时间序列模型在广州市登革热发病趋势预测的应用

目的利用ARIMA模型对广州市登革热发病趋势进行时间序列分析和预测。方法收集广州市2015-2018年登革热每周发病数,采用2015-2017年登革热每周发病数构建ARIMA模型,通过2018年登革热发病预测值与实际值的拟合情况,评价模型预测效果。结果拟合模型ARIMA(4,1,9),残差序列为白噪声,预测值与实际值平均绝对误差为4.03,均方根误差为8.13。2018年登革热预测发病趋势与实际发病趋势较吻合。结论 ARIMA模型能较好地模拟广州市登革热的短期发病趋势,可作为预测工具。     

深圳市肾综合征出血热时间序列预测分析

目的利用拟合ARIMA模型对深圳市肾综合征出血热(HFRS)的发病趋势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。方法收集深圳市2005—2014年HFRS季度发病资料,通过SPSS 19.0软件拟合ARIMA模型,预测2015年各季度的发病数。结果最终拟合为ARIMA(0,0,0)(0,1,1)4模型,残差为白噪声序列,预测值与实际值的平均相对误差为28.6%。2015年各季度HFRS发病的预测值符合实际值的变动趋势。结论 ARIMA模型能较好模拟深圳市HFRS的发病趋势。     

应用ARIMA模型对河南省1991-2011年乙型肝炎发病趋势分析

目的 探讨应用ARIMA模型对河南省进行乙肝发病趋势进行预测,为制定防控策略提供科学依据.方法 采用SPSS15.0软件对河南省1991 ～2011年乙型肝炎发病率拟合ARIMA模型进行预测,将预测值与实际值进行比较.结果 确定模型为ARIMA(0,1,1),残差序列为随机序列,预测值和实际值平均相对误差为10.04％,预测2012年乙肝发病率为182.1/10万.结论 ARIMA(0,1,1)模型可以很好拟合乙肝发病趋势,可为乙肝防治提供科学依据.2012年预测结果提示乙肝发病有上升趋势,当地可制定相应防控策略.     

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。     

时间序列分析法在北京市食物中毒预测中的应用

目的探索时间序列分析方法在北京市食物中毒预测中的应用,为食物中毒的预防和控制提供依据。方法收集2004-2015年北京市食物中毒发生人数,采用ARIMA模型进行拟合,用2016年的事件数据验证模型拟合效果,并预测2017年北京市食物中毒发病人数。结果 ARIMA(1,0,0)×(1,1,0)4较好的拟合了既往时间段食物中毒发病人数的时间序列,拟合平均相对误差为6.00%,实际值均在预测值的95%CI内,预测2017年北京市食物中毒发生人数为264人。结论 ARIMA模型能够较好的拟合食物中毒发生趋势,在食物中毒发病人数预测中具有一定的应用价值。     

ARIMA模型在深圳市法定传染病发病趋势预测的应用

目的通过探讨单纯求和自回归滑动平均模型(ARIMA模型)应用于法定传染病发病率预测的可行性,为传染病防控工作提供科学依据。方法采用SAS9.2软件对深圳市2004-2014年的病毒性肝炎、细菌性痢疾的月发病率进行ARIMA模型的建模拟合,预测2015年病毒性肝炎、细菌性痢疾的月发病率。结果 ARIMA模型对病毒性肝炎、细菌性痢疾的拟合效果较好。结论 ARIMA模型对深圳市几种传染病发病的时间序列变动趋势能进行较好的模拟,因此可以为法定传染病的预测提供依据。2015年预测结果提示病毒性肝炎的发病有上升趋势,需进一步调整相应防控策略。     

将ARIMA模型应用于深圳市1980-2007年重点法定传染病预测分析

[目的]探讨自回归移动平均混合模型（ARIMA模型）在预测法定传染病发病方面的可行性,为传染病预防控制提供科学依据。[方法]选取深圳市发病数高、疾病负担较重、有代表性的部分重点传染病,利用时间序列的ARIMA模型对1980～2007年的发病数进行拟合。[结果]ARIMA模型对病毒性肝炎、狂犬病、细菌性痢疾、肺结核、伤寒与副伤寒、淋病、梅毒、猩红热、艾滋病病毒携带与艾滋病、风疹的拟合效果较好,对霍乱、疟疾、流感、流脑、腮腺炎、麻疹、登革热的拟合效果较差。[结论]ARIMA模型对深圳市几种重点传染病发病的时间序列变动趋势能进行较好的模拟．因此可以为法定传染病的预测提供依据。     

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。     

ARIMA模型在深圳市法定传染病发病趋势预测的应用*

目的通过探讨单纯求和自回归滑动平均模型( ARIMA模型) 应用于法定传染病发病率预测的可行性, 为传染病防控工作提供科学依据.方法 采用 SAS 9.2软件对深圳市2004-2014年的病毒性肝炎,细菌性痢疾的月发病率进行ARIMA模型的建模拟合,预测2015年病毒性肝炎,细菌性痢疾的月发病率.结果 ARIMA 模型对病毒性肝炎,细菌性痢疾的拟合效果较好.结论ARIMA 模型对深圳市几种传染病发病的时间序列变动趋势能进行较好的模拟, 因此可以为法定传染病的预测提供依据.2015年预测结果提示病毒性肝炎的发病有上升趋势,需进一步调整相应防控策略.     

ARIMA模型在登革热高发城市发病预测中的应用

目的 探索登革热高发城市(福州、广州及杭州市)登革热发病的时间模式,并应用自回归积分滑动平均(autoregressive integrated moving average, ARIMA)模型预测登革热发病趋势,为制定登革热防控措施提供理论依据。方法 分析福州市、广州市和杭州市2015—2020年登革热月发病资料,采用各市2015—2019年登革热月发病数建立ARIMA模型并应用SPSS 26.0、Eviews 10、Excel等软件对登革热的发病趋势进行描述和预测,评价模型预测效果。结果 福州市和杭州市登革热发病主要是季节性变化,广州市则既有季节性变化又有趋势性变化。福州市最适合的模型是ARIMA(1,0,0)(1,1,0)₁₂,预测值与实测值均方根误差(root mean square error, RMSE)为106.538,平均绝对误差(mean absolute error, MAE)为39.695,广州市为ARIMA(1,1,0)(0,1,1)₁₂,RMSE为48.787,MAE为25.774,杭州市最优模型是ARIMA(0,0...     

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模型在衢州市梅毒发病率预测中的应用

目的探讨应用ARIMA模型预测梅毒发病趋势的可行性,为预防控制梅毒流行提供依据。方法应用SPSS 18.0对2005-2014年衢州市梅毒逐月发病率建立ARIMA模型,并对2015年梅毒发病率进行预测分析。结果 ARIMA(2,1,1)(0,1,1)12能较好拟合既往梅毒的发病率,2014年梅毒月发病率预测值和实际值的平均相对误差为11.89%,实际值均在预测95%CI内。结论 ARIMA模型能有效地预测梅毒发病趋势,为制定防控措施和策略提供科学的依据。     

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。     

乘法季节回归求和移动平均模型在安徽省手足口病预测中的应用研究

目的探讨乘法季节回归求和移动平均模型(ARIMA)在安徽省手足口病发病预测中应用,为手足口病预防控制提供参考。方法根据2009-2014年安徽省手足口病的周发病数据,运用R 3.0.2软件拟合乘法季节性ARIMA模型,并对2015年1~52周发病数进行预测。结果安徽省手足口病预测中最优模型为ARIMA(1,1,1)(0,1,1)52模型,残差统计量检验差异无统计学意义(Box-Ljung=0.004,P=0.950),提示残差为白噪声,模型拟合值和实际值平均绝对误差率为11.32%,2015年1~52周预测值和实际值平均绝对误差率为25.10%。结论建立的乘法季节性ARIMA模型能较好地拟合安徽省手足口病变动趋势,模型预测效果较好,可用于安徽省手足口病短期预测。     

ARIMA模型在手足口病预测预警中的应用

目的研究时间序列分析在手足口病预测预警中的应用,并探讨提高模型预测准确性和实用性的思路。方法应用SPSS 18.0软件对深圳市盐田区2008年1月—2014年4月手足口病发病率进行ARIMA模型拟合,预测2014年5月-12月手足口病发病率。结果模型ARIMA（0,1,0）（0,1,1）12的参数估计值为0.761,t=2.552,P=0.013,经检验参数有统计学意义。且BIC=6.066,在拟合比较的模型中最小,故选定为最佳拟合模型。利用2013年10月—2014年4月实际发病数与预测发病数进行比较,实际值与预测值相对误差的中位数为71%。结论用时间序列分析对手足口病发病情况的拟合结果满意,预测和预警效果良好。     

ARIMA模型在新疆流感样病例占门急诊病例百分比预测中的应用

目的探讨应用时间序列自回归滑动平均求和模型(ARIMA)在建立流感样病例占门急诊病例百分比(ILI%)预测模型方面的应用。方法利用新疆2012—2014年每周17家哨点医院的ILI占门急诊病例百分比(ILI%)数据建立ARIMA模型,拟合ILI%的变化趋势,用残差序列分析进行模型诊断,并对2015年1~26周(上半年)ILI%进行预测,来评价ARIMA模型的预测效果。结果 2012—2014年新疆的ILI%是周期性变化,经模型诊断发现ARIMA(1,0,1)(0,1,0)52模型为最优模型,通过对2015年1~26周数据的外推,预测值与实际值的平均相对误差为8.75%,且实际值均在预测值的95%可信区间内,实际值与预测值变动趋势一致。结论 ARIMA模型可对ILI%进行很好的拟合,可作为新疆维吾尔自治区ILI%短期预测模型。     

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模型预测职业性噪声聋发病趋势

目的探讨自回归积分滑动平均模型(ARIMA模型)在职业性噪声聋(ONID)发病趋势预测中的应用价值。方法以广东省2006—2015年新发ONID病例数建立ARIMA模型,对之进行验证,并采用该模型预测2016—2020年新发ONID的发病趋势。结果广东省2006—2015年新发ONID病例数呈指数式增长趋势。采用2006—2015年新发ONID病例数拟合的最优模型为ARIMA(2,2,2)模型,可较好拟合2008—2015年的新发ONID病例数。根据ARIMA(2,2,2)模型预测,2016—2020年广东省年新发ONID仍呈快速增长趋势。结论基于时间序列的ARIMA模型可较好地拟合ONID发病的时间变化趋势,可用于ONID的发病趋势预测。     

基于ARIMA模型的深圳市空气质量指数时间序列预测研究

目的构建适合深圳市空气质量指数(AQI)预测的自回归移动平均模型(ARIMA),为有效地治理和控制空气污染提供科学依据。方法应用时间序列分析方法对深圳市2014年1月1日—2016年6月30日AQI逐日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2016年7月1日—2016年7月6日AQI进行预测,并评价其预测效果。结果本研究2014年1月—2016年6月共收集了深圳市912个逐日AQI数据,空气质量级别为优、良和轻度污染的比例分别是48.6%、48.4%和3.0%。经平稳性检验,该原始序列适合进行模型拟合,经过模型拟合诊断发现ARIMA(3,0,1)模型为最优模型,赤池信息准则(AIC值)和贝叶斯信息准则(BIC值)最小,分别为7 364.51和7 393.41,Box-Ljung检验结果 Q值为17.48,P0.05,模型残差为白噪声序列。2016年7月1日—2016年7月6日AQI预测值与实际值的平均相对误差为16.6%,实际值都在95%可信区间内,建立的ARIMA(3,0,1)模型的拟合精度和预测效果较为理想。结论 ARIMA(3,0,1)模型能较好地模拟深圳市AQI变化趋势,有良好的预测效果。     

ARIMA模型在预测南阳市人间布鲁氏菌病发病风险中的运用

目的 应用ARIMA模型预测南阳市布鲁氏菌病(布病)的发病风险.方法 收集2008-2019年南阳市布病病例数据,应用ARIMA建立预测模型,使用2020年的观察值和预测值评估模型,并预测2021年发病情况.结果 2008-2019年南阳市布病发病呈升高趋势,发病高峰为每年的4-5月,拟合布病数据的最优模型为ARIMA(0,1,0)(2,1,2)12,该模型AIC值最小(1088.33),Ljung-Box统计量检验,残差序列为白噪声序列;将数据整体回代,均方根误差(RMSE)=13.26,平均绝对误差(MAE)=9.02,表明ARIMA(0,1,0)(2,1,2)12模型构建效果良好;利用构建模型预测2021年5月南阳市布病发病数最高.结论 ARIMA模型可用于预测布病发病情况,预测南阳市2021年布病发病有升高趋势,应加强布病防控工作.