探讨ARIMA模型在红细胞用量预测中的应用

目的:分析宜昌地区ABO血型系统各血型红细胞用量的分布规律,依据时间序列分析方法建立自回归积分滑动平均模型(ARIMA)进行预测,指导采供血机构相关业务工作。方法:在SPSS18.0中利用时间序列模型中专家建模器,对宜昌市2008-01-2015-12红细胞总的用量及各血型分别用量建立数学模型,并预测2016年1至6月用量,与实际用量对比,验证模型误差。结果:专家建模器对红细胞总量、A型及O型红细胞用量给出的模型是ARIMA(0,1,1)(0,1,1),B型和AB型红细胞用量给出的模型分别是ARIMA(1,1,1)(1,1,1)和ARIMA(2,1,1)(1,1,1)。对5个模型残差的白噪声检验结果均显示P0.05,说明残差均为白噪声序列,模型提取了原序列中所有数据信息,模型诊断得以通过。将预测值与实际值进行比较,实际值均落入预测值95%的可信区间内,且平均误差相对较小,模型预测效果良好。结论:ARIMA模型能够科学、有效地反映时间序列的变化规律,可以有效预测短期红细胞用量,有针对性地指导血站的采供血业务工作。     

我国疟疾报告病例数自回归移动平均模型预测研究

目的采用自回归移动平均(Autoregressive integrated moving average,ARIMA)模型对全国(不含港澳台地区)疟疾月报告病例数进行预测研究,为疟疾的预防控制提供参考依据。方法通过SPSS 24.0软件,建立两个时间序列,分别为2006-2015年和2011-2015年全国疟疾月报告病例数的时间序列,并建立最优ARIMA模型,以2016年1-12月全国疟疾月报告病例数进行验证。结果 2006-2015、2011-2015年两个不同时间序列建立的全国疟疾月报告病例数模型分别为ARIMA(2,1,1)(1,1,0)_(12)和ARIMA(1,0,0)(1,1,0)_(12),分别对2016年1-12月数据进行预测,基于2011-2015年数据建立的ARIMA模型的预测误差更小。结论模型的建立和预测应用是动态过程,需要不断根据积累的数据进行调整,从而提高预测精度,但同时要充分考虑传染病流行特征的重大变化等其他因素。     

2004-2018年我国狂犬病疫情时间序列分析

目的 分析2004-2018年我国狂犬病疫情的时间序列特征,建立自回归移动平均模型(Autoregressive Integrated Moving Average Model, ARIMA),利用该模型对我国狂犬病疫情进行短期预测,为狂犬病的防控提供参考。方法 建立2004-2017年我国狂犬病月发病数时间序列,利用SPSS 19.0建立ARIMA季节模型,并将该模型预测的2018年狂犬病发病数据与实际数据比较,对模型进行优化评估;最后利用优化模型对2019年狂犬病发病情况进行短期预测。结果 根据建立的时间序列分析得到最优模型为ARIMA(0,1,1)×(0,1,1)12,模型的拟合结果与真实值变化趋势一致,具有良好的拟合效果;模型预测2018年发病总数为363,相对误差为0.82%。结论 截至目前,我国仍是狂犬病高发国家,狂犬病疫情呈现季节性变化特征,ARIMA乘积季节模型对我国狂犬病发病趋势具有较高的拟合度,可用于我国狂犬病疫情的短期预测,可为我国狂犬病的防控提供参考依据。     

我国肺结核月报告死亡病例数的自回归移动平均模型的建立及预测

目的: 分析我国肺结核月报告死亡病例数的变化趋势以建立及确定最佳预测自回归移动平均模型(autoregressive integrated moving average model,ARIMA)。方法: 搜集《疾病监测》杂志发布的2010—2020年全国 (不包括我国港澳台地区,下同)每月报告的肺结核死亡病例数,共计报告21055例。以2010—2018年数据作为建模数据库组成时间序列并拟合ARIMA模型。以2019年和2020年每月报告的实际数据作为验证数据库,对ARIMA模型进行筛选与评价,选择出最佳模型并预测2021年1—12月我国肺结核月报告死亡病例数。 结果: 基于2010—2018年我国肺结核月报告死亡病例数构建模型,经参数评估与整体诊断初步筛选出3个备选模型,即平稳决定系数最大(R²=0.589)的ARIMA(0,1,1)(1,1,0)₁₂模型、均方根误差值最小(RMSE=24.572)的ARIMA(0,1,2)模型和标准化贝叶斯信息准则值最小(NBIC=6.517)的ARIMA(0,1,1)模型。运用备选模型预测2019年和2020年我国肺结核月报告死亡病例数并与实际数据相比较,筛选出最优预测模型为ARIMA(0,1,1),其预测2019年和2020年数据的相对误差分别为6.56%(147/2241)和58.52%(910/1555)。以ARIMA(0,1,1)模型预测2021年1—12月我国肺结核死亡病例数约为2542例,平均月报告死亡病例数为212例。结论: ARIMA模型的短期预测效果较好,可用于预测近期我国肺结核月报告死亡病例数,但在预测远期或受到较大因素影响年份的数据时效果欠佳。     

应用时间序列模型预测江苏省钩虫感染率

目的 探讨应用时间序列ARIMA模型预测江苏省钩虫感染率的可行性。方法 以1990-2006年江苏省钩虫感染率数据做为训练数据集, 应用SAS 9.0 软件对训练数据集进行差分平稳化处理后, 采用最小信息准则筛选参数, 构建全省钩虫病自回归滑动平均模型 （ARIMA）, 预测全省钩虫感染率。结果 初步确定全省钩虫感染率时间序列模型ARIMA （1, 2, 0）, 应用该模型预测的全省钩虫病流行趋势与实际感染情况相一致, 实际感染率均落在预测值95%可信区间内; 模型预测的2007-2011年全省钩虫感染率与实际感染率基本相符, 最小预测误差仅为9.23%。 结论 构建的时间序列模型具有良好的预测效果和一定的防治应用价值。     

ARIMA模型在疟疾发病预测中的应用

目的探讨ARIMA时间序列模型在疟疾发病预测中的应用,建立疟疾发病率的预测模型。方法基于1996～2005年安徽省怀远县的疟疾月发病资料,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AIC与SBC准则确定模型的阶数,建立ARIMA疟疾预测模型。并用所得模型对2006年该县疟疾发病率进行预测。结果ARIMA(0,1,1)×(0,1,1)12模型能较好地拟合既往时间段上的发病率时间序列,其方差估计值为0.60,AIC=187.00,SBC=193.58,数学函数式为(1-B)(1-B12)Zt=(1-0.591B)(1-0.281B12)at。该模型对2006年月发病率的平均预测误差仅为0.03。结论ARIMA模型可较好地拟合疟疾发病在时间序列上的变化趋势,是一种精度较高的短期预测模型。     

基于时间序列模型的急性胰腺炎住院患者人数的预测分析

目的基于时间序列模型预测分析AP住院患者人数, 探讨模型预测效能。方法收集2014年1月至2019年12月西南医科大学附属医院AP住院患者的临床资料, 使用R软件采集住院人数的时间序列, 分析2014年至2018年AP住院人数趋势性及季节性特征, 进一步通过平稳性检验、模型定阶、模型检验步骤建立自回归移动平均(ARIMA)模型, 并运用筛选出的最佳模型对2019年每月住院人数进行预测, 验证其预测效能。结果共3 939例AP患者纳入研究。其中AP最常见病因为胆源性(48.2%), 其次为高三酰甘油血症(36.3%);发病年龄高峰为40～60岁。时间序列分析显示AP住院患者人数呈逐年增长趋势;发病最高峰为每年2～3月, 其次为9～11月, 存在季节性变化, 夏季的发病率相对较低。建立的原始训练集序列未通过平稳性检验(P=0.061), 故对其进行一阶差分转化为平稳序列后建立ARIMA模型。模型定阶中根据AIC值最小的准则, 筛选出ARIMA(2, 1, 1)(1, 1, 1)12作为最佳模型, 运用该模型对2019年AP住院人数进行预测, 显示其能较好地拟合发病时间趋势, 短期预测效果良...     

湖南省君山区血吸虫病疫情的时间序列模型分析与预测

目的应用时间序列模型分析与预测湖南省君山区血吸虫病疫情变化趋势,为湖沼型血吸虫病的控制与消除提供科学依据。方法收集1996~2016年湖南君山区的血吸虫的疫情数据,绘制湖南省君山区20年来的人群、家畜血吸虫感染率的时序图,对君山区的人群、家畜血吸虫感染率进行ARIMA模型拟合,并预测2017~2020年人群、家畜血吸虫感染率的变化趋势。结果君山区1996~2016年疫情呈下降趋势,人群感染率下降94.86%;家畜感染率波动大,至2016年家畜感染率降为0。时间序列分析显示,人群血吸虫感染率最优拟合模型为ARIMA(0,1,0)模型,家畜血吸虫感染率最优拟合模型为ARIMA(1,0,0)模型,两个模型实际值均处于预测值95%CI内,拟合模型具有统计学意义(P0.05)。2017~2020年预测值显示,人群感染率持续维持在低流行状态,而家畜感染率呈现反弹上升。结论君山血吸虫病疫情处于历史最低水平,但需持续加强传染源控制,严防疫情反弹。     

应用时间序列模型预测湖北省血吸虫病流行趋势

目的 目的 研究湖北省血吸虫病流行的变化趋势, 为血吸虫病监测预警提供理论依据。 方法 方法 运用时间序列ARI? MA模型对1987-2013年湖北省居民血吸虫病感染率进行拟合, 并预测感染率的短期变化趋势。 结果 结果 居民血吸虫病 感染率的实际值均处于ARIMA模型预测值的95%可信区间内。预测结果显示未来5年湖北省居民血吸虫病感染率仍将 继续降低, 但下降幅度不大。 结论 结论 时间序列ARIMA模型预测精度较好, 可用于对血吸虫病感染率进行短期预测分析。     

ARIMA模型在预测医疗机构收治重症手足口病患者趋势中的应用

【摘要】 目的  应用自回归积分滑动平均模型（ARIMA）分析预测医疗机构收治重症手足口病趋势,为医疗机构合理调配人、财、物力提供依据。 方法  应用SPSS 16.0软件对2010~2013年逐月收治重症手足口病情况进行拟合,用2014年就诊数据验证所得的ARIMA模型,并对2015年就诊趋势进行预测。 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(0,1,0)(1,1,0)12,其标准化BIC=6.346、平稳R2=0.708、均方根误差=21.576,LB统计量检验残差序列为白噪声序列。 结论  ARIMA模型可较好预测医院收治的重症手足口病趋势,为医院管理提供依据,模型预测效果的优化有待于原始数据和其他相关数据的持续积累。     

ARIMA模型的建立及对中国肺结核月报告例数的预测效果研究

目的 建立自回归移动平均(autoregressive integrated moving average,ARIMA)模型,并对全国(不包括我国港澳台地区,下同)肺结核月报告患者例数进行预测效果研究,为肺结核防控措施的制定提供科学参考。方法 通过中国疾病预防控制中心主办的《疾病监测》杂志公布的我国每月甲、乙、丙类传染病疫情动态简介,搜集2006年1月至2019年8月全国肺结核月报告患者例数。采用SPSS 26.0统计学软件,以2006年1月至2018年12月的全国肺结核月报告患者例数为基础建立时间序列,初步识别和定阶ARIMA模型类型;再以满足模型简洁、ARIMA模型各参数[包括自回归法(AR),平均移动法(MA),季节自回归法(SAR),季节移动平均法(SMA)]均有统计学意义(P值均<0.05),以及P>0.05的模型总体检验指标(Ljung-Box Q值)、最大平稳决定系数(R ²)、最小整体模型的标准化贝叶斯信息准则值(NBIC)、最小均方根误差(RMSE)为标准筛选几种ARIMA模型;继而以2019年1—8月报告患者例数作为验证数据,参照预测值相对误差越小模型越优的原则筛选出最小相对误差的模型为最优模型;最后再以该模型预测我国2019年9月至2020年12月肺结核月报告患者例数。结果 根据2006—2018年每年的全国肺结核月报告患者例数为基础建立时间序列,确定需拟合ARIMA(p,d,q)或ARIMA(p,d,q)×(P,D,Q)模型。以Ljung-Box Q值所对应的P值均>0.05、模型简洁、模型各参数均有统计学意义(P值均<0.05)筛选出12个基本模型,然后再以R ²最大的模型[ARIMA(1,0,1)(0,1,1)₁₂,R ²=0.707]、RMSE最小的模型[ARIMA(0,1,2)(0,1,1)₁₂,RMSE=9147.85]、NBIC最小的模型[ARIMA(0,1,1)(0,1,1)₁₂,NBIC=18.355]、Ljung-Box Q值最小的模型[ARIMA(1,1,1)(0,1,1)₁₂,Ljung-Box Q=8.797]作为备用模型,预测2019年1—8月中国肺结核月报告患者例数,并与实际的月报告患者例数进行比较,确定预测平均相对误差最小(0.55%)、MA(1)=0.875(t=19.243,P<0.001)、SMA(1)=0.876(t=7.596,P<0.001)、Ljung-Box Q=9.876(df=16,P=0.873)的ARIMA(0,1,1)(0,1,1)₁₂模型为最优模型。再以该模型预测我国2019年9月至2020年12月肺结核月报告患者例数,其中2020年1—12月患者总计1025863例,平均每月85489例。结论 ARIMA(0,1,1)(0,1,1)₁₂模型对预测中国肺结核月报告患者例数方面效果较好,但应注意模型的建立和预测是个动态变化过程,需不断根据积累的数据进行调整,从而提高预测精度。     

时间序列模型在胆结石月发病率预测中的应用

目的在时间序列模型理论的基础上,通过时间序列模型对海西州地区的胆结石月发病率进行研究,建立相应的ARIMA模型和ARCH模型并进行预测和评价。方法通过EViews软件对青海海西州地区胆结石发病例监测登记资料进行统计分析,利用原数据建立ARIMA模型和ARCH模型,并通过所建模型对胆结石月发病率的变化趋势和原始序列的预测,确定所建ARIMA模型和ARCH模型的优劣性。结果 ARCH模型的预测结果较ARIMA模型理想,适合描述海西州地区胆结石月发病率的变动趋势。结论 ARCH模型可作为海西州地区胆结石月发病率的预测模型,且通过此模型可帮助人们了解胆结石月发病率的发展趋势,有重点地对胆结石进行健康防治工作,有效地降低胆结石对人们的危害。     

全国人间狂犬病疫情的时间序列分析

目的 分析全国狂犬病疫情的时间分布特征,探讨用自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)预测疫情发展趋势的可行性。方法 建立2004―2015年全国狂犬病月度发病率时间序列,用R3.3.2软件建立最优ARIMA模型,对2016年1~11月发病率进行预测,并评价预测效果。结果 2007年以来我国狂犬病年发病率呈下降趋势,8~10月为高峰季节;建立的最优模型为ARIMA(2,1,1)(2,0,0)₁₂,其平均绝对标准化误差(The mean absolute error, MASE) 为0.755;2016年1~11月发病率预测结果显示,平均相对误差为15.61%。结论 我国狂犬病疫情存在季节性发病高峰,ARIMA模型能用于我国狂犬病疫情的短期预测。     

基于ARIMA模型预测性传播HIV/AIDS新发现病例数变化趋势

目的建立异性性传播和同性性传播艾滋病病毒(HIV)感染者/艾滋病(AIDS)(简称HIV/AIDS)的新发现病例数ARIMA时间序列模型,探讨两类性传播途径感染人群的新发现病例数变化趋势预测。方法利用中国疾病预防控制中心报告的全国2013年1月至2017年12月异性性传播和同性性传播途径HIV/AIDS新发现病例数资料建立ARIMA模型,对2018年1月至2018年9月不同性传播途径HIV/AIDS新发现病例数进行预测,对已建立的模型进行评价。结果异性性传播和同性性传播序列均呈现以年为周期(12个月)的波动上升。ARIMA(0,0,0)×(0,1,0)12模型更符合异性性传播规律,模型为:(1-B12)Yt=0.100+εt;ARIMA(0,1,1)×(0,1,0)12模型更符合同性性传播的规律,模型为:(1-B)(1-B12)Yt=(1-0.759B)εt。模型验证结果显示,预测结果基本符合实际新发现病例数的变化趋势,异性和同性性传播序列模型平均绝对误差(MAE)分别为830.28和374.10,平均相对误差(MAPE)分别为9.85%和15.52%。结论 ARIMA模型可用于预测性传播HIV/AIDS新发现病例数。在后期研究中可进一步探讨新发现病例数在每周期波动的成因,并进一步优化参数,提高预测精准度。     

非稳定性疟区用时间序列模型预测疟疾发病率的可行性研究

目的 探讨应用季节性时间序列ARIMA模型预测非稳定性疟区疟疾发病率的可行性。 方法 应用SPSS13.0软件对淮河流域河南省桐柏县及安徽省怀远县1998-2005年逐月发病率进行ARIMA建模拟合；按照残差不相关和简洁的原则确定模型结构，依据赤池信息准则（AIC）与贝叶斯信息准则（BIC）确定模型的优度。用所得模型预测2006年两县的月发病率，比较预测值与实际值，检验预测效果；再以1998-2006年的发病率数据构建ARIMA模型，预测2007年疟疾发病率。 结果　 模型ARIMA（1，0，0）（0，1，1）12的自回归参数（AR1=0.512）与季节平均移动参数（SMA1=0.609）均通过了统计学检验（P<0.01），AIC=67.01，BIC=71.87，模型残差为白噪声（P>0.05）；该模型很好地拟合了既往时段上的发病率序列，2006年各月疟疾发病率预测值符合实际发病率的变动趋势。预测2007年的疟疾发病率为106.50/10万，发病高峰在7～10月份（占总发病的74.81%）。 结论 ARIMA模型可以很好地模拟疟疾发病率在时间序列上的变动趋势，可用于预测未来的疟疾发病率进行，是一种短期预测精度较高的预测模型。     

应用ARIMA模型预测福建省戊型肝炎疫情

目的建立福建省戊型肝炎（戊肝）分月发病数预测预警的ARIMA时间序列模型。方法利用SAS 9.0软件的PROC ARIMA综合软件包对《疾病监测信息报告管理系统》收集的福建省2004-2010年戊肝分月发病数序列进行ARI-MA模型的建模与分析。结果福建省2004-2010年戊肝分月发病数序列含有以年为周期的季节效应,经12步差分后为平稳非白噪声序列,拟合的相对最优模型为ARIMA（0,0,0）×（0,1,1）12。结论拟合戊肝的相对最优ARIMA模型进行预测和预警,具有实际应用价值。     

基于ARIMAX模型的海西州地区高血压月发病率预测

目的 探讨ARIMAX模型在时间序列资料中的应用,建立海西州地区高血压月发病率的预测模型.方法 利用时间序列分析方法对海西州地区2001年1月至2007年12月高血压月发病率数据进行了分析.利用主成分分析法分析出了气象因素中对高血压月发病率影响最大的两个因素:月平均气温和月平均气压,并将这两个因素作为引入ARIMA模型中的回归项.经过数据平稳化、模型识别确立了15种ARIMA模型和15种ARIMAX模型,并借助于AIC和SC准则,选出了最佳模型ARIMA(4,1,5和ARIMAX(4,1,5).最后,对两个模型进行了模型诊断检验,并选出了最优模型ARIMAX(4,1,5),通过模型预测,确保了所建ARIMAX(4,1,5)模型的合理性.结果 与传统的趋势模型和ARIMA模型相比,ARIMAX模型的拟合效果更佳,ARIMAX(4,1,5)模型预测值的动态趋势和实际情况基本一致,整体效果不错,实际值都落入了预测值的可信区间范围,结果比较理想.结论 ARIMAX(4,1,5)模型可作为海西州地区高血压月发病率的预测模型,且通过此模型可帮助了解高血压月发病率的发展趋势,有重点地对高血压进行健康防治工作,有效地降低高血压对人们的危害,保障生活质量.     

传染病总论

中国内地法定报告传染病预测和监测的ARIMA模型-冯丹等（北京军事医学科学院微生物与流行病研究所流行病学研究室100071）；《疾病控制杂志》，2007，11（2）：140-143[目的：通过对1995年1月-2004年4月中国大陆法定报告传染病逐月发病率数据的分析，研究其变化规律，建立预测与监测的ARIMA时间序列模型。     

季节自回归求和移动平均模型在重庆市某老年群体医疗费用预测中的应用

目的探讨自回归求和移动平均(ARIMA)模型在某老年人群医疗费用预测中的应用,预测医疗费用的逐月趋势。方法①对重庆市某老年群体2005²010年的逐月人均医疗费用分析模拟,建立季节ARIMA模型。②利用2011年的数据对模型进行修正,并且与Winters指数平滑法比较,采用平均相对误差评价预测效果;结果 ARIMA(0,1,1)(2,1,0)12模型是该老年群体医疗费用预测的最优拟合预测模型,平均相对误差是9.84%。结论 ARIMA(0,1,1)(2,1,0)12模型可用于老年人逐月人均医疗费用的短期预测。     

ARIMA模型在全国艾滋病新发现病例数预测中的可行性研究

目的利用全国艾滋病月新发现率数据建立ARIMA模型,并探讨该模型在全国艾滋病早期预测预警中的可行性。方法收集2005-2016年《中国疾病预防控制中心-公共卫生科学数据中心》公布的全国历年艾滋病月新发现率数据,利用2005-2016年月新发现率数据建立ARIMA模型分析,同时利用2016年新发现率数据评价模型,得到最优模型后对2017年全国艾滋病新发现率进行预测。结果 2005年1月至2016年12月我国艾滋病发病呈明显上升趋势,并对数据进行平稳化等分析后,获得ARIMA(1,1,1)(1,1,0)12为最优模型,模型检验得BIC最小值为2.541,R2=0.931,Ljung-Box统计量为23.293,模型拟合全国艾滋病的发病趋势与实际发病趋势一致。结论 ARIMA模型能较好地拟合全国艾滋病的发病趋势,对该病的预防控制及风险评估具有一定的公共卫生学意义。