单纯ARIMA模型和基于季节性分解的ARIMA模型在丙肝发病率中的预测效果比较

目的 探讨单纯求和自回归移动平均(ARIMA)模型和基于季节性分解的ARIMA模型在丙肝发病率拟合及预测中的应用。方法 收集2007－2015年荆州市丙肝月发病率资料,分别建立单纯ARIMA模型和基于季节性分解的ARIMA模型,采用2016年月发病率资料进行外回代验证模型的外推预测效果,评价指标包括相对误差(relative error,RE)、平均相对误差(mean relative error, MRE)、平均误差率(mean error rate,MER)、均方误差(mean square error,MSE)和平均绝对误差(mean absolute error, MAE)。结果 单纯ARIMA模型拟合和预测的MRE、MER、MSE、MAE分别为17.868、16.367、0.225、0.177 和14.090、15.057、0.343、0.284;基于季节性分解的ARIMA模型拟合和预测的MAD、MER、MSE、MAE分别为14.732、13.556、0.201、0.151和11.778、12.353、0.277、0.229。结论 在丙肝发病率的拟合及预测中,基于季节性分解的ARIMA模型优于单纯ARIMA模型。     

变权组合模型在我国手足口病发病率预测中的应用

目的探讨变权组合模型在我国手足口病月发病率预测中的应用,并与ARIMA模型和残差自回归模型的预测效果进行比较。方法收集2008年1月至2014年12月我国手足口病月发病率资料,用SPSS13.0和Eviews8.0拟合三种模型,并用2014年7-12月的数据比较三种模型的拟合和预测效果。结果 ARIMA模型、残差自回归模型和变权组合模型拟合及预测的MRD,MSE,RMSE和MAE分别为14.006,4.689,2.165,0.147和13.565,4.416,2.101,0.133;16.793,7.247,2.692,0.171和16.206,6.639,2.577,0.164;8.447,1.843,1.358,0.092和8.409,1.833,1.354,0.082。结论变权组合模型拟合及预测效果优于ARIMA模型和残差自回归模型。     

中国手足口病发病率ARIMA、RBF及ARIMA-RBF组合模型拟合及预测效果比较

目的比较求和自回归滑动平均混合模型(ARIMA)、径向基函数神经网络模型(RBF)和ARIMA-RBF组合模型对中国手足口病月发病率的拟合及预测效果,探讨预测手足口病发病率的优化模型。方法收集2008年1月—2014年12月中国手足口病月发病率资料,基于2008年1月—2014年6月的78个数据分别建立ARIMA模型、RBF模型和ARIMA-RBF组合模型,采用2014年7—12月的6个数据进行外回代验证模型的外推预测效果,评价指标包括相对误差(RE)、平均相对误差(MRE)、均方误差(MSE),均方根误差(RMSE)和平均绝对误差(MAE)。结果 ARIMA模型拟合和预测的MRE、MSE、RMSE、MAE分别为14.006、4.689、2.165、0.916和13.565、4.416、2.101、0.577,RBF模型分别为9.031、1.559、1.249、0.508和8.964、1.504、1.226、0.503,ARIMA-RBF组合模型分别为6.397、1.357、1.165、0.416和6.655、1.485、1.218、0.433,ARIMA-RBF组合模型的拟合及预测曲线与原始值最接近。结论 ARIMA-RBF组合模型拟合及预测效果均优于ARIMA模型和RBF模型。     

变权组合模型在我国手足口病发病率预测中的应用北大核心CSCD

目的探讨变权组合模型在我国手足口病月发病率预测中的应用,并与ARIMA模型和残差自回归模型的预测效果进行比较。方法收集2008年1月至2014年12月我国手足口病月发病率资料,用SPSS13.0和Eviews8.0拟合三种模型,并用2014年7-12月的数据比较三种模型的拟合和预测效果。结果 ARIMA模型、残差自回归模型和变权组合模型拟合及预测的MRD,MSE,RMSE和MAE分别为14.006,4.689,2.165,0.147和13.565,4.416,2.101,0.133;16.793,7.247,2.692,0.171和16.206,6.639,2.577,0.164;8.447,1.843,1.358,0.092和8.409,1.833,1.354,0.082。结论变权组合模型拟合及预测效果优于ARIMA模型和残差自回归模型。     

ARIMA-NARNN混合模型在丙型肝炎发病率预测效果研究

目的 选择最优模型用于山西省丙肝的流行趋势预测。方法 利用2004-2015年山西省丙肝发病率建立差分自回归移动平均模型（autoregressive intergrated moving average,ARIMA）模型和混合模型并进行预测,采用均方误差（mean square error,MSE）、平均绝对误差（mean absolute error,MAE）和平均绝对误差百分比（mean absolute percentage error,MAPE）评价模型的建模性能和预测性能。结果 混合模型的建模性能MSE、MAE和MAPE分别为0.0110、0.0701和0.0670,预测性能MSE、MAE和MAPE分别为0.0052、0.0395和0.0191,其预测精度明显高于ARIMA模型。结论 混合模型预测精度高,为山西省丙肝的防控工作提供了合理模型预测。     

RNN、JPR及ARIMA 3种模型预测中国农村孕产妇死亡率的比较

目的 利用循环神经网络(recurrent neural network, RNN)模型、Joinpoint回归(Joinpoint regression, JPR)模型、差分自回归移动平均(autoregressive integrated moving average, ARIMA)模型预测中国农村孕产妇死亡率(maternal mortality rate, MMR)的应用价值,并对《“健康中国2030”规划纲要》等文件提出的MMR下降目标能否实现进行统计预测。方法 基于2000―2019年中国农村MMR数据建立RNN、JPR及ARIMA模型,通过平均绝对误差(mean absolute error, MAE)、均方误差(mean squared error, MSE)、均方根误差(root mean square error, RMSE)比较3种模型的回代拟合效果,通过残差及相对误差比较3种模型对2020年中国农村MMR数据进行点预测的效果,利用优选模型对2021―2030年中国农村的MMR进行预测。结果 2000―2020年中国农村的MMR整体呈持续下降趋势。3种模型回代拟合...     

ARIMA模型和Holt-Winters指数平滑法在自杀死亡中的预测效果比较

目的 探讨比较自回归求和滑动平均(autoregressive integrated moving average,ARIMA)模型和Holt-Winters指数平滑法在自杀死亡预测中的应用。 方法 利用河北省2014年1月—2018年6月自杀月度死亡资料分别建立ARIMA模型和Holt-Winters指数平滑模型,对2018年7—12月自杀月度死亡例数进行预测,并与实际死亡人数进行验证比较,然后根据2个模型的均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)以及平均绝对百分比误差(mean absolute percentage error,MAPE)评价模型的预测效果。 结果 2014—2018年河北省累计报告自杀死亡人数2 882例,自杀死亡水平整体呈现下降趋势,构建的ARIMA最佳模型是ARIMA(0,1,1)(1,1,0)₁₂,预测结果的RMSE、MAE和MAPE分别为5.99、4.67和9.80%;Holt-Winters指数平滑法最佳拟合模型是乘法模型,预测结果的RMSE、MAE和MAPE分别为6.03、5.17和11.44%。 结论 ARIMA模型预测效果优于Holt-Winters指数平滑法,更适用于自杀死亡趋势的短期预测。     

Elman神经网络与ARIMA模型对甲肝月发病率的预测研究

目的 两模型对甲肝月发病率数据进行拟合预测,比较最优模型。 方法 通过软件实现ARIMA模型和Elman神经网络对甲肝发病率进行拟合,并对2017年月发病率进行仿真。 结果 两模型拟合预测效果较好,ARIMA模型平均绝对误差(mean absolute error,MAE)、均方根误差(root-mean-square error,RMSE)、平均绝对百分比误差(mean absolute percentage error,MAPE)分别为0.013、0.002 9、9.29;Elman神经网络MAE、RMSE、MAPE分别为0.012、0.000 22、8.695。Elman神经网络预测结果优于ARIMA模型。 结论 两模型均能够拟合预测甲肝月发病率,Elman神经网络拟合预测效果更好。     

基于小波分析的手足口病时间序列预测

目的构建基于小波分析的自回归移动平均(ARIMA)模型预测手足口病流行,提高预测精度。方法使用2010-2015年郑州市疾控中心手足口病监测数据,构建基于小波分析的ARIMA模型进行预测,用2016年数据进行验证,并与单纯的ARIMA模型进行比较。结果构建的基于小波分解一层的ARIMA模型为ARIMA(0,1,3)(2,1,0)_(52),矫正后的AIC=2747.82,残差序列的ACF、PACF图示残差序列无自相关,Box-Ljung test统计量为0.9177,P=0.34,认为该残差为白噪声序列,模型拟合良好。预测2016年发病趋势与实际较为相符,均方根误差RMSE(root mean square error)、平均绝对误差MAE(mean absolute error)、平均绝对百分比误差MAPE(mean absolute percentage error),分别为49.42、26.45、15.75(训练集拟合)和275.84、219.90、72.95(验证集预测),除了验证集MAPE外,均小于单一的ARIMA模型。结论基于小波分析的ARIMA模型可用于手足口病时间序列预测,拟合和预测性能较单一的ARIMA模型好。     

GM(1,1)模型、ARIMA模型及其组合模型在病毒性甲型肝炎发病数中的预测效果比较

目的 探讨GM(1,1)模型、单纯自回归滑动平均(autoregressive integrated moving average,ARIMA)模型及其组成的2种组合模型在甲肝发病数预测中的应用。方法 利用某省2009年1月-2013年12月的甲肝逐月发病数作为拟合数据,以2014年1-12月的逐月发病数作为预测数据;分别建立GM(1,1)模型、ARIMA模型、GM(1,1)-ARIMA组合模型、变权组合模型,然后根据4个模型的平均绝对百分比误差(mean absolute percentage error,MAPE)、平均误差率(Mean Error Rate,MER) 、均方误差(mean square error,MSE)和平均绝对误差(mean absolute error,MAE)评价模型的效果。结果 GM(1,1)模型、ARIMA模型、GM(1,1)-ARIMA组合模型和变权组合模型的拟合、预测的MAPE、MER、MSE和MAE依次分别为20.01%,18.35%,115.98,10.96和28.79%,31.84%,32.96,8.01;21.35%,19.52%,120.75,11.66和32.41%,35.65%,36.18,8.97;17.20%,15.69%,88.07,9.07和31.17%,34.17%,34.57,8.60;18.82%,16.99%,107.82,10.15和19.19%,18.67%,20.74,4.70。结论 组合模型拟合及预测效果优于单一模型;变权组合模型为最优预测模型。     

基于周期分解的ARIMA模型在甲肝发病率预测中的应用

摘要:目的　探讨基于周期分解的ARIMA模型在我国甲肝月发病率预测中的应用,并比较其与SARIMA模型的预测效果。方法　收集2004年1月-2014年12月我国甲肝月发病率资料,用SPSS13.0分别拟合两种模型,并用2014年的数据评价模型的预测效果。结果　基于周期分解的ARIMA模型的拟合及预测的MRD,MER,MSE和MAE分别为4.4691,0.0446,0.0002,0.0092;4.1310,0.0415,0.0001,0.0066。SARIMA模型的拟合及预测的MRD,MER,MSE和MAE分别为7.2979,0.0781,0.0003,0.0185;6.4407,0.0708,0.0002,0.0110。结论　基于周期分解的ARIMA模型拟合和预测效果优于SARIMA模型。它可以提高预测的精度,具有较好的应用价值。     

基于Prophet等时间序列季节模型的肺结核发病预测及对比分析

目的 探索河南省2014—2019年肺结核发病趋势及季节性特征,比较Prophet模型、ARIMA季节模型和Holt-Winters模型的拟合及预测效果,为肺结核防控提供科学依据。方法 基于河南省2014年1月至2018年12月肺结核月发病数据,建立Prophet模型、ARIMA季节模型和Holt-Winters模型,采用2019年1月至12月肺结核月报告发病数据验证预测效果。评价指标选取均方根误差（RMSE）、平均绝对百分比误差（MAPE）、平均绝对误差（MAE）、平均置信区间宽度、真实值超出置信区间个数。结果 模型拟合结果显示,河南省肺结核发病呈逐年下降趋势,每年3—5月达到发病高峰,2月和10月出现低谷;Prophet模型拟合及预测表现最优,评价指标RMSE、MAPE、MAE、平均置信区间宽度均低于另外两个模型,Holt-Winters模型次之,ARIMA(0,1,1)×(0,1,1)12模型拟合及预测效果相对较差。结论 Prophet模型具有较高的拟合预测准确度和精确度,可以很好地捕捉河南省肺结核发病趋势,模型拟合结果对肺结核防控工作具有一定指导意义。     

SARIMA-GRNN组合模型和SARIMA模型在流行性腮腺炎发病率预测中的应用

目的 探讨SARIMA-GRNN组合模型和SARIMA模型在流行性腮腺炎发病率预测中的应用,并对他们的预测效果进行比较。 方法 选取2004—2016年上海市流行性腮腺炎逐月发病率资料,基于2004年1月—2016年6月的数据建立SARIMA模型。利用2004—2015年流行性腮腺炎的SARIMA模型拟合值与实际值、时间因子训练SARIMA-GRNN组合模型,并运用2016年1—6月数据进行验证,筛选模型最优平滑因子(spread)。采用2016年7—12月数据进行回代验证模型的外推预测效果。评价指标包括平均绝对误差百分比(MAPE)、平均误差率(MER)、均方误差(MSE)和平均绝对误差(MAE)。 结果 SARIMA(0,0,2)(0,1,1)₁₂为最优SARIMA模型。SARIMA-GRNN组合模型spread 值为0.0037。SARIMA模型、SARIMA-GRNN组合模型拟合的MAPE、MER、MSE和MAE依次分别为16.19%、15.18%、0.14、0.25;2.93%、2.28%、0.01、0.04。SARIMA模型、SARIMA-GRNN组合模型预测的MAPE、MER、MSE和MAE依次分别为17.40%、17.26%、0.03、0.16;15.24%、15.50%、0.02、0.14。 结论 SARIMA-GRNN组合模型拟合及预测效果均优于SARIMA模型,但预测精度有待进一步提高。     

应用ARIMA-BPNN组合模型预测手足口病发病率

比较ARIMA模型、BPNN模型和ARIMA-BPNN组合模型在我国手足口病月发病率预测中的应用效果,探讨预测手足口病发病率的优化模型。方法 收集2008年5月至2014年12月我国手足口病月发病率资料,用Excel2007、Spss17.0、Eviews8.0和Matlab8.5拟合相应的模型,并用2014年7月 - 12月的数据评价模型的预测效果。结果 ARIMA模型、BPNN模型和ARIMA-BPNN组合模型拟合及预测的MRD,MSE,RMSE和MAE分别为19.072、2.655、 2.852、 0.182和16.483、 7.246、 2.692、 0.166; 9.031、 2.559、 1.600、 0.009和10.210、 2.655、 1.629、 0.103; 7.397、1.207,1.099、0.068和7.847、1.234、1.111、0.074。结论 ARIMA-BPNN组合模型拟合及预测效果优于ARIMA模型和BPNN模型。     

基于ARIMA - SVM组合模型的道路交通伤害死亡率预测

目的 探讨ARIMA - SVM组合模型在道路交通伤害死亡率预测中的应用，并与单纯ARIMA模型的预测效果比较。方法 利用2014年1月－2018年6月河北省道路交通伤害死亡率数据拟合建立ARIMA模型和ARIMA - SVM组合模型，对2018年7－12月死亡率进行预测，并与实际死亡率进行验证比较，评价模型的预测效果。结果 ARIMA模型预测值与实际值的相对误差在0.00%～13.38%之间，ARIMA - SVM组合模型预测值与实际值的相对误差在0.00%～3.75%之间；且两者预测效果评价指标RMSE、MAE和MAPE分别为0.102、0.042，0.079、0.036，5.264%、2.469%。结论 ARIMA - SVM组合模型的预测效果优于单纯ARIMA模型，预测精度更高，可用于道路交通伤害死亡率的预测。     

2020年南宁市流行性腮腺炎ARIMA模型预测研究

目的 建立自回归移动平均模型(auto-regressive integrated moving average,ARIMA)预测南宁市流行性腮腺炎的发病率,为防控流行性腮腺炎提供理论依据. 方法 采用SPSS 23.0软件,使用南宁市2013年1月-2019年6月流行性腮腺炎月发病率建立ARIMA模型,运用2019年...