基于Python语言的ARIMA模型在天津市结核病发病率预测中的应用

 目的 探讨差分自回归移动平均（ARIMA）模型在结核病发病率预测中的可行性。方法 基于Python语言的statsmodels模块,以天津市2004年1月—2015年12月结核病月发病率数据作为训练集建立最优季节性差分自回归移动平均（SARIMA）模型,以2016年1—12月数据对SARIMA模型进行效果评价,并对2017年1月—2019年12月天津市结核病月发病率进行预测。结果 流行病学结果显示,2004年1月—2015年12月天津市结核病月发病率总体呈下降趋势。2005—2008年出现一个发病高峰,2009年后大幅度下降,随后趋于平稳。2017年1月—2019年12月天津市结核病月发病率与往年相比平稳下降。建立的最佳模型为SARIMA（1,1,1）×（3,1,1）₁₂,该模型残差BOX-Ljung统计量P值为0.493,提示残差为白噪声序列,模型拟合良好。预测结果实际值均在预测值的95%置信区间。结论 SARIMA（1,1,1）×（3,1,1）₁₂模型可对天津市结核病月发病率进行较准确的预测。     

ARIMA模型和BP神经网络模型在甘肃省结核病发病率预测中的应用

目的  探讨自回归滑动平均混合模型（autoregressive integrated moving average,ARIMA）与误差逆传播（（back propagation,BP）神经网络模型在甘肃省结核病发病率预测中的预测效果,选取合适的模型预测发病趋势。 方法  以甘肃省1997-2017年结核病数据为基础,建立ARIMA时间序列模型和BP神经网络模型分别预测2018-2019年的发病率,并比较两种模型的预测精度和建模效果。 结果  对于甘肃省2018年和2019年结核病发病率,ARIMA时间序列模型预测结果为55.1075,54.5373,MSE=92.24,MAE=7.5313,MAPE=9.26%;BP神经网络模型预测结果为62.0132,73.4460,MSE=9.6575,MAE=1.1449,MAPE=1.68%。 结论  BP神经网络模型对甘肃省结核病发病率的预测效果更佳,预测得2018-2019年甘肃省结核病发病率将呈小幅上升趋势。     

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模型在安徽省流行性感冒发病预测中的应用

目的探讨ARIMA模型在安徽省流感发病预测应用中的可行性并开展预测,为流感的防控提供理论依据。方法收集安徽省2005-2012年流感发病资料建立数据库,运用SPSS 13.0对逐月发病率进行ARIMA建模与拟合,在数据平稳化、定阶和参数估计后,建立ARIMA数学模型,并利用模型对2013年发病情况开展预测。结果建立ARIMA(2,2,1)(2,2,0)12模型,预测结果符合实际发病趋势,该模型具有实用性。结论 ARIMA模型可用于流感发病率在短期内变化趋势的拟合与预测。     

ARIMA模型在细菌性痢疾预测中的应用

[目的]探讨应用ARIMA模型进行细菌性痢疾预测、预报的可行性。[方法]应用SPSS13.0软件分析1990～2008年广西细菌性痢疾月发病数资料,构建ARIMA乘积模型,并预测2009～2010年细菌性痢疾月发病数。[结果]最优乘积模型为ARIMA(1,1,1)(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,且实际值均在预测值可信区间范围内。[结论]ARIMA模型是一种行之有效的预测方法,能够应用于广西细菌性痢疾流行趋势的预测及疫情的预警、预报,为实施干预提供依据。     

ARIMA模型在武汉市结核病疫情预测中的应用

目的探讨应用自回归移动平均模型(ARIMA)预测武汉市结核病发病情况。方法收集中国结核病信息管理系统中2011—2015年武汉市结核病月报告发病数数据,利用SPSS 18.0统计软件通过建模和拟合,对2016年肺结核发病数进行预测,比较预测值与实际报告数之间差异评价其预测效果。结果武汉市肺结核发病以年为周期,每年4~6月和9~10月为高发期;ARIMA(0,1,1)×(0,1,1)12能很好的拟合武汉市结核病发病情况,其标准化BCI=0.732,Ljung-Box统计量为25.659,P=0.059,预测平均相对误差率为3.31%,预测结果基本符合2016年实际发病变动趋势。结论 ARIMA模型能较好地模拟和预测结核病发病在时间序列上的变化趋势,可为今后合理配置防控资源提供参考依据。     

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。     

ARIMA模型在细菌性痢疾预测中的应用

目的构建北京市昌平区细菌性痢疾月发病的ARIMA模型,为防控工作提供依据。方法应用SPSS 18.0软件分析2004-2010年北京市昌平区细菌性痢疾月发病数资料,构建ARIMA乘积模型,并预测2011年细菌性痢疾月发病数。结果最优乘积模型为ARIMA(1,0,0)(1,1,1)12,模型具有较高的预测精度,预测值与实际值基本吻合,且实际值均在预测值可信区间范围内。结论 ARIMA模型能够应用于北京市昌平区细菌性痢疾流行趋势的预测及疫情的预警、预报,为实施干预提供依据。     

探讨ARIMA模型在细菌性痢疾发病预测中的应用

目的 探讨时间序列分析方法中ARIMA模型在细菌性痢疾发病预测方面的应用,验证分析模型的可行性与适用性.方法 利用海南省2000年1月～2009年12月细菌性痢疾发病资料,拟合ARIMA模型,对海南省细菌性痢疾2010年1～9月各月发病率进行预测评价.结果 建立ARIMA(1,0,0)模型,预测结果基本符合实际发病率变动趋势,验证了该模型的可用性.结论ARIMA模型可用于模拟细菌性痢疾发病在时间序列上的变化趋势,进行短期预测.     

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。     

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。     

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模型在安溪县传染病发病率预测中的应用

目的 探讨用时间序列ARIMA模型对法定传染病发病率进行预测的可行性.方法 用SPSS 18.0对安溪县2005-2010年传染病月发病率进行ARIMA模型拟合,用所得模型对2011年各月发病率进行预测并与实际值比较.结果 ARIMA(0,1,1)×(1,1,0)12模型拟合良好,2011年各月预测值与实际值趋势吻合.结论 ARIMA模型能很好地模拟传染病发病率时间序列变动趋势,对疫情监测有重要意义.     

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。     

ARIMA模型预测甲肝发病

目的探讨ARIMA模型在甲肝预测方面的应用,建立甲肝发病预测模型,并证明模型的适用性。方法利用甘肃省1990-01/2007-12甲肝发病数资料,通过SPSS Expert Modeler拟合ARIMA模型,用Q统计量法对模型适应性进行检验。结果建立ARIMA（0,1,1）（0,1,1）模型,模型统计量Q=20.637,P〉0.05,证实了该模型的适用性。结论ARIMA模型可用于甲肝发病的动态分析和短期预测。     

ARIMA模型在我国食物中毒事件预测中的应用

利用我国食物中毒报告信息,对食源性疾病中食物中毒事件报告与发生变化趋势进行预测预警,为保障食品安全,预防中毒事件发生提供依据。通过对2008-2011年全国食物中毒报告资料的动态分析,构建时间序列ARIMA模型,并对2012年6月到2013年食物中毒发生情况进行预测。拟合我国食物中毒事件报告起数ARIMA(1,1,0)(1,1,0)12模型,预测近半年内食物中毒报告起数,与实际情况趋势一致,实际发生与预测结果基本相同,全部预测值均在95%预测区间内。由预测结果可见,今年我国食物中毒报告仍将以第三季度内发生起数居高,略高于2011年;2013年食物中毒事件发生情况高峰稍高于今年,但不会出现大幅度的改变,季节周期与前几年的基本相近。我国食物中毒事件趋势预测以ARIMA模型预测效果最好,符合我国食物中毒事件发生及变化规律,预测结果可为我国食品安全预测预警提供依据。     

应用ARIMA模型对麻疹发病的预测及分析

目的 应用ARIMA模型对麻疹发病数预测并探讨其可行性,为防控麻疹疫情提供依据。 方法 采用SPSS17.0对乌鲁木齐市2009-2015年麻疹月发病数的资料建立ARIMA模型,并预测2016年麻疹月发病数。 结果 建立模型ARIMA(0,0,1)(1,1,0)₁₂是合适的,且模型检验自相关系数在±0.5之间,预测值与实际值有较高的吻合度。 结论 ARIMA模型能很好的拟合乌鲁木齐市麻疹发病数趋势,预测效果可靠。     

时间序列分析法在香港结核病预测中的应用

目的 阐述ARIMA模型拟合时间序列的方法和步骤,并将其应用于结核病的预测,为传染病预警系统提供决策依据.方法 利用SPSS统计软件对香港1997年到2008年结核病数据进行基本趋势分析并检验数据的平稳性,对平稳处理后的时间序列构建ARIMA模型,并对所建立的模型进行相关性检验,预测出未来一年的数据.结果 通过对结核病的预测,相对误差在3％左右,预测效果较为可靠.结论 在结核病的近期预测中引入时间序列的ARIMA模型分析方法,能够对结核病的预测产生积极的指导意义.     

ARIMA模型在肺结核发病预测中的应用

目的探讨应用自回归滑动平均混合模型(ARIMA)预测肺结核发病率的可行性。方法应用SPSS13.0软件对甘肃省2000年1月～2008年6月肺结核逐月发病率进行ARIMA建模拟合;用2008年7～12月逐月发病率检验模型,并进一步预测2009年分月发病情况。结果模型ARIMA(0,1,1)(1,1,0)12(不含常数项)所有参数都通过统计学检验,残差序列是白噪声,拟合优度相对最好,参数间弱相关(r=0.269),用模型进行预测,其预测值与实际值之间的平均相对误差为0.046,模型预测精度较高。结论自回归滑动平均混合模型可很好地模拟和预测肺结核发病率在时间序列上的变动趋势,将其应用于肺结核发病预测是可行的。