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。     

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。     

ARIMA模型在北京市西城区手足口病月发病率预测中的应用

目的采用ARIMA模型预测手足口病的发病趋势,探讨提高模型预测准确性和实用性的思路。方法利用ARIMA模型对北京市西城区2010年1月—2015年12月手足口病月发病率进行拟合,并进行发病趋势预测。结果通过参数估计和残差白噪声检验,得到模型ARIMA(1,0,0)(1,1,0)_(12),BIC=1.958,Ljung—Box=7.885(P=0.952),2015年手足口病月发病率预测值和实际值的平均相对误差为21.47%。结论利用ARIMA模型预测手足口病的发病趋势是可行的,可以为地区传染病防控和公共卫生决策提供科学依据。     

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。     

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模型预测北京市密云区手足口病发病趋势

目的采用自回归移动平均(Autoregressive integrated moving average,ARIMA)模型对北京市密云区手足口病月发病率进行预测,为调整防控策略提供依据。方法应用ARIMA模型对北京市密云区2008年1月-2014年6月手足口病每月报告发病率进行拟合,以2014年7-12月的月发病率作为验证数据,用于评价该模型的预测效果。结果密云区手足口病月发病率的ARIMA模型为ARIMA(0,1,0)(0,1,1)12,模型的参数估计值为0.609,t=4.116,P=0.000,经检验参数有统计学意义。残差分析统计量经检验差异无统计学意义(Ljung-Box Q=16.690,P=0.476)。模型很好的拟合了既往时间段上的发病率序列,对2014年7-12月手足口病发病率的预测值符合实际发病率变动趋势。结论 ARIMA可用于手足口病月发病率的预测,预测和预警效果良好。     

乘法季节回归求和移动平均模型在安徽省手足口病预测中的应用研究

目的探讨乘法季节回归求和移动平均模型(ARIMA)在安徽省手足口病发病预测中应用,为手足口病预防控制提供参考。方法根据2009-2014年安徽省手足口病的周发病数据,运用R 3.0.2软件拟合乘法季节性ARIMA模型,并对2015年1~52周发病数进行预测。结果安徽省手足口病预测中最优模型为ARIMA(1,1,1)(0,1,1)52模型,残差统计量检验差异无统计学意义(Box-Ljung=0.004,P=0.950),提示残差为白噪声,模型拟合值和实际值平均绝对误差率为11.32%,2015年1~52周预测值和实际值平均绝对误差率为25.10%。结论建立的乘法季节性ARIMA模型能较好地拟合安徽省手足口病变动趋势,模型预测效果较好,可用于安徽省手足口病短期预测。     

ARIMA模型在手足口病预测预警中的应用

目的研究时间序列分析在手足口病预测预警中的应用,并探讨提高模型预测准确性和实用性的思路。方法应用SPSS 18.0软件对深圳市盐田区2008年1月—2014年4月手足口病发病率进行ARIMA模型拟合,预测2014年5月-12月手足口病发病率。结果模型ARIMA（0,1,0）（0,1,1）12的参数估计值为0.761,t=2.552,P=0.013,经检验参数有统计学意义。且BIC=6.066,在拟合比较的模型中最小,故选定为最佳拟合模型。利用2013年10月—2014年4月实际发病数与预测发病数进行比较,实际值与预测值相对误差的中位数为71%。结论用时间序列分析对手足口病发病情况的拟合结果满意,预测和预警效果良好。     

基于时间序列模型的南京市建邺区手足口病发病趋势预测分析

目的采用时间序列分析方法中求和自回归移动平均(autoregressive integrated moving average model,ARIMA)模型对南京市建邺区手足口病月发病数进行预测,为制定手足口病预防控制策略提供参考依据。方法根据2009-2013年全区手足口病月报告发病数时间序列,以2014年1-8月的月发病数作为验证数据,建立辖区手足口病月发病数的ARIMA模型。结果建邺区手足口病月发病率模型为ARIMA(1,0,0)×(0,1,1)12,模型自回归参数AR1=0.569(t=5.030,P0.001),残差分析统计量经检验差异无统计学意义(Ljung-Box Q=13.296,P=0.651)。2014年1-8月实际值与预测值的最大相对误差36.78%,最小相对误差3.57%,平均相对误差16.32%。结论 ARIMA模型可以用于辖区中短期手足口病月发病数的预测,模型预测精度的提高有待数据的不断积累。     

上海浦东新区手足口病发病率预测的自回归求和滑动平均模型构建与应用

目的 探讨应用自回归求和滑动平均(autoregressive integrated moving average,ARIMA)模型预测浦东新区手足口病发病率的可行性.方法 基于2010-2015年浦东新区的逐月手足口病发病率,建立最优ARIMA模型,回代预测2015年的手足口病发病率,比较预测值与实际值的差异,并预测2016年的手足口病发病率.结果 模型ARIMA(1,1,1)(1,1,0)12较好拟合了既往手足口病发病率的时间序列,2015年逐月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1.81％.预测2016年浦东新区手足口病发病率为269.97/10万.结论 ARIMA模型可用于短期预测未来的手足口病发病率.     

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。     

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。     

ARIMA模型预测上海市闸北区手足口病发病趋势

目的应用季节性时间序列ARIMA模型建立手足口病发病趋势预测,为预警、早期防控手足口病流行提供依据。方法应用SPSS13.0对2002年4月-2011年3月8年的手足口病逐月发病率建立ARIMA模型。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(1,0,0)(2,1,0)12,其中AIC=235.855,BIC=245.942,LB统计量检验残差序列为白噪声序列。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的指导作用。     

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。     

ARIMA模型在阜阳市手足口病发病数预测中的应用

目的探讨应用求和自回归移动平均(Autoregressive Integrated Moving Average,ARIMA)模型进行手足口病发病数的拟合和预测,为手足口病疫情预警提供依据。方法运用统计分析软件Eviews 5.0对阜阳市2009年1月至2013年10月的手足口病发病的月发病数进行模型拟合,根据所建立的最优模型对2013年11月和12月的手足口病月发病数进行预测,并与实际值进行比较。结果阜阳市手足口病发病以年为周期,一年中4~7月份出现发病高峰。手足口病预测模型ARIMA(1,0,1)(0,1,1)12,检验结果总体最好,2013年11月至12月的手足口病月发病数的预测值与实际值较为接近,预测相对误差分别为3.35%和3.16%,预测效果较好。结论 ARIMA(1,0,1)(0,1,1)12模型可作为阜阳市手足口病月发病数中短期预测的模型。     

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。     

深圳市ARIMA在肾综合征出血热发病预测中应用

目的 建立时间序列分析的自回归求和移动平均(ARIMA)模型,预测深圳市肾综合征出血热(HFRS)发病趋势。方法 深圳市2005—2013年HFRS逐月发病率建立预测深圳市HFRS的最优ARIMA模型,利用2014年逐月HFRS发病率回代来检验模型预测效果,根据预测值与实际值的相对误差判断模型的预测精度,再以2005—2014年HFRS逐月发病率构建模型预测2015年的HFRS发病率。结果 模型ARIMA(1,0,1)(1,0,1)₁₂较好地拟合既往时间段的发病序列,各项参数(AR=0.993,MA=0.926,SAR=0.967,SMA=0.857)均有统计学意义(P<0.01),BIC值=-3.300,Ljung-Box模型统计量Q=20.794,P=0.107,模型残差为白噪声,2014年逐月HFRS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20.74%。预测2015年深圳市HFRS发病率为4.28/100万 。结论 ARIMA模型能很好地模拟深圳市HFRS发病率在时间序列上的变化趋势,并对未来的发病率进行预测。     

ARIMA模型在南京市梅毒预测中的应用

目的探讨应用自回归滑动平均混合(ARIMA)模型进行南京市梅毒月发病率预测的可行性,建立梅毒发病率的预测模型,为制定防治策略提供依据。方法应用SPSS18.0软件对南京市2006-2012年梅毒逐月发病率进行ARIMA模型建模拟合,依据BIC准则确定最优模型。用所得到的模型对2013年各月发病率进行预测,并与实际发病率进行比较,检验预测效果。结果 ARIMA(0,1,1)(0,1,1)12模型很好地拟合了梅毒月发病率的变化规律,模型预测结果与实际值非常接近,实际值均在预测值的95%可信区间范围内。结论 ARIMA模型能够很好地模拟、预测梅毒的发病情况,可以为梅毒的防治工作提供科学依据。     

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。     

自回归移动平均模型在细菌性痢疾流行趋势预测中的应用

目的探讨时间序列分析中自回归移动平均模型在六安市细菌性痢疾发病预测的可行性和适用性,为早期做好防控工作提供科学依据。方法使用SPSS 17.0软件对六安市2003年1月～2012年12月的细菌性痢疾月发病率建立ARIMA模型,以2013年的1～7月实际发病率作为预测模型的考核样本,验证模型的预测效果。结果六安市细菌性痢疾月发病率模型为ARIMA（0,0,1）×（0,1,1）12,模型移动平均参数MA1=-0.473（t=-5.153,P〈0.05）,季节移动平均参数SMA1=0.937（t=2.494,P=0.014）;残差分析Ljung-BoxQ统计量经检验,差异无统计学意义（Ljung-BoxQ=10.208,P=0.856）,提示残差为白噪声。模型预测的平均相对误差为27.82%,但预测的动态趋势与实际值基本吻合,且实际值均在预测值的95%可信区间内。结论 ARIMA（0,0,1）×（0,1,1）12模型可为六安市细菌性痢疾的防控提供参考。