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。     

SARFIMA模型在肾综合征出血热发病预测中的应用

目的研究季节性自回归分数差分移动平均(SARFIMA)模型预测肾综合征出血热(HFRS)发病率的效果,并与SARIMA模型进行比较。方法收集山东省2009年1月至2018年12月HFRS月发病数据,考虑时间序列的短记忆性和长记忆性,构建SARFIMA模型,以SARIMA模型作为对比,比较两个模型的预测准确性。结果山东省2009-2018年HFRS月发病率具有明显周期性和季节性特征。模型评估表明,SARFIMA模型具有更好的拟合度和预测能力。SARFIMA(1,0.33,3)(1,0,0)₁₂:AIC=-629.76;RMSE=0.028;SARIMA(1,0,3)(1,1,0)₁₂:AIC=-356.43;RMSE=0.033。结论 SARFIMA模型能较好地拟合山东省HFRS月发病率的动态变化,且预测效果优于SARIMA模型。因此,SARFIMA模型可用于HFRS发病率的预测。     

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。     

差分自回归移动平均模型在肾综合征出血热发病预测中的应用研究

目的探讨差分自回归移动平均模型（ARIMA）在肾综合征出血热（HFRS）预测分析中的应用。方法用SPSS16．0软件建立1986-2011年河北省HFRS逐月疫情资料数据库,用ARIMA相关模块进行建模拟合并进行预测分析。结果河北省1986-2011年HFRS发病数呈现明显的季节周期性。筛选ARIMA（0,1,1）×（0,1,2）_12模型为最优模型,对河北省2012年各月发病数进行预测,2012年1-12月实际值均落人了预测值的95％可信区间内。结论ARIMA模型可以很好地拟合HFRS发病数的变动趋势,并可用于预测未来疫情,为HFRS防控工作提供依据。     

肾综合征出血热发病率的预测

自 1972年以来我县一直是江苏省肾综合征出血热 (简称HFRS)高发区 [1 ]。 90年代初 ,我县采取了以大规模持续科学灭鼠、推广肾综合征出血热疫苗以及高密度、广覆盖开展健康教育为主的综合性防治措施 ,HFRS疫情得到了有效控制 ,取得了良好的社会效益和经济效益。与此同时 ,对 HFRS疫情及时地作出预测预报 ,将对科学地调整防治对策起着重要的指导作用 ,为此 ,应用灰色系统预测模型对赣榆县 HFRS疫情进行了预测分析 ,报告如下 :1　资料来源1993年～ 1999年 HFRS疫情资料来源于赣榆县卫生防疫站疫情室。2　计算步骤及结果2.1　累加生成…     

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。     

广义回归神经网络在肾综合征出血热发病率预测中的应用

目的探讨广义回归神经网络(GRNN)在肾综合征出血热(HFRS)发病率预测上的优势及应用前景。方法利用1984-2002年沈阳市的气象资料(包括平均气温、相对湿度、降水量和日照)和动物疫情资料(包括鼠密度和鼠带病毒率)共6个指标作为神经网络的输入,将1985-2003年沈阳市HFRS发病率作为神经网络的输出。利用Matlab7.0软件中的神经网络工具箱分别构建HFRS发病率的GRNN预测模型和反馈(BP)神经网络预测模型,对样本进行拟合和预测并对两者的拟合和预测性能进行比较。结果GRNN的最优光滑因子为0.35;BP神经网络的隐含层数定为6。从拟合效果来看,GRNN和BP神经网络预测模型的平均误差率(MER)分别为25.42%和25.55%;两者的决定系数r2分别为0.9438和0.9729,总的来说,拟合效果比较满意,两者拟合差异不是很明显。从预测效果来看,两者的MER分别为4.90%和15.16%,GRNN的MER远远小于BP神经网络;两者的r2分别为0.9897和0.9516。结论GRNN充分体现了它在小样本预测中的优势,预测效果优于BP神经网络,对解决HFRS等流行情况影响因素复杂的问题有很好的实用价值。     

应用ARIMA-GRNN模型对肾综合征出血热发病率时间序列数据的预测研究北大核心CSCD

目的阐述ARIMA-GRNN模型预测肾综合征出血热发病率的方法和步骤,探讨其在综合征出血热发病率预测中的应用。方法利用辽宁省1962-2008年的肾综合征出血热发病率时间序列数据作为训练集,建立ARIMA模型和ARIMA-GRNN模型,选取2009-2011年的数据作为检验集,评价模型的拟合和预测效果。结果 ARIMA(2,1,1)模型和ARIMA-GRNN模型拟合值的平均误差绝对值分别为1.14和0.77;预测值的平均误差绝对值分别为0.53和0.20。ARIMA-GRNN模型的拟合和预测效果均优于ARIMA模型。结论 ARIMA-GRNN模型能有效模拟、预测肾综合征出血热的发病疫情,具有较强的推广应用价值。     

GRNN组合预测模型对辽宁省及部分地区肾综合征出血热发病率的预测研究

目的探讨广义回归神经网络（GRNN）组合预测模型在肾综合征出血热（HFRS）发病率预测上的优势及应用前景。方法利用1990—2001年辽宁省、丹东市、沈阳市和朝阳市HFRS发病率分别建立GM（1，1）灰色预测模型和求和自回归滑动平均（ARIMA）模型，把2个模型的预测值作为GRNN的输入，实测值作为网络的输出，对样本进行训练和预测，并对3个模型的预测效果进行比较。结果针对辽宁省HFRS发病率建立的GM（1，1）模型、ARIMA模型和GRNN组合预测模型的平均误差率（MER）分别为13．5143％、25．0814％和5．5755％；R^2分别为0．8961、0．6997和0．9837。针对丹东市HFRS发病率建立模型的MER分别为19．7329％、20．6275％和14．0789％；R^2分别为0．8112、0．7628和0．8750。针对沈阳市HFRS发病率建立模型的MER分别为15．1421％、18．0584％和14．3592％；R。分别为0．8757、0．7889和0．8585。针对朝阳市HFRS发病率建立模型的MER分别为51．5090％、28．6593％和28．5927％；R^2分别为0．7863、0．8291和0．7753。GRNN组合预测模型对于辽宁省和丹东市的HFRS发病率预测效果好于2个单一模型；针对沈阳市所建立的HFRS发病率预测模型，GRNN组合预测模型和GM（1，1）模型相当，ARIMA模型最差。朝阳市的HFRS发病率预测模型不适合用上述方法建立。结论GRNN组合预测模型充分体现了它在小样本预测中的优势，预测效果优于GM（1，1）模型和ARIMA模型，对解决时间序列类型的HFRS发病率等资料有很好的实用价值。     

应用BP人工神经网络模型预测肾综合征出血热发病率

目的探讨反馈（BP）人工神经网络模型预测肾综合征出血热（HFRS）发病率的应用前景.方法利用沈阳市的气象资料（包括平均气温、相对湿度、降水量和日照）和动物疫情资料（包括鼠密度和鼠带病毒率）共6个指标作为神经网络的输入,将1984～2003年沈阳市HFRS发病率作为神经网络的输出.选择1984～2001年的数据,利用STATISTICA Neural Network（ST NN）建立BP网络预测模型,然后训练网络、预测2002和2003年HFRS的发病率.同时用上述指标建立线性预测模型,其结果与神经网络模型进行比较.结果对于BP神经网络,其平均误差率为7.89%,非线性相关系数为0.896.对于线性回归模型,其平均误差率为24.78%,非线性相关系数为0.711.结论BP人工神经网络可以用于HFRS发病率的预测,效果好于传统的线性回归方法.     

自回归移动平均模型在医疗服务需求预测中的应用

目的拟合医疗服务需求时间序列资料的预测模型。方法采用自回归移动平均模型对出院人次进行模型拟合。结果模型拟合得到的最优模型为一阶自回归移动平均模型,模型预测2020年某市三甲医院的出院总人次将为93.88万人次。结论自回归移动平均模型适用于出院总人次时间序列模型拟合,预测结果显示,在没有外来干预因素影响的情况下,三甲医院出院总人次将会延续2009年以前的上升趋势继续上涨。     

Forecasting the Number of Human Immunodeficiency Virus Infections in the Korean Population Using the Autoregressive Integrated Moving Average Model

ObjectivesFrom the introduction of HIV into the Republic of Korea in 1985 through 2012, 9,410 HIV-infected Koreans have been identified. Since 2000, there has been a sharp increase in newly diagnosed HIV-infected Koreans. It is necessary to estimate the changes in HIV infection to plan budgets and to modify HIV/AIDS prevention policy. We constructed autoregressive integrated moving average (ARIMA) models to forecast the number of HIV infections from 2013 to 2017.MethodsHIV infection data from 1985 to 2012 were used to fit ARIMA models. Akaike Information Criterion and Schwartz Bayesian Criterion statistics were used to evaluate the constructed models. Estimation was via the maximum likelihood method. To assess the validity of the proposed models, the mean absolute percentage error (MAPE) between the number of observed and fitted HIV infections from 1985 to 2012 was calculated. Finally, the fitted ARIMA models were used to forecast the number of HIV infections from 2013 to 2017.ResultsThe fitted number of HIV infections was calculated by optimum ARIMA (2,2,1) model from 1985–2012. The fitted number was similar to the observed number of HIV infections, with a MAPE of 13.7%. The forecasted number of new HIV infections in 2013 was 962 (95% confidence interval (CI): 889–1,036) and in 2017 was 1,111 (95% CI: 805–1,418). The forecasted cumulative number of HIV infections in 2013 was 10,372 (95% CI: 10,308–10,437) and in 2017 was14,724 (95% CI: 13,893–15,555) by ARIMA (1,2,3).ConclusionBased on the forecast of the number of newly diagnosed HIV infections and the current cumulative number of HIV infections, the cumulative number of HIV-infected Koreans in 2017 would reach about 15,000.     

季节性差分自回归滑动平均模型在上海市道路交通伤害预测中的应用

[目的]探讨季节性差分自回归滑动平均(SARIMA)模型预测道路交通伤害的可行性,为掌握上海市交通伤害趋势提供依据。[方法]利用EVIEWS软件对2000—2009年上海市道路交通伤害死亡的季度数据进行SARIMA模型拟合,并利用2010年数据对预测数据进行验证。[结果]上海市道路交通死亡具有明显的季节要素,趋势要素呈逐步下降趋势;对原始图形识别后,综合考察几种模型拟合优劣,最终采用SARIMA(2,1,0)(0,1,1)4,其能很好地拟合上海市道路交通伤害死亡情况。2010年4个季度死亡率预测值分别为1.49/105、1.74/105、1.93/105和2.06/105,实际值均在预测区间内,残差也显示为白噪声序列。预测结果较好。[结论]SARIMA模型是一种能较好地预测道路交通伤害趋势的工具,可为预防与控制道路交通伤害提供决策依据。     

基于小波分析的肾综合征出血热发病率预测方法

目的建立季节性趋势时间序列小波预测模型的方法，提高肾综合征出血热发病率的预测精度。方法对原始序列进行多层小波分解，提取趋势项、周期项和随机项，对它们分别进行预测，将各项的预测值合并作为原序列的预测值。结果小波分解后建模的预测精度为84．8％，而ARIMA建模的预测精度为66．1％。结论用小波预测模型对HFRS作短、中期预测是有效、可行的。     

肾综合征出血热控制效果观察

目的：控制肾综合征出血热（HFRS）高发疫区人群发病率。方法：实施以疫苗接种为主,灭鼠和健康教育为辅的综合性防制措施。结果：在从事野外劳动的16－60岁青壮年农民中,免疫覆盖率达51.86%,免疫阳转率为97.6％,从而使周村乡5个村的发病率由1997年的490.23/10 下降到1999年的零。结论：以疫苗接种为主的综合性防制措施,对HFRS高发疫区的控制效果理想。     

ARIMA模型结合圆分布法分析冠心病死亡率动态规律

目的 通过ARIMA模型结合圆分布法对1999年1月-2006年12月天津市冠心病逐月死亡率数据进行分析,研究其动态变化规律.方法 应用圆分布法探讨冠心病死亡率的季节分布.通过模型辨识、参数估计及其检验、模型的拟合度分析等过程,建立ARIMA季节乘积模型(p,d,g)(p,D,Q)s.结果 冠心病死亡率以年为周期,一年中1月为高发月份.建立了ARIMA(0,1,0)×(0,1,1)12模型:(1-B)(1-B12)ln xt=0.002+(1-0.421 B)(1-0.796 B12)ε1.结论 ARIMA乘积模型结合圆分布法是对冠心病死亡率进行时间序列分析的重要方法,可对今后的冠心病流行趋势及死亡率进行预测.     

建德市肾综合征出血热GM（1,1）模型预测研究

为利用灰色模型ＧＭ（１,１）预测肾综合征出血热（ＨＦＲＳ）年发病率。采用建德市肾综合征血热１９７０～１９９７年年发病率资料建立ＧＭ（１,１）模型,预测１９９８～２００２年ＨＦＲＳ年发病率。结果表明实验预测阶段（１９９３～１９９７年）年发病率结果同实际值吻合,模型精度等级检验良好,能采用ＧＭ（１,１）模型预测１９９８～２００２年ＨＦＲＳ年发病率。表明ＧＭ（１,１）可作为一项快速和简便的方法预测ＨＦＲＳ发病情况,为控制ＨＦＲＳ流行提供一项辅助手段。     

肾综合征出血热Box-Jenkins模型研究

目的：建立肾综合征出血热（ＨＦＲＳ）Ｂｏｘ－Ｊｅｎｋｉｎｓ模型。方法：用游程检验对发病序列进行随机性检验。结果：提示ＨＦＲＳ疫苗应在高危人群和高发地区人群中接种；用Ｂｏｘ－Ｊｅｎｋｉｎｓ模型对建德市ＨＦＲＳ发病作实验预测研究，结果准确。结论：该模型适合于实际预测，不失为疾病预测中快速、准确的模型     

肾综合征出血热变化趋势的小波分析

目的探讨小波分析在肾综合征出血热(HFRS)变化趋势特征提取上的应用.方法用Meyer型小波基函数对HFRS资料作五层小波分解,然后对低频和高频成份分别进行重构,从而提取出HFRS资料的趋势特征.结果HFRS的短、中期的周期性变化较明显,以6个月和1年的时间作为它们的变化周期,而长期趋势揭示目前HFRS发病率在高位振荡.结论小波分析对具有周期性变化趋势的医学资料有很好的特征提取能力.     

青岛市2000～2004年肾综合征出血热监测资料分析

[目的]掌握青岛市近年来肾综合征出血热（HFRS）的流行特点,指导今后的防治工作.[方法]对青岛市2000～2004年HFRS监测资料进行分析.[结果]5年间发病率为3.70/10万～9.55/10万,平均6.19/10万;病死率为1.99%.年内发病有春夏季高峰与秋冬季高峰,合计发病数占总数的78.90%.郊区病例占总数的99.37%.年均发病率平度市和胶南市最高;病例中,农民占83.07%,20～50岁占78.36%,男女之比为2.53：1.鼠密度为1.57%,室内主要鼠种为褐家鼠和小家鼠,野外优势鼠种为黑线姬鼠;带毒率为5.13%,其中黑线姬鼠、褐家鼠和小家鼠带毒率分别为4.58%、7.19%和4.24%.[结论]青岛市是家鼠型与野鼠型的混合型疫源地,近年发病率较高.