARIMA模型可用于食源性疾病的动态分析和短期预测。     

灰色模型在预测天津市肠道传染病发病趋势中的应用

目的探讨预测天津市肠道传染病发病率的灰色模型,为天津市肠道传染病防制工作提供科学的参考依据。方法利用2004--2009年天津市肠道传染病疫情资料建立GM（1,1）预测模型,进行模型评价,并对未来几年进行趋势预测。结果天津市肠道传染病发病率GM（1,1）模型为：Yr＋1=-1532．39e^-0.1125t＋1681．68,拟合精度合格。结论模型能够用于预测天津市肠道传染病发病率的短期趋势,未来3年天津市肠道传染病将呈缓慢下降趋势。     

自回归滑动平均混合模型在医院感染发病率预测中的应用研究

目的 探讨自回归滑动平均混合(ARIMA)模型的应用价值,为医院感染的监控和预警模式建立提供辅助信息.方法 以2005年1月-2010年12月宁夏某医院的医院感染发病率建立ARIMA模型,进行样本内回代评价预测模型的可行性,以2011年1-10月的发病率资料作为模型预测评价样本,检测模型预测值和实际值的拟合程度,以相对误差绝对值平均(MAPE)值评价ARIMA模型的预测准确性.结果 ARIMA季节乘积模型(0、1、1)×(0、1、1)12的AIC、SBC值分别为1.9047、1.9752,为最优模型,模型表达式为12 Lnyt=(1+0.6841L)、(1 +0.8003 L12),其样本内拟合MAPE值为23.48％,R2=0.5423,模型具有外推价值,样本外预测MAPE值为12.55％,R2 =0.6213,模型预测精度良好.结论 用ARIMA模型对医院感染发病率的拟合结果满意,预测效果良好,可为医院感染的防治提供参考依据.     

自回归求和滑动平均模型在河南省出生缺陷发生率预测中的应用

目的 应用自回归求和滑动平均(autoregressive integrated moving average, ARIMA)模型对河南省月度出生缺陷发生率进行预测,为制定科学的出生缺陷防控措施提供参考依据。方法 收集2011年1月至2020年12月河南省37所国家级出生缺陷监测点所有围产儿的出生缺陷监测数据,分别构建总体、城镇和乡村出生缺陷发生率的ARIMA乘积季节模型,对2020年数据进行回代,评价拟合效果,同时利用所构建模型预测2021～2022年月度出生缺陷发生率。结果 分别使用ARIMA(0,1,1)(0,1,1)₁₂、ARIMA(2,1,2)(2,1,0)₁₂、ARIMA(0,1,1)(0,1,1)₁₂模型预测2020年河南省总体、城镇和乡村月度出生缺陷发生率,计算2020年预测值和真实值的平均相对误差分别为7.26%、8.80%和10.13%;2020年预测值和真实值动态趋势基本一致,真实值均落在预测值的95%置信区间内;预测2021～2022年河南省月度出生缺陷发生率呈现持续上升趋势。结论 ARIMA模型...     

基于求和自回归滑动平均模型的道路交通伤害死亡趋势预测分析

目的  分析2014-2018年河北省道路交通伤害死亡情况, 探讨求和自回归滑动平均模型(autoregressive integrated moving average model, ARIMA)在道路交通伤害死亡趋势预测中的可行性。 方法  采用描述流行病学分析2014-2018年河北省道路交通伤害死亡概况, 运用R 3.5.3软件对河北省2014年1月-2018年6月道路交通伤害月度死亡资料建立ARIMA预测模型, 进行整体回代观察拟合效果, 比较2018年7月-12月预测值与真实值, 评价预测效果。 结果  2014-2018年河北省累计报告道路交通伤害死亡人数13 147例, 男性10 071例, 女性3 076例, 年均死亡率为17.79/10万, 总体呈现下降趋势。构建的最佳预测模型为ARIMA(0, 1, 1)(0, 1, 1)₁₂, 赤池信息量准则(Akaike information criterion, AIC)为390.64, Schwaz贝叶斯准则(Schwarz Bayesian criterion, SBC)为395.78;残差序列为白噪声序列(均有P > 0.05), 模型参数非零(均有P < 0.05);预测结果实际值均落在预测值95%置信区间内, 预测值与实际值之间的相对误差在1.15%~11.85%之间, RMSE=13.65, MAE=10.88, MAPE=4.80%, 模型预测性能良好。 结论  河北省道路交通伤害死亡水平总体呈逐年下降趋势, ARIMA模型可用于道路交通伤害死亡趋势的短期预测。     

基于自回归滑动平均混合模型的布鲁菌病流行趋势预测

目的  对我国布鲁菌病（简称布病）月发病率进行预测,为了解我国布病流行趋势、制定防控策略提供数据支持和决策依据。 方法  以国家人口与健康科学数据共享平台为数据来源,使用2004年1月-2016年12月全国布病月发病率数据建立历史序列,应用R软件构建自回归滑动平均混合模型（autoregressive integrated moving average model,ARIMA）并进行数据拟合和预测。 结果  本研究构建乘积季节ARIMA（2,1,2）（2,1,1）₁₂模型各项参数都有统计学意义（均有P < 0.001）,模型很好的拟合了全国布病月发病率的变化规律,预测值与实际值之间的平均相对误差为21.77%;预测2017年、2018年、2019年和2020年布病的月平均发病率分别为0.399 5/10万、0.423 8/10万、0.445 6/10万、0.471 2/10万,呈逐渐增高趋势（χ²=14.244,P < 0.001）,在4-7月份出现发病峰值。 结论  在自然状况下,我国人间布病的月发病率将逐年增高,应采取相应措施进行控制。     

基于自回归积分滑动平均模型的西部某市白纹伊蚊幼虫密度预测

目的构建时间序列ARIMA乘积季节模型,预测2017年白纹伊蚊幼虫密度,探讨该模型在预测白纹伊蚊幼虫消长趋势中的应用。方法利用西部某地级市2012年1月至2016年12月的白纹伊蚊幼虫监测资料,运用SPSS 20.0的专家建模器,考虑季节因素对月布雷图指数数据进行ARIMA模型构建,并用所建模型对2017年白纹伊蚊幼虫的消长趋势进行预测。结果 ARIMA(1,0,0)×(0,1,0)12为最佳模型。预测2017年白纹伊蚊布雷图指数5—10月份均高于5,高峰主要集中在7—10月(分别为9.9、8.2、11.3和9.33),11月份后开始下降。结论 ARIMA乘积季节模型拟合预测效果较好。2017年,特别是5—10月份,应加强白纹伊蚊的监测、消杀及伊蚊媒介传染病的防控。     

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。     

差分自回归移动平均乘积季节模型预测广州市肺结核发病趋势

目的 探讨应用差分自回归移动平均(autoregressive intergrated moving average,ARI-MA)乘积季节模型预测广州市肺结核月发病数的可行性,为制定防控措施提供参考依据.方法 利用2010年1月至2019年6月广州市肺结核月发病数据建立ARIMA模型,并以2019年7-12月数据对模...     

神经网络自回归模型在丙肝发病趋势和预测研究中的应用

目的探讨神经网络自回归模型在丙肝发病趋势和预测研究中的应用。方法通过神经网络自回归模型对2004年1月至2015年12月我国全国丙肝发病率进行拟合建模,估计丙肝的发病趋势,并对2016年我国丙肝发病率进行预测,与实际值对比,根据相对误差、平均绝对误差(MAE)、平均绝对百分误差(MAPE)和均方根误差(RMSE)对模型的预测效果进行评价。结果神经网络自回归模型能够识别出我国丙肝在过去13年的发病趋势,逐年增长并具有季节性,且相对误差、MAE、MAPE和RMSE均较小,尤其RMSE10%。结论神经网络自回归模型可以运用于丙肝的时间序列数据的分析中,其预测精度较高。     

季节性差分自回归滑动平均模型在上海市道路交通伤害预测中的应用

[目的]探讨季节性差分自回归滑动平均(SARIMA)模型预测道路交通伤害的可行性,为掌握上海市交通伤害趋势提供依据。[方法]利用EVIEWS软件对2000—2009年上海市道路交通伤害死亡的季度数据进行SARIMA模型拟合,并利用2010年数据对预测数据进行验证。[结果]上海市道路交通死亡具有明显的季节要素,趋势要素呈逐步下降趋势;对原始图形识别后,综合考察几种模型拟合优劣,最终采用SARIMA(2,1,0)(0,1,1)4,其能很好地拟合上海市道路交通伤害死亡情况。2010年4个季度死亡率预测值分别为1.49/105、1.74/105、1.93/105和2.06/105,实际值均在预测区间内,残差也显示为白噪声序列。预测结果较好。[结论]SARIMA模型是一种能较好地预测道路交通伤害趋势的工具,可为预防与控制道路交通伤害提供决策依据。     

自回归求和滑动平均(ARIMA)模型在全球新型冠状病毒肺炎发病人数预测中的应用

目的  应用自回归求和滑动平均(autoregressive integrated moving average, ARIMA)模型对全球新型冠状病毒肺炎(coronavirus disease 2019, COVID-19)发病人数进行预测, 为各国提出的防控策略与措施提供参考和评价依据。 方法  收集2020年2月22日-3月19日各国(意大利、西班牙、德国、法国等)COVID-19每日累计确诊人数, 用SPSS 17.0和R 3.6.1软件拟合ARIMA模型, 对5日前数据进行回带评价拟合效果, 同时利用该模型预测各国后10日数据。 结果  ARIMA模型预测值和实际值动态趋势基本一致, 实际值在预测值的95%CI内。 结论  ARIMA模型能够较好的对全球COVID-19发病人数进行预测, 在指导疫情防控方面有实际意义。     

自回归移动平均模型在北京市朝阳区手足口病发病预测中的应用

目的通过构建时间序列自回归移动平均模型(autoregressive integrated moving average model,ARIMA),对手足口发病趋势进行预测,探讨该模型在发病预测中的应用。方法从疾病监测信息报告管理系统提取北京市朝阳区2010年1月-2016年12月手足口病月发病数据。建立ARIMA季节乘积模型,对2010年1月-2015年12月的月发病数进行拟合,再以2016年1-12月的月发病数作为验证数据,评价其预测效果。结果通过对模型进行拟合优度及残差序列进行白噪声检验,最后选择了ARIMA(1,0,0)(1,1,0)_(12)为最佳模型。对2016年1-12月发病数进行预测,实际发病数均落入95%CI内,平均相对误差为49.37%。模型中加入2016年1-6月的月实际发病数,预测2016年7-12月的月发病数,平均相对误差为18.12%。结论 ARIMA季节模型可应用于手足口病等具有季节性变动特征的传染病预测。ARIMA模型短期预测手足口病的发病情况精度更高,可通过不断纳入新的实际观测值开展动态分析。ARIMA模型仅为一种数学工具,在实际防控及监测工作中,需要结合专业理论知识及具体情况进行分析。     

差分自回归移动平均模型在肾综合征出血热发病预测中的应用研究

目的探讨差分自回归移动平均模型（ARIMA）在肾综合征出血热（HFRS）预测分析中的应用。方法用SPSS16．0软件建立1986-2011年河北省HFRS逐月疫情资料数据库,用ARIMA相关模块进行建模拟合并进行预测分析。结果河北省1986-2011年HFRS发病数呈现明显的季节周期性。筛选ARIMA（0,1,1）×（0,1,2）_12模型为最优模型,对河北省2012年各月发病数进行预测,2012年1-12月实际值均落人了预测值的95％可信区间内。结论ARIMA模型可以很好地拟合HFRS发病数的变动趋势,并可用于预测未来疫情,为HFRS防控工作提供依据。     

求和自回归滑动平均模型在5岁以下儿童死亡率预测中的应用

目的分析北京市5岁以下儿童死亡率(U5MR)的长期变化趋势,探讨求和自回归滑动平均模型(ARIMA)预测U5MR的效果,并对2016-2020年北京市U5MR进行预测。方法基于北京市5岁以下儿童死亡监测网收集1992-2015年北京市5岁以下儿童死亡数据。以1992-2013年北京市U5MR为训练样本,拟合ARIMA模型。分别以1992-2013年和2014-2015年北京市U5MR为校验样本,对模型进行内外部验证。通过EViews 8.0和SPSS 19.0软件实现。结果 1992-2013年北京市U5MR呈下降趋势,22年间下降了81.50%。而2014和2015年略有回升,2年间上升了4.86%。构建最佳的死亡率预测模型为ARIMA(1,1,1):x_t=-0.445+1.509x_(t-1)-0.509x_(t-2)+α_t+0.999α_(t-1),R~2=0.982,MAPE=4.76%,AIC=2.15,BIC=2.30,满足白噪声。经内外部验证,实测值和预测值差异均无统计学意义(P_(内部)=0.401,P_(外部)=0.655)。利用此模型预测2016-2020年北京市U5MR,预测值分别为2.88‰、2.87‰、2.90‰、2.97‰和3.09‰。结论 1992-2013年北京市U5MR呈下降趋势,2014和2015年则略有回升。利用ARIMA(1,1,1)模型对北京市U5MR进行预测,效果较好。预测2016-2020年北京市U5MR呈现小幅上升趋势,提示应加大对北京市妇幼保健工作的投入和关注。     

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.