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。     

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。     

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模型预测青岛市手足口病发病趋势

目的采用ARIMA模型对青岛市2013年手足口病发病趋势进行预测,为该病早期防控提供科学依据。方法应用SPSSl8．0软件对青岛市2008年1月-2013年2月的手足口病逐月发病数建立ARIMA模型。结果建立ARI—MA（1,0,0）（1,1,0）,摸型,其中BIC=12．338,Ljung—Box统计量检验残差序列为白噪声序列。结论ARIMA模型可用于手足口病发病的预测。     

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。     

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。     

ARIMA模型在常州市武进区手足口病发病趋势中的应用

目的 运用自回归求和移动平均模型(auto-regressive integrated moving average model, ARIMA)对手足口病短期发病情况进行预测,为开展手足口病预测预警工作提供可靠模型。方法 采用ARIMA模型,利用常州市武进区2010—2016年手足口病月发病数建模,用2017年1—12月武进区手足口病发病数进行验证,将预测值与实际值进行比较,评估模型的可行性。结果 2010—2016年武进区共报告手足口病18 918例,每年都呈双峰现象,主高峰期为4—7月,次高峰期为11—12月,呈明显的季节性周期变化。根据残差序列、参数估计和白噪声序列检验后,筛选出ARIMA(0,1,0)(2,1,0)₁₂模型为最佳预测模型,利用该模型对2017年1—12月的手足口病发病数进行预测,与实际值比较,拟合效果较好。结论 建立的ARIMA(0,1,0)(2,1,0)₁₂模型,可用于对武进区手足口病的短期预测,为开展手足口病预测预警工作提供科学依据。     

幼托儿童手足口病发病的ARIMA模型预测

目的探讨ARIMA模型对苏州工业园区托幼机构手足口病发病数预测的可行性。方法对2008年4月—2014年12月苏州工业园区幼托儿童手足口病逐月发病数进行ARIMA模型建模,对2015年各月发病数进行预测,并与实际报告数进行比较。结果 ARIMA(1,1,1)((0,1,1)12模型对2015年各月的幼托儿童手足口病发病数进行预测,预测值符合实际发病数变动趋势。结论使用ARIMA模型能较好地预测幼托机构手足口病发病数,为手足口病防制服务。     

ARIMA季节乘积模型在重庆市手足口病发病预测中的应用价值

目的构建符合手足口病报告发病率特征的预测模型,探讨ARIMA季节乘积模型在重庆市手足口病发病率预测中的应用价值。方法对2008年-2016年重庆市手足口病发病率逐月数据进行训练,构建季节ARIMA模型,利用2016年数据对模型进行拟合,并与指数平滑法拟合效果进行比较。结果 ARIMA(1,0,0)x(0,1,1)12模型是该地区手足口病发病率的最佳拟合预测模型,模型平稳R方为0.501,模型Ljung-Box Q检验有统计学意义。结论 ARIMA(1,0,0)x(0,1,1)12模型可用于重庆市手足口病发病率短期预测。     

基于ARIMA模型的生活垃圾产生量预测

以深圳市某行政区2004--2012年逐月生活垃圾产生量为基础数据,建立了时间序列分析的ARIMA模型,通过不同年份数据建模预测结果对比,确定预测期为建模期后12个月。应用SPSS19软件对2013年逐月生活垃圾产生量进行预测,该区域2013年生活垃圾年产生199．36万t,在2012年基础上增长14．38％。     

ARIMA模型在发病率预测中的应用

目的：探讨季节性时间序列ARIMA预测模型在时间序列资料分析中的应用，建立HFRS发病率的预测模型。方法：采用最大似然法估计模型参数，按照残差不相关原则、简洁原则确定模型的结构，依据AIC与BIC准则确定模型的阶数，建立ARIMA预测模型。结果：季节自回归参数有统计学意义，方差估计值为4.230，AIC=309.523，BIC=311.78。对模型进行白噪声残差分析，X^2检验表明ARIMA（0，1，0）（1，0，0）12模型是适合的。结论：用所建模型对HFRS各月发病率进行了预测，结果表明ARIMA是一种短期内预测精度较高的预测模型。     

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。     

差分自回归移动平均模型在伤害预测中的应用

目的探讨差分自回归移动平均（ARIMA）时间序列模型在伤害预测中的应用,建立伤害发生率预测模型。方法利用伤害监测系统,收集城阳区2006~2012年伤害月病例数,建立ARIMA模型。结果ARIMA（1,0,0）（0,1,1）12模型可以较好拟合伤害月发病率时间序列。利用ARIMA模型预测2013年伤害发生率为253．93／万。结果ARIMA模型具有适用性,可以用于伤害短期预测。     

基于ARIMA模型的我国医院就诊人次预测分析

目的预测和分析2011—2015年我国医院就诊人次和卫生服务需求。方珐建立ARIMA（1,2,2）模型,预测我国医院就诊人次。结果未来5年我国医院就诊人次呈增长趋势,平均每年增长9．32％。结论要加大卫生投入．合理配置卫生资源,加快公共卫生服务体系建设,完善医疗保障体系建设,以满足人们的卫生健康需求。     

应用ARIMA模型对甲型病毒性肝炎疫情预测的研究

目的探讨时间序列ARIMA模型在浙江省甲型病毒性肝炎疫情预警应用中的可行性。方法利用EViews5.0、SPSS13.0等统计软件对历年疫情资料汇编,《国家疾病报告管理信息系统》报告的浙江省甲肝按月发病数建立ARIMA模型。结果对甲肝发病数序列建立季节模型为ARIMA(1,0,0)(0,1,1)12,对2009年甲肝按月发病疫情拟合较好,能够及时、准确对疫情进行跟踪。结论 ARIMA模型能够较好应用于短期甲肝预测、预警,为疫情防控提供科学依据。     

ARIMA模型在乙型肝炎发病率预测中的应用

目的探讨ARIMA模型预测常州市乙型肝炎发病率的可行性。方法应用SPSS 18.0软件对常州市2002—2010年乙型肝炎月发病率进行ARIMA模型拟合,对2011年乙型肝炎发病率进行预测验证,并对2012年月发病率进行预测。结果最佳拟合模型为ARIMA(2,1,0)(1,1,0)12;2011年乙型肝炎发病率预测结果和实际值平均相对误差为3.55%。结论 ARIMA模型可用于常州市乙型肝炎发病率预测,其短期预测精度较高。     

辽宁省手足口病疫情季节性ARIMA模型预测效果评价

目的 利用时间序列法研究手足口病的发病趋势和流行特征,建立ARIMA乘积季节模型,对2017年7月-2018年12月辽宁省手足口病的月发病疫情情况及流行强度进行预测,为手足口病的预防监测工作提供依据。方法 收集辽宁省手足口病2012年1月-2016年12月的月发病报告数,采用Excel 2010建立辽宁省手足口病月报告发病数数据库,应用SPSS 23.0软件进行SARIMA模型的构建,拟合发病情况,对辽宁省手足口病2017年7月-2018年12月发病数进行预测,评价预测效果。结果 辽宁省手足口病发病特征以年为流行周期,季节性周期为12个月（s=12）。每年6-9月为该病的发病高峰期。最佳模型为SARIMA（0,1,0）×（1,1,0）₁₂季节性模型,模型残差Ljung-Box Q=18.564,P=0.354,序列为白噪声。预测平均相对误差为0.229,预测效果较好。结论 季节性ARIMA模型能较好的拟合辽宁省手足口病的发病流行趋势,能够比较直观准确的反映辽宁省手足口病的疫情发展情况,该模型适用于辽宁省手足口病的短期流行趋势的预测。     

基于自回归滑动平均混合模型的布鲁菌病流行趋势预测

目的  对我国布鲁菌病（简称布病）月发病率进行预测,为了解我国布病流行趋势、制定防控策略提供数据支持和决策依据。 方法  以国家人口与健康科学数据共享平台为数据来源,使用2004年1月-2016年12月全国布病月发病率数据建立历史序列,应用R软件构建自回归滑动平均混合模型（autoregressive integrated moving average model,ARIMA）并进行数据拟合和预测。 结果  本研究构建乘积季节ARIMA（2,1,2）（2,1,1）₁₂模型各项参数都有统计学意义（均有P < 0.001）,模型很好的拟合了全国布病月发病率的变化规律,预测值与实际值之间的平均相对误差为21.77%;预测2017年、2018年、2019年和2020年布病的月平均发病率分别为0.399 5/10万、0.423 8/10万、0.445 6/10万、0.471 2/10万,呈逐渐增高趋势（χ²=14.244,P < 0.001）,在4-7月份出现发病峰值。 结论  在自然状况下,我国人间布病的月发病率将逐年增高,应采取相应措施进行控制。