江西省肾综合征出血热发病率ARIMA模型及其趋势预测

目的探讨自回归求和移动平均模型(Auto Regressive Integrated Moving Average,ARIMA)在江西省肾综合征出血热月发病率预测的可行性,为制定出血热防控策略提供依据。方法基于江西省2006-2015年肾综合征出血热(Hemorrhagic Fever with Renal Syndrome,HFRS)逐月发病率资料建立ARIMA模型,利用2016年各月发病率检验模型预测效果,再以2006-2016年HFRS逐月发病率构建模型预测2017年HFRS发病率。结果本研究构建的ARIMA(0,0,2)(0,1,1)12模型,拟合结果与实际发病情况基本吻合。各项参数均有统计学意义(P0.05),BIC值(Schwarz Bayesian criterion,贝叶斯信息准则)=-6.792,Ljung-Box Q=14.992,P=0.452,模型残差为白噪声;2016年各月HFRS发病率预测值与实际值动态趋势基本吻合。预测2017年江西省HFRS发病率为1.45/10万。结论 ARIMA模型能很好地模拟江西省HFRS发病率在时间序列上的变动趋势,可用于江西省HFRS发病率的短期预测研究。     

自回归求和移动平均季节乘积模型在肾综合征出血热发病预测中的应用

目的利用自回归求和移动平均(autoregressive integrated moving average,ARIMA)季节乘积模型建立肾综合征出血热(hemorrhagic fever with renal syndrome,HFRS)发病数的预测模型,为HFRS的预防控制提供科学依据。方法应用SPSS18.0软件对青岛市2007年1月—2013年7月HFRS发病数建立ARIMA模型。结果非季节和季节移动平均参数分别为0.816和0.685,t检验的P值均0.05,有统计学意义。BIC=12.338,Ljung-Box统计量检验残差序列为白噪声序列,表明ARIMA(0,1,1),(0,1,0)12模型是有效的。结论 2013年8—12月HRFS发病数有上升趋势,需进一步加强防范措施。     

ARIMA模型在肾综合征出血热发病率预测中的应用

目的利用自回归滑动平均混合模型(autoregressive integrated moving average,ARIMA)模型开展长沙市肾综合征出血热(haemorrhagic fever with renal syndrome,HFRS)发病率预测,为相关政策的改进提供科学依据。方法收集长沙市1971-2010年HFRS发病率资料,用Excel 2003软件建立数据库,采用SPSS13.0统计分析软件实现模型构建,经过模型识别、参数估计、诊断检验后,利用建立好的模型对长沙市2011-2015年HFRS发病率进行预测。结果根据模型原理及与实际值的比较,ARIMA(1,0,0)模型适合模拟长沙市HFRS的发病规律,模型拟合值与实际值非常接近,模型回归系数有统计学意义。2011-2015年长沙市HFRS年发病率预测值分别为1.69/10万(95%CI:0.00~9.67/10万)、2.23/10万(95%CI:0.00~12.51/10万)、2.66/10万(95%CI:0.00~14.22/10万)、3.00/10万(95%CI:0.00~15.35/10万)、3.27/10万(95%CI:0.00~16.13/10万)。结论 2011-2015年长沙市HFRS发病有增加趋势,需进一步加大防控策略。     

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。     

基于自回归滑动平均混合模型的安丘市肾综合征出血热发病率预测研究

目的基于自回归滑动平均混合(ARIMA)模型对安丘市肾综合征出血热(HFRS)的发病率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。方法收集安丘市1977年1月1日至2019年8月31日安丘市HFRS发病资料,按照年、月进行分类汇总,通过SPSS 19.0软件拟合ARIMA模型,分别预测2019～2020年和2019年1～8月的发病率。结果年发病率预测模型最终拟合为ARIMA(0,1,0)模型,预测2019、2020年的年发病率分别为2.52/10万和1.56/10万。月发病率预测模型最终拟合为ARIMA(0,1,2)(0,1,1)_(12)。结论 ARIMA模型能较好模拟安丘市HFRS的发病趋势。     

ARIMA乘积季节模型在青州市布鲁氏菌病发病预测中的应用

目的应用自回归求和移动平均(ARIMA)乘积季节模型预测青州市布鲁氏菌病月发病数,构建青州市布鲁氏菌病月发病数的预测模型,为青州市布鲁氏菌病防控措施提供科学依据。方法收集青州市2011—2017年布鲁氏菌病监测数据,采用SPSS 25.0统计软件建立ARIMA时间序列模型,并对模型进行检验,预测出2018年的布鲁氏菌病月发病数,用2018年布鲁氏菌病实际月发病数评价模型的预测效果。结果模型ARIMA(0,1,1)(1,1,0)12标准化的BIC值最小,Box-Ljung检验统计量Q=23.746,P>0.05,残差序列为白噪声,确定为最优模型。结论ARIMA乘积季节模型短期预测青州市布鲁氏菌病月发病数效果较好。     

手足口病月发病率ARIMA乘积季节模型预测探讨

目的探讨ARIMA乘积季节模型在HFMD月发病率预测中的应用价值,为手足口病防控工作提供依据。方法以2009年1月~2015年12月全国HFMD月发病率数据为基础,使用Eviews8.0建立ARIMA乘积季节模型,采用2016年1月~6月实际数据验证,以RMSE、MAE、Theil IC、BP、VP、CP、MRE评估模型预测结果。同法预测2016年7月~12月全国HFMD月发病率。结果 2009年1月~2016年6月HFMD月发病率最优模型是ARIMA(1,0,1)×(0,1,1)_(12),模型口径为:(1-B~(12))(1-0.574B)xt=(1-0.441B)(1+0.919B~(12))ε_t,RMSE=4.15,MAE=2.59,Theil IC为0.143,BP=0.045,VP=0.225,CP=0.730,2016年7月~12月发病率(1/10万)预测值分别为24.70、14.96、15.00、14.12、13.05、11.22。结论 ARIMA(1,0,1)×(0,1,1)_(12)模型可较好地拟合全国HFMD月发病率的演变趋势,可用于HFMD发病率的短期预测。     

ARIMA模型在宁波市北仑区手足口病发病率预测中的应用

目的探讨自回归求和移动平均(ARIMA)模型在宁波市北仑区手足口病预测中的应用,并对该区手足口病的月发病率进行预测。方法应用SPSS 19.0软件对北仑区2008年1月-2016年6月的手足口病月发病率时间序列建立ARIMA模型,使用所建模型对2016年7月-12月的发病情况进行拟合,并与实际值比较,评价其拟合效果,应用得到的模型预测2017年上半年宁波市北仑区手足口病发病率。结果北仑区手足口病以年为发病周期,每年有2个发病高峰,分别为4-7月和9-11月。在手足口病预测中建立的ARIMA最优模型为ARIMA(1,0,0)(1,1,0)12,其标准化BIC(贝叶斯信息准则)为5.06,白噪声Ljung-Box检验残差序列为白噪声序列(Ljung-Box=11.00,P=0.81),最优拟合模型预测的平均相对误差为23.80%,拟合效果较好。预测出2017年上半年宁波市北仑区手足口病平均月发病率为46.66/10万,明显高于2016年同期发病率。结论建立的ARIMA模型能有效地拟合北仑区手足口发病率序列,并进行短期预测,可为手足口的防治工作提供参考。     

应用自回归移动平均模型乘积季节模型预测兰州市水相关疾病发病情况

目的探讨自回归移动平均模型(autoregressive integrated moving average model,ARIMA)乘积季节模型在水相关疾病发病率发病趋势预测中的应用,对兰州市水相关疾病发病情况进行预测。方法收集2006年1月—2014年12月水相关疾病发病率数据,利用R软件构建ARIMA乘积季节模型,利用2015—2017年实际发病率与模型拟合数据比较,评价模型的预测性能,并预测2015—2017年水相关疾病的发病率。结果在水相关疾病预测中建立ARIMA(2,0,1)×(2,0,0)_(12)乘积季节模型,Ljung-Box检验差异无统计学意义(Q=18.64,P=0.824),2015年—2017年兰州市常见水相关疾病实际发病率均在预测结果95%可信区间内,平均预测相对误差为5%。结论 ARIMA乘积季节模型可以较好的预测兰州市水相关疾病发病率的变化趋势,能够运用于水相关疾病发病趋势的预测及预警,为防控措施的制定提供参考。     

ARIMA乘积季节模型在手足口病发病预测中的应用研究

目的构建时间序列ARIMA乘积季节性模型,预测武汉市2015年1~12月手足口病发病趋势和流行强度,探讨该模型在手足口病发病率预测中的应用。方法应用中国疾病监测信息报告系统2008年1月至2014年12月武汉市手足口病月发病资料,使用PASW Statistics 18.0专家建模器,考虑季节性因素建立ARIMA乘积季节性模型,并将所建模型对2015年手足口病月发病率进行外推预测。结果模型残差序列为白噪声,ARIMA(1,0,1)(0,1,1)12模型为最佳模型,预测结果显示:2015年手足口病年发病率预测值为197.52/10万,流行强度较2014年报告发病率168.07/10万上升17.52%;2015年手足口病月发病高峰将出现在4、5、6三个月(5月达到最高峰值43.83/10万,95%CI:2.96/10万~208.28/10万),至11、12月出现次要高峰。结论专家建模器构建乘积季节性模型拟合效果较好,在实际工作中要充分考虑社会、自然等影响因素,综合分析,针对性地开展病例的发现、诊治,做好传染源管理和聚集性疫情的疫点消毒卫生处理,为防控工作提出理论与实证依据。     

上海市流行性腮腺炎疫情时间序列模型建立的初探

【目的】探讨时间序列模型在流行性腮腺炎(流腮)预测中的应用,建立上海市流腮发病的预测模型,预测2017年上海市流腮发病趋势。【方法】收集中国疾病监测信息报告系统中的上海市2005年1月—2016年12月流腮月报告发病资料,使用SPSS软件进行建模,考虑季节因素建立ARIMA(Autoregressive Integrated Moving Average)乘积季节预测模型,并用所建模型预测上海市2017年流腮发病趋势。【结果】ARIMA(1,0,0)(1,1,0)12可较好地拟合流腮发病的时间序列趋势,对2005—2016年流腮发病数预测值与实际值吻合程度高,平均相对误差为8.79%,2017年流腮预测病例数为2 656例。【结论】ARIMA乘积季节模型可较好地拟合流腮发病的时间序列趋势;与2016年相比,预测2017年流腮报告发病数相对平稳。     

时间序列分析法在贵州省乙型病毒性肝炎流行趋势预测中的应用

目的建立贵州省乙型病毒性肝炎(乙肝)发病的预测模型,预测2017—2019年乙肝发病趋势。方法对2004—2016年贵州省的乙肝月报告发病率建立自回归移动平均(ARIMA)预测模型,对贵州省2017—2019年乙肝发病趋势进行预测。结果 2004—2016年贵州省乙肝发病呈周期性波动,并具有长期趋势,拟合得到ARIMA(0,1,1)(0,1,1)12模型,用模型拟合2004—2016年乙肝月报告发病率,预测值和实际值平均相对误差为7.46%,预测2017—2019年贵州省乙肝月报告发病率在3.27/10万~4.38/10万的范围内波动。结论 ARIMA模型可较好的拟合贵州省乙肝发病在时间序列上的变化趋势,该模型可用于贵州省乙肝发病的短期趋势预测。     

应用ARIMA乘积季节模型分析我国布鲁菌病时间分布特征及趋势预测

目的探讨ARIMA乘积季节模型在分析我国布鲁菌病(布病)月发病率时间分布特征中的应用,预测其发病趋势。方法通过国家公共卫生科学数据中心和国家卫生计生委疾病预防控制局网站,收集并计算布病月发病率数据。分析布病时间分布特征,对2004年1月—2016年12月发病率数据建立ARIMA乘积季节模型,用2016年1—12月发病率数据拟合模型,选出最优模型,并预测2017年月发病率数据。结果我国布病月发病率数据整体处于上升趋势且具有明显的季节特征,每年5、6月属于高发病期,10月至次年2月发病率较低。拟合ARIMA(2,1,1)(1,1,1)12模型为预测我国布病的最佳模型,拟合值与实际值进行比较,2016年12个月的平均相对误差为8.79%,按全年发病率计算,相对误差为4.05%,显示模型的预测精度较高,并预测2017年1—12月发病率。结论 ARIMA乘积季节模型能很好地拟合布病的长期趋势和季节趋势,回代拟合和短期预测效果较理想。     

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。     

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。     

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。     

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模型和BP神经网络模型在我国乙型肝炎发病预测中的应用

目的探讨适合全国乙肝发病率的预测模型,为乙肝预测预警系统提供参考。方法应用2004-2012年全国乙肝月发病率数据,分别建立ARIMA模型和BP神经网络模型,利用建立的模型预测2013年1-12月乙肝发病率,采用实际发病率验证与比较两种模型的预测效果,评价指标为平均绝对误差(MAE)、平均绝对误差率(MER)和非线性相关系数(RNL)。结果全国2004-2013年乙肝月发病率在2.79/10万~9.44/10万间波动,序列具有明显的长期趋势。建立的乘积ARIMA(0,1,1)(0,1,1)12模型预测的MAE、MER、RNL分别为0.445、0.065、0.909,BP神经网络模型分别为0.635、0.093、0.872。ARIMA模型预测的平均绝对误差和平均绝对误差率要低于BP神经网络模型(△MAE=-0.190,△MER=-0.028),非线性相关系数要高于BP神经网络模型(△RNL=0.037)。结论 ARIMA模型和BP神经网络模型均适用于我国乙肝发病率的预测,且前者的预测效能和非线性拟合能力略优于后者。     

手足口病发病趋势的ARIMA模型预测

目的采用ARIMA模型预测手足口病发病趋势,为预防控制手足口病流行提供依据。方法对杭州市上城区2008年4月—2013年12月的手足口病逐月发病率建立ARIMA模型,并进行预测分析。结果通过参数和模型拟合优度检验以及残差白噪声序列检验,得到模型ARIMA(1,0,0)(0,1,0)12,BIC=3.094,LjungBox=10.871(P=0.863),2013年手足口病月发病率预测值和实际值的平均相对误差为26.86%,实际值都在95%可信区间内,预测2014年发病率为74.50/10万。结论 ARIMA模型能较好地模拟手足口病发病率的变动趋势,预测效果可信。     

ARIMA乘积季节模型在苏州市其他感染性腹泻发病预测中的应用

目的探讨自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型在苏州市其他感染性腹泻发病预测方面的应用。方法利用R软件对苏州市2004年1月—2015年12月的其他感染性腹泻发病率数据构建ARIMA乘积季节模型,预测苏州市2016年1—12月其他感染性腹泻发病率。结果建立了ARIMA(1,1,1)×(0,1,1)12乘积季节模型,模型Ljung-Box检验差异无统计学意义(Q=5.305,P=0.947),模型短期预测效果较好,2016年1—6月苏州市其他感染性腹泻发病率预测值与实际发病率进行比较,相对误差的平均值为0.041,实际发病率均在预测结果 95%可信区间内。结论 ARIMA(1,1,1)×(0,1,1)12季节乘积模型可用于苏州市其他感染性腹泻发病的短期预测。