三种时间序列模型在盐城市肾综合征出血热发病预测应用中的比较研究

目的比较GM(1,1)灰色模型、求和自回归滑动平均ARIMA模型和神经网络GRNN模型预测盐城市肾综合症出血热(HFRS)发病率的效果,探索最优预测模型。方法利用2005-2015年盐城市HFRS发病率建立GM(1,1)模型、GM(1,1)-GRNN模型、ARIMA模型和ARIMA-GRNN模型,比较模型的拟合效果。根据2016年HFRS发病率比较各模型的预测效果,确定最优模型,并预测2017-2018年HFRS发病率。结果 GM(1,1)模型、GM(1,1)-GRNN模型、ARIMA模型和ARIMA-GRNN模型拟合值相对误差分别为13.364%、2.033%、21.150%和16.519%,预测值相对误差分别为16.350%、10.773%、10.820%和0.018%。采用最优模型ARIMA-GRNN模型预测2017和2018年盐城市HFRS发病率分别为0.859/10~5和0.853/10~5。结论从模型整体拟合预测效果综合考虑,利用ARIMA-GRNN组合模型预测盐城市HFRS发病情况能够取得更好的效果,预测结果可对该病的防控提供数据支撑。     

伤寒副伤寒发病趋势的ARIMA模型和GM（1,1）模型预测

目的采用求和自回归滑动平均模型（ARIMA模型）和灰色模型GM（1,1）分别对常州市伤寒副伤寒发病率进行预测,并比较两者预测的准确性。方法根据2001—2010年的月发病率数据分别建立ARIMA模型和GM（1,1）模型。通过比较2011年实际发病率和模型预测发病率间的相对误差验证模型预测的准确性。采用准确性高的模型预测2012—2013年伤寒副伤寒的年发病率。结果 GM（1,1）模型对伤寒副伤寒的年发病率预测准确率较高。2012年和2013年伤寒副伤寒预测的年发病率分别为2.52/105和2.33/105。结论对于伤寒副伤寒发病率的预测,应同时拟合几种模型,选择拟合效果最好的一种模型。     

基于GM(1,1)-GRNN组合模型的肾综合征出血热发病率预测

目的预测浙江省肾综合征出血热(HFRS)发病趋势,为卫生工作的决策和防病治病提供科学依据。方法根据浙江省2001-2009年HFRS发病率,建立灰色GM(1,1)与广义回归神经网络组合〔GM(1,1)-GRNN〕模型,与GM(1,1)模型对比,并进行预测。结果 2001-2010年HFRS年发病率组合模型拟合值与实际值的平均相对误差为2.47%,明显低于GM(1,1)模型的平均相对误差(11.19%),组合模型的预测精度相对单一GM(1,1)模型有较大的改善;组合模型预测2011年HFRS年发病率为0.8591/10万。结论浙江省2010-2011年HFRS的发病率呈下降趋势,组合模型的预测精度高,可以提供更为准确的预测数据,从而为防控决策提供可靠依据。     

改进的GM(1,1)模型在衡水市乙肝发病率预测中的应用

目的应用改进的GM(1,1)模型对衡水市乙肝的发病率进行趋势分析和预测,并比较其与原GM(1,1)模型的预测效果。方法收集2005年-2015年衡水市乙肝发病率资料,并组成时间序列,对前10年的数据进行建模,2015年的发病率作为检验数据,对四种模型的预测效能进行验证与评价。结果改进的GM(1,1)模型的拟合及预测的平均相对误差分别为0.93%、0.12%,原GM(1.1)模型的拟合及预测的平均相对误差分别为1.41%、0.52%,精度分别提高了34.0%和76.9%。结论改进的GM(1,1)模型拟合和预测效果均优于原GM(1,1)模型。提高背景值精度、优化初值可以提高GM(1,1)模型的拟合和预测效果,对发病率的趋势预测具有较好的应用价值。     

灰色GM(1,1)模型在手足口病发病率预测中的应用

目的预测全国和辽宁省2005—2017年手足口病发病率,为制定防治措施提供参考。方法分别收集全国和辽宁省2005—2017年手足口病发病率数据,用灰色模型GM(1,1)进行预测。结果拟合全国手足口病发病预测方程GM(1,1)为X(k+1)=544.294e~((0.10895k))-543.801,C=0.35,P=1.0,模型精确等级为优秀;拟合辽宁省手足口病发病预测方程GM(1,1)为X(k+1)=953.269e~((0.04488k))-953.257,C=0.32,P=0.972,模型精确等级为优秀。结论灰色模型GM(1,1)能较好地预测全国和辽宁省2005—2017年手足口病发病率趋势,可为手足口病防治决策提供参考。     

全国孕产妇死亡率不同模型的拟合效果比较

目的:探究分析灰色模型GM(1,1)、ARIMA及线性回归模型在孕产妇死亡率(MMR)中的拟合应用并比较模型的适用性及精确性,为妇幼保健工作提供科学依据。方法:以1991~2012年全国MMR为原始资料,运用SAS分析软件,分别采用灰色模型GM(1,1)、ARIMA及线性回归进行拟合比较分析并预测2013年MMR,比较预测效果。结果:灰色模型GM(1,1)和线性回归模型均通过模型检验建模成功,灰色模型GM(1,1)P=1.00,C=0.137 89,线性回归模型F=236.57,P<0.000 1;2013年MMR预测显示:线性回归模误差较大,误差的方差(MPE)为10.08,平均相对误差绝对值(MAPE)为13.69%。结论:ARIMA不适合拟合MMR,灰色模型GM(1,1)和线性回归模型均可用于MMR的拟合,但预测某一年份时需慎重。     

ARIMA模型与灰色系统GM(1,1)模型在长沙市艾滋病发病率预测中的效果比较

目的利用ARIMA模型和GM(1,1)模型对长沙市艾滋病发病率进行模拟预测并对预测效果进行比较。方法收集长沙市2006—2016年艾滋病的发病资料,分别建立自回归滑动平均模型(ARIMA)及灰色系统GM(1,1)模型,进行回代拟合,并预测2017和2018年艾滋病的发病率,同时比较2种模型的拟合与预测效果。结果 ARIMA(1,1,1)模型预测出2017和2018年长沙市艾滋病发病率分别为6.19/10万、8.19/10万;GM(1,1)模型预测出2017年和2018年长沙市艾滋病发病率为6.39/10万和8.16/10万。结论 ARIMA模型及GM(1,1)模型的拟合结果均与长沙市艾滋病发病趋势相同,ARIMA模型对2006—2016年长沙市艾滋病发病率的预测效果较GM(1,1)模型好,预测准确度P高于GM(1,1)模型,平均绝对误差MAE小于GM(1,1)模型     

四种模型在驻苏部队肺结核发病率预测中的比较研究

目的评估ARIMA模型、指数平滑模型、GM(1,1)模型及指数曲线模型在肺结核发病预测中的运用效果,为遴选适宜的预测措施提供参考。方法使用驻苏部队人群2005-2016年肺结核报告发病数据构建模型,评估拟合效果。结果 ARIMA模型、指数平滑模型能够预测肺结核月发病趋势,拟合的平均误差率(MER)分别为9.35%、10.28%,决定系数(R~2)分别为0.81、0.80;ARIMA模型能够预测肺结核季度发病趋势,拟合的MER、R~2分别为5.48%、0.73,而指数平滑模型无效;GM(1,1)模型、指数曲线模型有效,能够预测肺结核年度发病趋势,拟合的MER分别为1.47%、1.80%,R~2分别为0.98、0.97。结论 ARIMA模型拟合效果和预测准确性相对较好。GM(1,1)模型、指数曲线模型对年发病率呈线性下降趋势的肺结核,拟合效果和预测准确性均良好。2017年驻苏部队肺结核发病率呈稳中有降趋势。     

ARIMA模型预测上海市手足口病发病趋势

目的采用ARIMA模型建立上海市手足口病发病预测模型。方法应用SPSS18.0软件对上海市2005-01/2010-06手足口病月发病率进行ARIMA模型建模拟合,并与实际发病率进行比较。结果 ARIMA（1,0,0）（0,1,0）12模型能很好地拟合既往时间段的发病序列,对2010-01/06的预测值符合上海市该病的发病率变动趋势。2011和2012年上海市手预测足口病的年发病率分别为235.32/10万和294.59/10万。结论 ARIMA模型能够较好模拟上海市手足口病在时间序列上的变动趋势,并对未来2年该病发病情况进行预测。     

基于灰色GM(1,1)模型与ARIMA模型的四川省卫生人力资源预测探讨

目的运用灰色GM(1,1)模型与ARIMA模型对四川省卫生人力资源进行预测,为相关部门制定政策提供参考。方法采用EXCEL建立数据库,运用Matlab编程拟合灰色GM(1,1)模型、SPSS22.0拟合ARIMA模型,对四川省1990-2020年卫生人力资源进行了预测。结果拟合的灰色GM(1,1)模型误差绝对值(%)、平均误差值(%)均高于ARIMA(1,1,1)模型。结论 ARIMA(1,1,1)预测结果优于灰色GM(1,1)模型,模型拟合需要考虑数据特征等因素。     

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。     

ARIMA模型与GM(1,1)模型在痢疾发病数预测中的比较研究

目的 分别应用求和自回归滑动平均模型(autoregressive integrated moving average model, ARIMA)和灰色模型(gray forecast model)GM(1,1)对湖北省痢疾发病数进行预测,比较两种方法的预测效果,为选择更适宜的方法提供依据。方法 分别应用2001－2015年月发病数及年发病数建立ARIMA模型和GM(1,1)模型,用平均误差率(mean error rate,MER)和决定系数(coefficient of determination,R²)评价拟合效果,并采用2016年实际发病数验证预测效果,选择准确性更高的模型对2017－2018年发病数进行预测。结果 建立的ARIMA模型为SARIMA(1,0,0)(0,1,1)₁₂,GM(1,1)模型为(t+1)=-274 126.038e^{-0.067 467t}+293 275.08,两模型的平均误差率(mean error rate,MER)分别为3.55%和14.78%;决定系数(R²)分别为0.993和0.960,2016年实际发病数与两模型预测发病数的残差分别为635和3 240;相对误差分别为16.54%和84.38%,综合考虑各项评价指标采用ARIMA模型对2017－2018年发病数进行预测分别为4 286和4 011。结论 通过拟合及预测评价指标的比较ARIMA模型均优于GM(1,1)模型,可得ARIMA模型对湖北省痢疾发病数的预测比GM(1,1)模型有较明显的优势,能更准确的处理时间序列类型的资料,此预测结果准确具有实用价值,可为卫生防治工作提供依据。     

GRNN组合预测模型对辽宁省及部分地区肾综合征出血热发病率的预测研究

目的探讨广义回归神经网络（GRNN）组合预测模型在肾综合征出血热（HFRS）发病率预测上的优势及应用前景。方法利用1990—2001年辽宁省、丹东市、沈阳市和朝阳市HFRS发病率分别建立GM（1，1）灰色预测模型和求和自回归滑动平均（ARIMA）模型，把2个模型的预测值作为GRNN的输入，实测值作为网络的输出，对样本进行训练和预测，并对3个模型的预测效果进行比较。结果针对辽宁省HFRS发病率建立的GM（1，1）模型、ARIMA模型和GRNN组合预测模型的平均误差率（MER）分别为13．5143％、25．0814％和5．5755％；R^2分别为0．8961、0．6997和0．9837。针对丹东市HFRS发病率建立模型的MER分别为19．7329％、20．6275％和14．0789％；R^2分别为0．8112、0．7628和0．8750。针对沈阳市HFRS发病率建立模型的MER分别为15．1421％、18．0584％和14．3592％；R。分别为0．8757、0．7889和0．8585。针对朝阳市HFRS发病率建立模型的MER分别为51．5090％、28．6593％和28．5927％；R^2分别为0．7863、0．8291和0．7753。GRNN组合预测模型对于辽宁省和丹东市的HFRS发病率预测效果好于2个单一模型；针对沈阳市所建立的HFRS发病率预测模型，GRNN组合预测模型和GM（1，1）模型相当，ARIMA模型最差。朝阳市的HFRS发病率预测模型不适合用上述方法建立。结论GRNN组合预测模型充分体现了它在小样本预测中的优势，预测效果优于GM（1，1）模型和ARIMA模型，对解决时间序列类型的HFRS发病率等资料有很好的实用价值。     

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。     

ARIMA模型在上海市猩红热发病率预测中的应用

目的 探讨差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型在上海市猩红热月发病率预测的应用。方法 利用ARIMA时间序列模型拟合2004年1月—2017年6月上海市猩红热的月发病率资料,并利用最优模型对2017年7—12月猩红热的月发病率进行预测。结果 最终拟合ARIMA(1,1,0)(0,1,1)₁₂模型,其标准化贝叶斯信息准则值(Bayesian information criterion,BIC)(-2.247)最小,残差经Ljung-Box Q(18)检验为白噪声序列,预测值与实际值基本吻合,相对误差在0.35%~16.74%的范围内。结论 ARIMA模型用于上海市猩红热月发病率的短期预测,可应用于定量风险评估等猩红热疫情的预警预测。     

GM(1,1)灰色预测模型和ARIMA模型在拟合山东省心脑血管疾病死亡率中的应用

目的 运用GM(1,1)灰色模型和ARIMA模型对山东省心脑血管疾病死亡率进行拟合,对拟合结果行进比较。为心脑血管疾病预防提供科学依据。 方法 利用山东省全人群监测点2002-2014年心脑血管疾病死亡率数据分别建立GM(1,1)灰色模型和ARIMA模型,对建立的模型进行拟合,同时运用该模型对2015-2017年心脑血管疾病死亡率进行预测。两种模型拟合评价指标为误差平方和（SSE）、平均绝对百分误差(MAPE)两个指标。 结果 心脑血管疾病死亡率GM(1,1)灰色模型和ARIMA模型SSE和MAPE分别为1236、1189和2.75%、2.73%。2015-2017年心脑血管疾病预测死亡率（1/10万）分别为340.56、349.80、359.03。 结论 心脑血管疾病死亡率呈波动性上升趋势。ARIMA模型拟合效果优于GM(1,1),模型拟合要充分考虑数据特征。     

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.     

组合模型对恶性肿瘤死亡率拟合度评价及预测方法的研究

目的 用6种单项预测方法对金昌队列13年恶性肿瘤死亡率进行拟合并预测。方法 采用动态数列、线性回归、指数平滑、自回归移动平均（ARIMA）模型、灰色模型、Joinpoint回归6种方法,利用金昌队列2001-2013年数据进行恶性肿瘤死亡率拟合及方法比较。采用组合模型进行模型优化,基于算术平均法、方差倒数法、均方误差倒数法、简单加权平均法计算组合模型权重系数。结果 对恶性肿瘤死亡率以Joinpoint线性回归拟合精度最高（87.64%）,线性回归法、动态数列、GM（1,1）模型、指数平滑法、ARIMA（1,0,0）拟合精度分别为87.32%、86.99%、86.25%、85.72%、81.98%。基于灰色模型与线性回归的组合模型预测精度（>99%）高于基于ARIMA（1,0,0）与灰色模型的组合模型,其中算术平均法和均方误差倒数法权重系数组合模型（灰色模型与线性回归）拟合效果最好。结论 组合模型预测恶性肿瘤死亡率优于单项预测法,预测精度>95%。     

三种时间序列模型预测医院感染发病率的比较

目的比较和评价不同时间序列模型预测医院感染发病率的效果,探索可用于预测医院感染发病率的最佳模型。方法以上海某三级甲等医院2011—2016年累计72个月的月度医院感染发病率数据作为拟合集构建季节性自回归移动平均模型(ARIMA)、NAR神经网络模型和ARIMA-BPNN组合模型,以2017年1—12月的月度感染发病率数据作为预测集检验模型的预测效果,评价比较不同模型的预测效果。结果对于拟合集,ARI-MA模型、NAR神经网络模型和ARIMA-BPNN组合模型的MAPE分别为13.00%、14.61%和11.95%;对预测集,三者的MAPE分别为15.42%、26.31%和14.87%。结论三种时间序列模型对医院感染发病率均具有较好的预测效果,其中ARIMA-BPNN组合模型对拟合和预测该院医院感染发病情况最佳,可为医院决策提供一定的数据支持。     

ARIMA模型与残差自回归模型在手足口病发病预测中的应用

目的 探讨求和自回归滑动平均混合模型（autoregressive integrated moving average model,ARIMA）和残差自回归模型在我国手足口病月发病率预测中的应用,并对它们的预测效果进行比较。方法 收集2008年1月～2014年12月我国手足口病月发病率资料,用SPSS 13.0和EViews 8.0分别拟合ARIMA模型和残差自回归模型,并用2014年7月～12月的数据评价模型的预测效果。结果 ARIMA模型拟合及预测的平均相对误差（average relative error,MRE）,均方误差（mean square predict error,MSE）,均方根误差（root mean squared predict error,RMSE）和平均绝对误差（mean absolute error,MAE）分别为14.006,4.689,2.165,0.147; 13.565,4.416,2.101,0.133。残差自回归模型拟合及预测的MRE,MSE,RMSE和MAE分别为16.793,7.247,2.692,0.171,16.206,6.639,2.577,0.164。结论 ARIMA模型拟合及预测效果优于残差自回归模型。