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.     

伤寒副伤寒发病趋势的ARIMA模型和GM（1,1）模型预测

目的采用求和自回归滑动平均模型（ARIMA模型）和灰色模型GM（1,1）分别对常州市伤寒副伤寒发病率进行预测,并比较两者预测的准确性。方法根据2001—2010年的月发病率数据分别建立ARIMA模型和GM（1,1）模型。通过比较2011年实际发病率和模型预测发病率间的相对误差验证模型预测的准确性。采用准确性高的模型预测2012—2013年伤寒副伤寒的年发病率。结果 GM（1,1）模型对伤寒副伤寒的年发病率预测准确率较高。2012年和2013年伤寒副伤寒预测的年发病率分别为2.52/105和2.33/105。结论对于伤寒副伤寒发病率的预测,应同时拟合几种模型,选择拟合效果最好的一种模型。     

应用ARIMA模型对河南省1991-2011年乙型肝炎发病趋势分析

目的 探讨应用ARIMA模型对河南省进行乙肝发病趋势进行预测,为制定防控策略提供科学依据.方法 采用SPSS15.0软件对河南省1991 ～2011年乙型肝炎发病率拟合ARIMA模型进行预测,将预测值与实际值进行比较.结果 确定模型为ARIMA(0,1,1),残差序列为随机序列,预测值和实际值平均相对误差为10.04％,预测2012年乙肝发病率为182.1/10万.结论 ARIMA(0,1,1)模型可以很好拟合乙肝发病趋势,可为乙肝防治提供科学依据.2012年预测结果提示乙肝发病有上升趋势,当地可制定相应防控策略.     

山东省乙类传染病法定数据报告与预测模型

目的通过分析山东省乙型肝炎不同时期发病率的变化,发现其时间流行趋势,探讨乙型肝炎的预测方法,为进一步预防控制乙型肝炎工作提供科学参考依据。方法利用山东省2004—2012年法定报告乙类传染病历史疫情资料,应用描述性流行病学方法来描述人群中乙型肝炎的分布情况,揭示山东省乙型肝炎的时间流行趋势。同时应用ARIMA方法对山东省乙型肝炎疫情的流行趋势进行预测。结果通过模型的拟合结果分析预测效果较好,所拟合的模型为最优模型,可用于预测。结论对山东省2004年1月—2012年12月乙型肝炎发病率进行描述性流行病学分析后,可见山东省乙型肝炎的时间流行趋势具有明显的周期性。利用乙型肝炎的月发病率进行模型预测可知:该模型较好地预测了山东省乙型肝炎月发病率的发展趋势,24个月份的预测发病率95%的置信区间中包含实际发病率,进一步说明该模型对未来发病率的预测较为准确。     

ARIMA模型在河南省梅毒月发病率预测中的应用

目的 应用自回归移动平均模型(auto-regressive integrated moving average,ARIMA)建立河南省梅毒月发病率预测模型,为制定梅毒防控措施提供参考依据.方法 应用SPSS15.0统计软件包对河南省2006年1月至2011年12月梅毒月发病率进行ARIMA模型拟合,依据BIC准则确定模型的阶数.利用最终模型预测2012年1月至5月梅毒月发病率,比较预测值和实际值,检验预测效果.结果 ARIMA(3,1,0)(0,0,1)12模型能够较好地拟合及预测梅毒月发病率,具有较高的预测精度,模型所得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模型能较好地模拟梅毒发病率在时间序列上的变化趋势,可用于预测梅毒的发病率趋势,为制定其防控措施提供科学依据.     

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.     

GM(1,1)灰色模型和ARIMA模型在上海市手足口病发病率预测应用中的比较研究

目的分别采用求和自回归滑动平均模型(autoregressive integrated moving average,ARIMA)和灰色模型GM(1,1)(grey model,GM(1,1))对上海市手足口病的发病率进行预测,并比较两者的预测效果。方法采用2005-2008年上海市手足口病的月发病率和年发病率分别建立ARIMA模型和GM(1,1)模型,并使用2009年的实际年发病率验证两种模型拟合和预测效果。选取相对误差最小的模型预测2011-2012年的发病率。结果 针对手足口病发病率建立的GM(1,1)模型和ARIMA模型,2005-2008年的拟合平均误差率分别为11.06%和10.54%;对2009年进行预测,预测值与实测值的相对误差分别为69.30%和6.51%。采用ARIMA模型对2011年和2012年的年发病率预测为255.32/10万和294.59/10万。结论 ARIMA模型对上海市手足口病的预测效果要优于灰色模型GM(1,1),对解决时间序列类型的发病率等资料有很好的实用价值,预测结果对该病的防治具有科学意义。     

浙江省细菌性痢疾月发病率ARIMA模型建立及预测分析

目的构建ARIMA模型预测浙江省细菌性痢疾的月发病率。方法利用SAS 9.0统计软件对浙江省2001—2011年2月的细菌性痢疾发病率数据建立ARIMA模型,并进行预测分析。结果拟合ARIMA(1,0,0)12模型的AIC为227.23,为细菌性痢疾的月发病率最佳模型,该模型预测值与实际值的平均相对误差为15.9%,实际值都在95%的可信限之内,预测值与实际值较为接近。结论 ARIMA模型可以较好的预测细菌性痢疾发病率的变化趋势,能够运用于细菌性痢疾发病趋势的预测及预警,为防控措施的制定提供参考。     

应用ARIMA模型预测结核病发病率研究

目的应用自回归求和移动平均(ARIMA)模型预测结核病发病率。方法收集浙江省余姚市2006—2016年结核病月发病资料,采用专家建模器和传统建模方法建立ARIMA模型,根据最小贝叶斯信息准则(BIC)值选出最优模型,对2006—2016年结核病月发病率进行回代拟合,并对2017年结核病月发病率进行预测。结果传统建模方法所得模型为ARIMA(0,1,1)(0,1,1)12,专家建模器所得模型为ARIMA(0,0,1)(0,1,1)12;两个模型的残差序列均未突破可信区间,为白噪声过程,均为恰当模型,但ARIMA(0,0,1)(0,1,1)12标准化的BIC值更小,确定为最优模型。对余姚市2006—2016年结核病月发病率进行回代拟合,实际发病率均落入拟合值的95%CI内,模型预测值能较好拟合原始数据;预测余姚市2017年1—12月结核病月发病率,预测值与实际值的平均相对误差为9.05%。结论应用专家建模器构建的ARIMA模型可较好地预测结核病发病率。     

中国1990-2011年梅毒流行特征分析与趋势预测

目的分析1990-2011年我国梅毒变化趋势,并探讨时间序列模型在梅毒未来发病预测中的应用。方法利用1990-2011年全国梅毒发病率资料,采用SPSS13.0进行ARIMA时间序列模型拟合及发病率预测。结果 1990-2011年梅毒流行特征为:1990-1994年发病率一直较稳定,未见明显上升趋势,自1995年发病率开始上升,1999-2003年略有波动,2004-2011年,发病率急剧上升,截至2011年末,梅毒发病率已为29.47/10万。利用ARIMA模型拟合梅毒发病趋势效果较好,预测2012年和2013年梅毒发病率分别为29.31/10万、29.16/10万。结论运用ARIMA时间序列模型对梅毒发病率进行拟合及预测是可行的,预测效果较好。     

基于周期分解的ARIMA模型在甲肝发病率预测中的应用

摘要:目的　探讨基于周期分解的ARIMA模型在我国甲肝月发病率预测中的应用,并比较其与SARIMA模型的预测效果。方法　收集2004年1月-2014年12月我国甲肝月发病率资料,用SPSS13.0分别拟合两种模型,并用2014年的数据评价模型的预测效果。结果　基于周期分解的ARIMA模型的拟合及预测的MRD,MER,MSE和MAE分别为4.4691,0.0446,0.0002,0.0092;4.1310,0.0415,0.0001,0.0066。SARIMA模型的拟合及预测的MRD,MER,MSE和MAE分别为7.2979,0.0781,0.0003,0.0185;6.4407,0.0708,0.0002,0.0110。结论　基于周期分解的ARIMA模型拟合和预测效果优于SARIMA模型。它可以提高预测的精度,具有较好的应用价值。     

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乘积季节模型在青州市布鲁氏菌病发病预测中的应用

目的应用自回归求和移动平均(ARIMA)乘积季节模型预测青州市布鲁氏菌病月发病数,构建青州市布鲁氏菌病月发病数的预测模型,为青州市布鲁氏菌病防控措施提供科学依据。方法收集青州市2011—2017年布鲁氏菌病监测数据,采用SPSS 25.0统计软件建立ARIMA时间序列模型,并对模型进行检验,预测出2018年的布鲁氏菌病月发病数,用2018年布鲁氏菌病实际月发病数评价模型的预测效果。结果模型ARIMA(0,1,1)(1,1,0)12标准化的BIC值最小,Box-Ljung检验统计量Q=23.746,P>0.05,残差序列为白噪声,确定为最优模型。结论ARIMA乘积季节模型短期预测青州市布鲁氏菌病月发病数效果较好。     

ARIMA模型预测南宁市猩红热发病趋势

目的运用自回归移动平均(ARIMA)模型对南宁市2011年的猩红热发病趋势进行预测,探索猩红热的流行规律。方法以南宁市2004-2010年的猩红热月发病率数据为基础,用SPSS13.0建立ARIMA预测模型,以2005-2010年的数据验证模型的预测精度。结果 ARIMA(1,0,0)(1,1,1)12模型可以用于拟合南宁市猩红热的发病情况。南宁市2011年猩红热的发病仍然维持在低位,且发病趋势平稳。结论 ARIMA模型可用于猩红热发病趋势的短期预测。     

基于乘积季节性ARIMA模型对神经内科医院感染发病率的预测研究

目的 建立神经内科病房医院感染预警模型，预测神经内科患者发生医院感染的风险，为早期防控提供依据。方法 收集贵州省某三级甲等医院神经内科病房医院感染发病率数据，构建乘积季节性ARIMA（p，d，q）×（P，D，Q）s模型，对建立的模型进行参数估计、模型诊断，选择最优预测模型。利用构建的最佳模型对神经内科病房医院感染发病率进行预测，并对预测效果进行评价。结果 以该院2014-2017年神经内科月度医院感染发病率数据作为训练样本，获得最优预测模型ARIMA（2，1，2）×（1，1，1）₄。以2018年1-5月数据作为模型预测验证样本，结果显示，模型预测值的动态趋势与实际情况基本一致，实际发病率均在预测值的95%置信区间内。用此模型对2018年6-12月神经内科医院感染发病率作预测，预测结果显示预测值均位于95%的置信区间内。结论 ARIMA（2，1，2）×（1，1，1）₄模型能较好地模拟神经内科病房医院感染发病率变化趋势，具有良好的预测效果。     

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。     

时间序列模型在广州市登革热发病趋势预测的应用

目的利用ARIMA模型对广州市登革热发病趋势进行时间序列分析和预测。方法收集广州市2015-2018年登革热每周发病数,采用2015-2017年登革热每周发病数构建ARIMA模型,通过2018年登革热发病预测值与实际值的拟合情况,评价模型预测效果。结果拟合模型ARIMA(4,1,9),残差序列为白噪声,预测值与实际值平均绝对误差为4.03,均方根误差为8.13。2018年登革热预测发病趋势与实际发病趋势较吻合。结论 ARIMA模型能较好地模拟广州市登革热的短期发病趋势,可作为预测工具。     

基于ARIMA模型的2020年衡阳市肺结核发病趋势预测

目的 用差分整合移动平均自回归(autoregressive integrated moving average,ARIMA)模型对肺结核发病率进行预测,为人群肺结核的防治以及制定干预措施提供参考依据.方法 收集衡阳市2010年1月—2019年12月肺结核月发病数据,运用SPSS 22.0软件进行数据分析,构建ARIM...     

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。