ARIMA模型与Holt-Winters指数平滑模型在武汉市流感样病例预测中的应用

目的 探讨比较ARIMA模型和Holt-Winters模型在武汉市流感样病例预测中的应用,为流感防控提供科学依据。方法 利用武汉市2012年1月-2017年6月每周流感样病例比例数据拟合建立ARIMA模型和Holt-Winters指数平滑模型,预测2017年7-8月周流感样病例比例,并与实际流感样病例比例进行比较。结果 ARIMA最优模型为 ARIMA(1,0,1)×(0,1,1)52,预测的平均相对误差为6.88%,Holt-Winters的最优模型为乘法模型,预测平均相对误差为13.79%。结论 ARIMA(1,0,1)×(0,1,1)52模型拟合效果较好,预测精度更高,可用于武汉市流感样病例的预测。     

ARIMA模型和Holt-Winters指数平滑法在贵州省肺结核发病预测中的应用

目的探讨比较自回归差分移动平均（autoregressive integrated moving average, ARIMA）模型及Holt-Winters指数平滑法在肺结核发病预测中的应用,为贵州省结核病防控工作提供科学依据。方法以2015—2021年贵州省登记报告的肺结核发病数据建立ARIMA模型和Holt-Winters指数平滑模型,分别用两种模型预测2022年1—10月肺结核发病数,并与实际登记报告肺结核发病数作比较,对两种模型预测效果进行评价。结果 2015—2021年贵州省累计报告肺结核患者28.08万例,总体上肺结核发病呈下降趋势。构建ARIMA最佳模型为ARIMA (1, 1, 0)(0, 1, 0)12,模型预测结果均方根误差（root mean square error,RMSE）为462.46,平均绝对误差（mean absolute error,MAE）为424.50,平均绝对百分比误差（mean absolute percentage error,MAPE）为21.21%;Holt-Winters指数平滑法最佳模型为乘法模型,模型预测结果 RMSE为387....     

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。     

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模型在门诊人次预测中的应用

目的 探讨ARlMA模型在门诊人次预测中的应用,阐述建模过程,建立预测模型,验证模型的适用性,为医院管理决策服务.方法 数据源于HIS集成统计与管理决策支持系统门诊报表,采集范围选自1999年～2005年逐月门诊人次数据,其中1999年～2004年各月数据用于建立时间序列模型,2005年数据用于验证所建立的模型,统计软件用SPSS13.0完成.结果 通过模型识别、参数估计、检验诊断、模型评价,建立ARIMA(1,0,1)(0,1,1)12模型,具有较高地拟和精度,全年门诊人次相对误差是6.84%,各月相对误差在-3.15%～9.80%之间.实际值都在预测的95%上下限范围之内.讨论 本研究验证了ARIMA模型适用于门诊人次预测,同时在预测门诊人次时也要考虑到数据量、就医环境、患者满意度等因素.     

ARIMA模型和Holt-Winters指数平滑法在自杀死亡中的预测效果比较

目的 探讨比较自回归求和滑动平均(autoregressive integrated moving average,ARIMA)模型和Holt-Winters指数平滑法在自杀死亡预测中的应用.方法 利用河北省2014年1月-2018年6月自杀月度死亡资料分别建立ARIMA模型和Holt-Winters指数平滑模型,对2...     

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。     

加入季节因子的ARIMA模型在白纹伊蚊布雷图指数预测中的应用

目的 探讨基于季节因子的差分自回归移动平均(ARIMA)模型在白纹伊蚊布雷图指数(BI)预测中的可行性.方法 应用SPSS 19.0将2015-2018年河北省登革热媒介伊蚊监测点布雷图指数法监测数据构建基于季节周期因子的ARIMA模型,进行整体回代评价拟合效果,比较2019年6-9月的预测值与真实值,评价外推效果.结...     

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。     

ARIMA模型在传染病预测中的应用

目的分析传染病发病情况,提高传染病监测预警能力,合理利用卫生资源。方法收集2011年1月至2014年5月国家法定传染病月度发病数数据,利用SAS 8.1软件对其做12步差分提取周期趋势,对差分后时间序列进行ARIMA模型构建,估算参数并预测未来趋势。结果我国传染病的发病呈现以年为单位的周期趋势,年平均发病总数基本保持在60万人不变。构建的最优模型为ARIMA(1,0,0)12,回归系数有统计学意义(φ1=0.654 23,t=4.02,P0.05),且该ARIMA模型预测显示未来几个月内传染病发病较以前出现下降趋势。结论传染病的发病复杂多变,受多种因素的影响,ARIMA模型对历史数据进行统计分析,其短期预测精度高,对传染病的监测有重要意义,实际应用过程中仍需及时补充即时数据来对模型修正。     

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模型在乙型病毒性肝炎发病率预测中的应用

目的 探讨应用ARIMA模型进行乙肝发病率的预测,为乙肝防治提供科学依据.方法 应用Eviews 7.0对2004年1月至2012年6月陕西省某市乙型肝炎发病率进行模型拟合,用所得到的最优模型对2012年7 ～12月乙肝发病率进行预测,并与实际值进行比较.结果 ARIMA(1,1,1)×(1,1,1)12模型拟合效果总体较好,其对2012年7 ～12月乙肝发病率预测值基本符合实际值的变化趋势.结论 ARIMA模型可以模拟乙肝发病率,应用乙肝发病于预测.     

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模型在我国梅毒发病率预测中的应用

目的探索ARIMA模型在我国梅毒发病率预测中的应用,为提出相应的预防措施提供依据。方法收集2004年1月-2012年12月我国梅毒发病率资料,用SPSS13.0拟合ARIMA模型,并用2013年每月的数据评价模型的预测效果。结果 ARIMA(1,1,0)×(2,1,1)12模型为预测我国梅毒发病率的最佳模型,预测值和实际值的动态趋势基本一致。并用此模型对2014年每月我国梅毒发病率进行了预测。结论 ARIMA模型是一种短期内预测精度较高的预测模型,预测效果可靠。     

季节ARIMA模型在无锡市艾滋病发病预测中的应用

目的 预测无锡市艾滋病发病趋势,探讨自回归滑动平均混合模型(autoregressive integrated moving average model, ARIMA model)在无锡市艾滋病早期预测预警中的可行性。方法 以2007—2018年无锡市艾滋病月报告发病数据为基础,构建最优季节ARIMA模型,运用该模型对2019年无锡市艾滋病月报告发病数进行预测,并将实际值与预测值进行比较。结果 研究构建的最优季节ARIMA模型为ARIMA (2,1,1)(1,1,1)₁₂,ADF检验结果显示,差分后序列呈稳定序列(t=-7.39,P=0.01),AIC为932.43,BIC为949.68,RMSE为7.14。白噪声检验结果为χ²=0.001,P=0.97,实际值基本在预测值的95%CI。结论 ARIMA (2,1,1)(1,1,1)₁₂能较好地拟合无锡市艾滋病月报告发病趋势,可应用于无锡市艾滋病发病的短期预测。     

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。     

ARIMA模型在流行性腮腺炎发病率预测中的应用

目的探讨求和自回归移动平均(ARIMA)模型在流行性腮腺炎发病预测中的应用,验证分析模型的可行性与适用性。方法对南京市2004年1月至2012年12月流行性腮腺炎发病率资料进行ARIMA模型拟合,用建立的模型对2013年1—12月发病率进行拟合检测,之后对2014年各月发病率进行预测评价。结果 2004—2013年流行性腮腺炎累计报告病例14 871例,年均发病率为21.78/10万,每年各月流行性腮腺炎发病率始终围绕在1.85/10万附近波动。建立ARIMA(1,0,0)(2,1,0)12模型为最优模型。模型残差序列为白噪声。除常数项外,模型各参数均有统计学意义。模型的平均绝对百分误差为29.63%,R2为0.76。用建立的模型拟合2013年1—12月发病率,均在95%可信区域内,符合实际发病率变动趋势,验证了该模型的可行性。用该模型对2014年流行性腮腺炎进行预测,年发病率为1.48/10万,发病高峰期在4、5、6月,月发病率分别为2.33/10万、2.72/10万、2.52/10万。结论 ARIMA模型可用于拟合流行性腮腺炎发病率在时间序列上的变化趋势,可进行动态分析和短期预测。     

ARIMA季节性模型在河南省猩红热发病预测中的应用

目的 建立河南省猩红热发病的ARIMA季节模型,探讨该模型在预测猩红热发病中的应用。方法 以2005-2019年河南省猩红热病例数为基础建立ARIMA模型,并用2019年1-12月的实际发病数进行验证,利用最优模型预测2020年1-12月河南省猩红热发病数。结果 最优模型为ARIMA (2,1,2)(0,1,1)₁₂,参数均有统计学意义(P<0.05),BIC=7.406,残差序列为白噪声(Ljung-Box=17.234,P=0.141),拟合效果较好。2019年1-12月猩红热月发病数预测值和实际值的平均相对误差为9.9%,实际值均在预测值95%置信区间(95%CI)。预测河南省2020年猩红热平均月发病数为192例,少于2019年的203例,明显多于2020年实际月均病例数47例。结论 ARIMA(2,1,2)(0,1,1)₁₂模型拟合河南省猩红热发病数效果较好,可用于河南省猩红热发病趋势的短期预测。