定西市安定区手足口病SARIMA预测模型研究

目的构建自回归求和移动平均模型(SARIMA),用于定西市安定区手足口病发病率的预测,分析该模型在手足口病预测中的应用。方法根据2008年1月—2019年6月手足口病月发病率构建SARIMA模型,2019年7—12月手足口病发病率为验证数据,验证模型预测效果。结果 SARIMA(1,0,1)×(0,1,1)_(12)为最优模型,其平稳R2为0.754,均方根误差为6.540,正态化的BIC值为3.911。预测结果显示:2019年7-12月手足口病月发病率预测最小相对误差为0.51%,最大相对误差为26.18%,平均相对误差为16.01%,实际值均在预测值的95%CI以内。结论 SARIMA(1,0,1)×(0,1,1)_(12)模型能较好地拟合安定区手足口病月发病情况,在实际应用中,SARI MA模型适用于短期预测,同时本模型预测值的95%CI宽度偏大,所以在后期的工作中,应对模型进一步优化。     

应用SARIMA-GRNN组合模型分析肺结核流行的季节性特征

目的应用季节性差分自回归滑动平均模型(SARIMA)和广义回归神经网络(GRNN)组合模型分析肺结核流行的季节性特征,为预防和控制肺结核提供依据。方法通过国家卫生健康委员会官网收集2005—2017年全国肺结核疫情资料,应用SARIMA-GRNN组合模型分析我国肺结核流行的趋势和季节性特征。结果 2005—2016年我国肺结核报告发病率平均每年下降3.17%,并且发病存在明显的季节性规律(3—6月为高峰)。SARIMA (0,1,1)(0,1,1)_(12)模型较好的地拟合了我国肺结核发病长期趋势和季节性,其平均误差率为6.07%,决定系数为0.73。SARIMA(0,1,1)(0,1,1)_(12)-GRNN组合模型的平均误差率为2.56%,决定系数为0.94。SARIMA (0,1,1)(0,1,1)_(12)-GRNN组合模型预测的准确性优于SARIMA (0,1,1)(0,1,1)_(12)模型,2017年的验证数据结果与此一致。结论2005—2016年中国肺结核报告发病率平均每年下降3.17%,肺结核的发病高峰集中在每年3—6月,具有明显的季节性。     

应用ARIMA模型预测结核病发病率研究

目的应用自回归求和移动平均(ARIMA)模型预测结核病发病率。方法收集浙江省余姚市2006—2016年结核病月发病资料,采用专家建模器和传统建模方法建立ARIMA模型,根据最小贝叶斯信息准则(BIC)值选出最优模型,对2006—2016年结核病月发病率进行回代拟合,并对2017年结核病月发病率进行预测。结果传统建模方法所得模型为ARIMA(0,1,1)(0,1,1)12,专家建模器所得模型为ARIMA(0,0,1)(0,1,1)12;两个模型的残差序列均未突破可信区间,为白噪声过程,均为恰当模型,但ARIMA(0,0,1)(0,1,1)12标准化的BIC值更小,确定为最优模型。对余姚市2006—2016年结核病月发病率进行回代拟合,实际发病率均落入拟合值的95%CI内,模型预测值能较好拟合原始数据;预测余姚市2017年1—12月结核病月发病率,预测值与实际值的平均相对误差为9.05%。结论应用专家建模器构建的ARIMA模型可较好地预测结核病发病率。     

SARIMA模型在长沙市肺结核发病预测中的应用

目的探讨SARIMA模型在肺结核发病预测中的适用性,为长沙市肺结核防控提供参考。方法利用2005年1月-2016年12月长沙市肺结核月发病数构建SARIMA模型,以2017年1-12月的月发病数评价模型的预测效果,并采用构建的最优模型对2018年长沙市肺结核月发病情况进行预测。结果长沙市肺结核月发病数具有明显的季节性特征,最优预测模型为SARIMA(0,1,1)(0,1,1)12,其AIC=1436. 703,模型残差为白噪声(χ~2=0. 119,P=0. 731)。该模型的预测值与实际值的平均绝对百分误差为21. 69%,预测效果较为可靠。预计2018年长沙市肺结核的月平均发病数为332. 34例,发病水平与2017年接近,但总体略有下降。结论 SARIMA(0,1,1)(0,1,1)_(12)拟合效果较好,可用于长沙市肺结核月发病数的短期预测。     

ARIMA模型在预测手足口病发病中的应用

目的探讨ARIMA模型在手足口病发病率预测中的应用,为手足口病的早期防控提供依据。方法采用SPSS 19.0软件对2008—2014年无锡市锡山区各月手足口病发病率建立模型进行预测,采用2015年各月手足口病发病率验证模型的预测效果,并预测2016年锡山区手足口病的发病情况。结果模型ARIMA(0,0,2)(0,1,1)12所有参数均通过统计学检验;Box-Ljung检验统计量Q=16.007,P0.05,残差序列为白噪声;拟合优度指标R2为0.713,贝叶斯信息准则(BIC)为4.619,模型拟合精度较好。根据2008—2015年锡山区手足口病发病数据应用此模型预测2016年的发病率为335.13/10万。结论 ARIMA模型能较好地模拟和预测手足口病的发病趋势,可用于手足口病的短期预测和动态分析。     

SARIMA模型在手足口病发病率监测中的应用

目的 通过建立SARIMA模型,探讨该模型在手足口病发病率预测中的应用,为疾病预防控制部门制定防控策略提供理论依据.方法 应用SPSS 20.0软件包对乌鲁木齐市2009年1月1日至2014年12月31日手足口病月发病率进行初步平稳化处理并建立季节性ARIMA模型.结果 通过对参数和模型的拟合优度检验及残差白噪声序列检验,最终确定模型为SARIMA(1,0,0)(1,1,0)12,该模型能较好的对以往发病率进行拟合,真实值均在预测值的95％置信区间内.结论 SARIMA(1,0,0)(1,1,0)12模型能够较准确地预测手足口病发病趋势,但若要获得更为准确的预测信息,则需要使用多模型联合的方法来预测.     

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。     

利用ARIMA模型预测北京市顺义区手足口病发病趋势

目的探讨利用ARIMA模型预测手足口病发病趋势的可行性和意义,为预警手足口病防控提供依据。方法应用SPSS 19.0对2008-2013年手足口病逐月发病率建立ARIMA模型,并对2013年手足口病各月发病率进行拟合。结果 ARIMA(1,0,0)(1,1,0)12能够较好拟合既往时间段手足口的发病率,2013年各月的预测值符合手足口病实际发病率变动趋势。结论模型能够有效地预测手足口病发病趋势,对预警、预测产生积极指导作用。     

ARIMA乘积季节模型在郑州市肺结核月发病趋势预测中的应用

目的建立郑州市近年肺结核月发病的ARIMA乘积季节模型(SARIMA)并进行预测,探讨该模型在郑州市肺结核早期预测预警中的可行性。方法以郑州市2011-2018年肺结核月发病数为基础,建立适合郑州市肺结核ARIMA乘积季节模型,利用R语言的auto.arima()代码自动得到最优模型后对2019年肺结核发病数进行预测。结果构建的郑州市肺结核月发病预测模型为ARIMA(2,0,0)(0,1,1)_(12),模型参数均有统计学意义(P0.05),模型拟合优度AIC=78.45,BIC=94.04,残差序列为白噪声(Ljung-Box testQ=17.285,P=0.3674),2019年1-12月实际值与拟合值的动态趋势高度吻合。结论本研究建立的ARIMA(2,0,0)(0,1,1)_(12)可用于郑州市肺结核月发病的早期预测。     

SARIMA模型在武汉市武昌区细菌性痢疾发病趋势预测中的应用

目的探讨SARIMA模型在武汉市武昌区细菌性痢疾发病趋势预测中的应用价值,并通过SARIMA模型验证2018年武汉市武昌区细菌性痢疾发病趋势,为相关防控工作提供依据。方法利用2005—2016年武汉市武昌区细菌性痢疾月发病率资料建立SARIMA模型,通过2017年月发病率数据验证并修正模型,预测2018年细菌性痢疾的发病情况。使用SPSS 20.0建立SARIMA模型,Eviews 7.0做ADF单位根检验。结果 2005—2016年武汉市武昌区细菌性痢疾年发病率总体呈现下降趋势,发病具有明显的季节性。根据建立最佳SARIMA模型预测的2017年月发病率,并与实际值相比较,两者相关系数为0.766(P0.01),平均相对误差(MAPE)为18.50%,实际值均在模型预测95%可信区间内。根据修正后最佳模型SARIMA(0,1,1)(2,1,0)_(12)预测2018年武汉市武昌区细菌性痢疾月发病率,为1.36/10万～2.67/10万。结论 SARIMA模型对武汉市武昌区细菌性痢疾发病率预测效果较好。     

SARIMA模型在山西省手足口病发病预测中的应用

目的探讨季节性自回归移动平均模型（seasonalautoregressiveintegratedmovingaverage,SARIMA）在山西省手足口病发病预测中的应用，并利用该模型预测山西省手足口病发病趋势。方法 选取山西省2008年1月—2020年12月的手足口病月发病率构建SARIMA预测模型，选取2021年1—12月手足口病月发病率进行内部验证，评价模型预测效果，进一步预测山西省2022年的手足口病月发病率。结果 每年5—7月为山西省手足口病发病主高峰期，10—11月为次高峰期。SARIMA (1,0,1)(2,1,1)12模型能较好地对山西省手足口病的发病率进行拟合和预测，该模型拟合的均方根误差值为2.92/10万，平均绝对比例误差值为0.51/10万，以及标准化的赤池信息准则（akaike information criterion,AIC）值为755.36。利用该模型对山西省2021年1—12月手足口病月发病率进行预测，将预测值与实测值比较，其拟合的均方根误差值为1.59/10万、平均绝对误差值为1.09/10万。2022年山西省手足口病预测月发病率依次为0.63/1...     

基于ARIMA乘积季节模型的流行性感冒预测分析

目的通过对2005-2015年全国各月流行性感冒发病率的分析,为流感的预防和控制提供参考依据。方法以国家人口与健康科学数据共享服务平台公共卫生科学数据中心提供的《2005-2015年全国各月流行性感冒数据》中2005-2014年全国各月流行性感冒发病率为研究对象,采用SPSS 20.0软件对数据进行分析,采用时间序列分析的ARIMA乘积季节模型构建模型,进行预测,并用2015-01/12全国流感数据验证模型精确性。结果经反复多次分析比较,最终确立ARIMA(0,1,1)(0,1,1)_(12)为最优模型,经2015年各月数据验证,模型预测精确度较高。结论 ARIMA(0,1,1)(0,1,1)_(12)乘积季节模型能较好的预测全国流感月发病率的变化趋势,具有一定的推广及应用价值。     

ARIMA模型在北京市西城区手足口病月发病率预测中的应用

目的探讨自回归求和移动平均模型(Autoregegressive integrated maving average model,ARIMA)在北京市西城区手足口月发病率中预测应用的可能性。方法利用2008—2016年北京市西城区手足口病月发病率建立ARIMA模型并进行拟合,根据模型对2017年12个月的发病率进行预测。结果西城区手足口病月发病率的ARIMA模型为ARIMA(0,0,1)(1,1,0)12,其中BIC=2.361,Ljung-Box Q=20.380(P=0.204),模型中的参数检验差异有统计学意义。2016年7—12月实际月发病率与模型预测值基本吻合,预测值与实际值的平均绝对误差为20.42%。利用该模型进行预测,2017年发病高峰为5—7月。结论 ARIMA(0,0,1)(1,1,0)12模型可以较为准确地预测短期内西城区手足口病发病趋势,为防控工作的开展提供指导。     

应用ARIMA模型预测石家庄市手足口病发病趋势

目的探讨应用ARIMA模型预测石家庄市手足口病发病趋势的可行性,为手足口病防制提供科学依据。方法收集石家庄市2011-2018年手足口月发病率,利用软件SPSS 19.0构建石家庄市手足口病月发病率ARIMA模型。结果石家庄市手足口病月发病率模型为ARIMA(1,0,1)(0,1,1)12,最小BIC指标值为3.058,Ljung-Box统计量为15.986(P=0.383),模型残差为白噪声序列。2018年7-12月实际月发病率与预测值基本吻合,预测值与实际值的平均相对误差为4.72%,实际值均在预测值95%可信区间。利用该模型进行预测,2019年石家庄市手足口病发病呈上升趋势。结论ARIMA(1,0,1)(0,1,1)12模型可以较为准确地预测短期内石家庄市手足口病发病趋势,可为手足口病的防治工作提供参考。     

湖南省手足口病发病趋势SARIMA模型预测

目的建立湖南省手足口病发病趋势的SARIMA模型,为手足口病的预防和控制提供参考依据。方法收集中国疾病预防控制信息系统2008年5月—2013年12月湖南省手足口病月发病率数据建模,以2014年1—7月的月发病率数据进行验证,并对2014年8月—2015年7月发病情况进行预测;应用SPSS 18.0中的"Define Dates"模块和"Fore Casting"模块进行分析,建立季节性差分自回归移动平均模型(SARIM A)。结果湖南省手足口病月发病率发病趋势预测模型为SARIMA(1,0,0)(1,1,0)12,模型自回归参数AR1=0.765,(t=8.789,P0.001),残差为白噪声(Ljung-Box Q=15.420,P=0.494),预测值与实际值的相对误差范围为6.90%~46.31%,平均相对误差为20.37%;预测2014年发病率2次高峰分别在5月份和11月份,均高于2013年同月份的发病率;2015年上半年高峰期也在5月份,低于2014年同月份的发病率。结论 SARIM A(1,0,0)(1,1,0)12拟合效果较好,可用于湖南省手足口病月发病率的短期预测。     

ARIMA模型在东莞市细菌性痢疾预测中的应用

目的探讨ARIMA模型在东莞市细菌性痢疾发病预测的可行性和适用性,为东莞市细菌性痢疾的防控提供参考依据。方法使用SPSS 17.0对2004年1月至2012年4月东莞市细菌性痢疾发病率资料拟合ARIMA模型,利用所得到的模型对东莞市2012年5～7月细菌性痢疾发病率进行预测评价。结果 ARIMA(0,0,1)(0,1,1)12模型具有较高的预测精度,预测值与实际值基本吻合,且实际值都在95%可信区间内。结论 ARIMA(0,0,1)(0,1,1)12模型较好地反映了东莞市细菌性痢疾发病趋势,可作为东莞市细菌性痢疾发病水平短期预测模型。     

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。     

SARIMA模型在猩红热疫情趋势预测中的应用

目的探讨SARIMA模型在猩红热疫情趋势预测中的应用,为江苏省猩红热疫情的及时防控提供科学依据。方法以2005—2015年江苏省猩红热月发病数为基础,建立SARIMA模型,对江苏省2016—2018年猩红热疫情趋势进行预测。结果最终建立SARIMA(1,1,0)(0,1,1)12,回代误差为15.47%,前瞻性预测误差为12.98%,预测结果表明,江苏省2016—2018年猩红热疫情依然呈现上升趋势。结论 SARIMA(1,1,1)(0,1,1)12模型具有较好的拟合优度和前瞻性预测精度,可用于猩红热疫情趋势的研究;江苏省猩红热疫情依然严峻,各地应加强疫情防控工作。     

基于ARIMA模型的洛阳市手足口病发病率预测

目的建立洛阳市手足口病发病率的自回归积分移动平均(ARIMA)模型,并对洛阳市手足口病的发病率进行预测。方法以2009-2017年洛阳市手足口病发病率数据为基础建立ARIMA模型,并用2018年1月至5月的实际发病率进行验证,评价模型的拟合效果,利用最优模型预测2018年6月至12月洛阳市手足口病发病率。结果在本次研究中建立的ARIMA最优模型为ARIMA(2,0,0)(0,1,1)12,参数均有统计学意义(P 0. 05),拟合优度检验BIC最小为3. 563,残差序列为白噪声(Ljung-Box Q=13. 962,P=0. 528),拟合效果较好。预测出洛阳市2018年6-12月手足口病平均月发病率为13. 16/10万,与2017年同期相比略高。结论 ARIMA(2,0,0)(0,1,1)12模型拟合洛阳市手足口病发病率序列效果较好,可用于在短期上对洛阳市手足口病发病趋势进行预测。     

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。