ARIMA模型和GM（1,1）模型在全国艾滋病发病率预测中的比较研究

目的利用ARIMA模型和GM（1,1）模型对全国艾滋病发病率进行预测并进行效果比较。方法利用1999-2011年全国艾滋病发病率分别建立ARIMA模型和GM（1,1）模型,进行回代拟合,并预测2012和2013年艾滋病发病率。同时,比较2个模型的拟合和预测效果。结果利用ARIMA模型拟合艾滋病发病趋势效果较好,预测2012年和2013年艾滋病发病率分别为1.51/10万、1.49/10万,即未来2年艾滋病发病率将维持在一个较高水平。GM（1,1）模型显示拟合精度为二级,预测2012年和2013年全国艾滋病发病率为2.88/10万和3.70/10万,结果提示,艾滋病发病率呈明显上升趋势。结论 2种预测模型结果存在差异,均显示未来2年我国艾滋病发病率未有减缓之势,有关卫生部门应改进卫生策略与措施,争取控制进而遏止艾滋病流行趋势。     

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。     

ARIMA模型与GM(1,1)模型对兴化市结核病发病数预测效果比较

目的 比较求和自回归滑动平均模型(ARIMA)和灰色模型GM(1,1)对结核病发病数的预测效果。方法 利用兴化市2012—2019年结核病月发病和年发病数,分别构建ARIMA模型和GM(1,1)模型,进行发病数的拟合,采用平均绝对百分误差(MAPE)、平均绝对误差(MAE)和判定系数(R²)评价拟合效果。采用优势模型预测2020—2024年发病数。结果 2012—2019年兴化市共报告结核病5 673例,年均发病率55.88/10万。发病率总体呈逐年下降趋势■,男性年平均发病率(79.09/10万)高于女性(31.75/10万),差异有统计学意义(χ²=1017.707,P<0.001)。构建的ARIMA模型为SARIMA(0,1,1)(0,1,1,)₁₂,GM(1,1)模型为■。平均误差率(MER)、平均绝对误差(MAE)和判定系数(R²),ARIMA模型为5.42%、36.43、0.929,GM模型为4.24%、28.50、0.973。GM(1,1)模型的预测效果较好。利用GM(1,1)预...     

ARIMA与GM模型在广西细菌性传染病预测中的应用

目的评价 ARIMA 和 GM 模型在传染病预测的应用效果,为选择适宜的预测方法提供依据.方法构建广西1990~2008年细菌性痢疾、伤寒副伤寒与流行性脑脊髓膜炎及1995~2008年其他感染性腹泻病发病率的 ARIMA 模型和 GM 模型,评价拟合效果.用两种模型分别预测4病2009~2010年发病率,分析预测精度.结果两种模型对4病的拟合值与实际值平均误差分别为8.74%/10.45%、6.69%/26.39%、9.24%/10.85%和30.44%/33.25%,平均预测误差分别为3.78%/15.75%、18.13%/113.61%、24.66%/303.42%和48.06%/45.22%.结论 ARIMA 模型对细菌性痢疾和伤寒副伤寒的发病率预测精度较高,GM 模型对细菌性痢疾发病率的预测结果也比较理想,但两种模型对流行性脑脊髓膜炎和其他感染性腹泻病的预测精度均较差.     

ARIMA模型与灰色系统GM(1,1)模型在长沙市艾滋病发病率预测中的效果比较

目的利用ARIMA模型和GM(1,1)模型对长沙市艾滋病发病率进行模拟预测并对预测效果进行比较。方法收集长沙市2006—2016年艾滋病的发病资料,分别建立自回归滑动平均模型(ARIMA)及灰色系统GM(1,1)模型,进行回代拟合,并预测2017和2018年艾滋病的发病率,同时比较2种模型的拟合与预测效果。结果 ARIMA(1,1,1)模型预测出2017和2018年长沙市艾滋病发病率分别为6.19/10万、8.19/10万;GM(1,1)模型预测出2017年和2018年长沙市艾滋病发病率为6.39/10万和8.16/10万。结论 ARIMA模型及GM(1,1)模型的拟合结果均与长沙市艾滋病发病趋势相同,ARIMA模型对2006—2016年长沙市艾滋病发病率的预测效果较GM(1,1)模型好,预测准确度P高于GM(1,1)模型,平均绝对误差MAE小于GM(1,1)模型     

武汉市伤寒、副伤寒发病率GM(1,1)灰色模型预测分析

目的 预测武汉市2012-2014年伤寒、副伤寒发病趋势,为制订针对性的防控措施提供依据.方法 根据武汉市2000-2009年的伤寒、副伤寒发病率,应用灰色系统理论,构建GM(1,1)模型进行预测分析.结果 武汉市伤寒、副伤寒发病率(1/10万)的GM(1,1)灰色模型为:(y)(t+1)=- 11.784809e-0.118065+ 13.994809,拟合检验显示本模型精度好(C=0.358,P=1.000),能较好地进行趋势预测分析.结论 预测提示2012 -2014年武汉市伤寒、副伤寒年发病率呈下降趋势,应继续采取改善饮用水卫生,加强卫生监管,实施健康教育等综合措施控制伤寒、副伤寒的发病水平.     

全国孕产妇死亡率不同模型的拟合效果比较

目的:探究分析灰色模型GM(1,1)、ARIMA及线性回归模型在孕产妇死亡率(MMR)中的拟合应用并比较模型的适用性及精确性,为妇幼保健工作提供科学依据。方法:以1991~2012年全国MMR为原始资料,运用SAS分析软件,分别采用灰色模型GM(1,1)、ARIMA及线性回归进行拟合比较分析并预测2013年MMR,比较预测效果。结果:灰色模型GM(1,1)和线性回归模型均通过模型检验建模成功,灰色模型GM(1,1)P=1.00,C=0.137 89,线性回归模型F=236.57,P<0.000 1;2013年MMR预测显示:线性回归模误差较大,误差的方差(MPE)为10.08,平均相对误差绝对值(MAPE)为13.69%。结论:ARIMA不适合拟合MMR,灰色模型GM(1,1)和线性回归模型均可用于MMR的拟合,但预测某一年份时需慎重。     

ARIMA模型与灰色预测模型GM(1,1)在HIV感染人数预测中的应用

目的比较ARIMA模型（autoregressive integrated moving average model,ARIMA）与灰色预测模型[gray forecast model,GM（1,1）]在艾滋病感染人数预测上的有效性。方法以安徽省芜湖市2005-2011年疫情资料为基础,分别使用月发病人数及年度发病人数建立ARIMA模型及GM（1,1）模型,通过预测结果与实际值的对比来比较两模型的应用效果。结果 ARIMA模型及GM（1,1）模型的拟合结果均与芜湖市艾滋病发病趋势相一致,ARIMA模型的平均误差率稍高于GM（1,1）模型。结论在对无周期性的艾滋病疫情数据进行预测时,ARIMA模型的预测优势不能得到充分体现,从而使ARIMA模型的平均误差率稍高于GM（1,1）模型,因此在进行传染病及疾病预测时,应综合考虑和比较多种模型的预测效果,选择适合本地区的预测模型进行预测,且应不断补充新的数据对模型进行修正或重新拟合,才能达到有效预测的目的。     

GM(1,1)模型和ARIMA模型预测我国淋病发病率

目的比较ARIMA模型和GM(1,1)模型在我国淋病发病率预测中的效果,为完善我国淋病的监测和防制工作提供参考依据。方法收集2004年1月-2012年12月我国淋病的月发病率资料,用SPSS 13.0软件和GM软件2008分别拟合ARIMA模型和GM(1,1)模型,并用2013年每月的数据评价模型的预测效果。结果 GM(1,1)模型的CC=0.818 1、P=0.000 0,拟合效果较差,不适合用于预测我国淋病的月发病率。ARIMA(1,1,0)×(2,1,1)12模型的各参数差异均具有统计学意义(AIC=-170.388,SBC=-157.024),对数似然函数值为90.194,并且残差序列Box-Ljunt统计结果显示统计量差异均无统计学意义(P0.05)。为预测我国淋病月发病率的最佳模型,预测值和实际值的动态趋势基本一致。并用此模型对我国2014年每月淋病发病率进行了预测。结论 GM(1,1)模型不能用于我国淋病月发病率的预测。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。     

GM(1,1)灰色预测模型和ARIMA模型在拟合山东省心脑血管疾病死亡率中的应用

目的 运用GM(1,1)灰色模型和ARIMA模型对山东省心脑血管疾病死亡率进行拟合,对拟合结果行进比较。为心脑血管疾病预防提供科学依据。 方法 利用山东省全人群监测点2002-2014年心脑血管疾病死亡率数据分别建立GM(1,1)灰色模型和ARIMA模型,对建立的模型进行拟合,同时运用该模型对2015-2017年心脑血管疾病死亡率进行预测。两种模型拟合评价指标为误差平方和（SSE）、平均绝对百分误差(MAPE)两个指标。 结果 心脑血管疾病死亡率GM(1,1)灰色模型和ARIMA模型SSE和MAPE分别为1236、1189和2.75%、2.73%。2015-2017年心脑血管疾病预测死亡率（1/10万）分别为340.56、349.80、359.03。 结论 心脑血管疾病死亡率呈波动性上升趋势。ARIMA模型拟合效果优于GM(1,1),模型拟合要充分考虑数据特征。     

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GRNN的组合预测模型在传染病发病率预测中的应用

目的研究基于GRNN的组合预测模型拟合传染病发病率的优越性和不足。方法以浙中某市1998—2008年的肺结核发病率为研究资料,分别构建了灰色模型和ARIMA模型,以这两种模型为基础构建了基于GRNN的组合预测模型。结果残差修正GM(1,1)模型、ARIMA(1,0,1)*(1,1,0)12模型、基于GRNN的组合预测模型的MSE,MAE,MAPE和MER分别为37.451,5.692,53.69%,48.51%;18.509,3.761,35.13%,32.05%;9.961,2.571,25.6%,21.9%。结论基于GRNN的组合预测模型的预测精度优于两种单项模型。     

全国伤寒、副伤寒发病的季节趋势模型研究

目的分析全国2006-2010年伤寒、副伤寒报告病例数据,应用季节趋势模型预测2011年的发病例数。方法应用SPSS 15.0和Excel软件拟合2006-2010年全国伤寒、副伤寒逐月报告发病人数的季节趋势模型。结果全国伤寒、副伤寒的发病情况呈逐年下降趋势,应用逐月报告发病人数建立的季节趋势模型差异有统计学意义（F=11.688,P=0.001）,应用模型预测2011年全国伤寒、副伤寒的发病人数为12543例,较上年减少2169例。结论季节趋势模型充分考虑了疾病流行的长期趋势和季节性流行特点,拟合近年全国伤寒、副伤寒发病数据效果较好,可利用模型进行短期预测。     

ＡＲＩＭＡ 模型在婴儿死亡率预测中的应用

摘要：目的　探讨应用自回归滑动平均混合模型（ａｕｔｏｒｅｇｒｅｓｓｉｖｅｉｎｔｅｇｒａｔｅｄ ｍｏｖｉｎｇａｖｅｒａｇｅ,ＡＲＩＭＡ） 预
测婴儿死亡率的可行性。方法　运用ＳＰＳＳ１６．０ 对１９９１－２０１２ 年山西省妇幼卫生年报婴儿死亡率建立
ＡＲＩＭＡ 模型,用所建模型比较预测值与实际值差异,并预测２０１３－２０１５年山西省婴儿死亡率。结果　模
型ＡＲＩＭＡ （１,２,０）较好地拟合了既往时间段的婴儿死亡率的时间序列, 模型自回归参数ＡＲ１＝
－０．７５４,犘＜０．０１,有统计学意义, 赤池信息准则（ＡＩＣ） ＝６８．２１３, 许瓦兹贝叶斯准则（ＳＢＣ） ＝
７０．２０４,模型残差为白噪声（犘＞０．０５）, 模型数学函数式为＾ 犢狋＝０．０６７＋１．２４６犢狋－１ ＋０．５０８犢狋－２ －
０．７５４犢狋－３,利用模型预测２０１３－２０１５ 年婴儿死亡率分别为４．７７‰、４．３２‰、３．９６‰。结论　ＡＲＩＭＡ 模
型能够较好地拟合婴儿死亡率的时间变化趋势,并用于短期预测未来婴儿死亡率。
关键词：婴儿死亡率;时间序列;ＡＲＩＭＡ 模型
中图分类号：Ｒ１９５．１　　文献标识码：Ａ　　文章编号：１００９ ６６３９ （２０１４）０３ ０２５６ ０４     

自回归移动平均模型在细菌性痢疾流行趋势预测中的应用

目的探讨时间序列分析中自回归移动平均模型在六安市细菌性痢疾发病预测的可行性和适用性,为早期做好防控工作提供科学依据。方法使用SPSS 17.0软件对六安市2003年1月～2012年12月的细菌性痢疾月发病率建立ARIMA模型,以2013年的1～7月实际发病率作为预测模型的考核样本,验证模型的预测效果。结果六安市细菌性痢疾月发病率模型为ARIMA（0,0,1）×（0,1,1）12,模型移动平均参数MA1=-0.473（t=-5.153,P〈0.05）,季节移动平均参数SMA1=0.937（t=2.494,P=0.014）;残差分析Ljung-BoxQ统计量经检验,差异无统计学意义（Ljung-BoxQ=10.208,P=0.856）,提示残差为白噪声。模型预测的平均相对误差为27.82%,但预测的动态趋势与实际值基本吻合,且实际值均在预测值的95%可信区间内。结论 ARIMA（0,0,1）×（0,1,1）12模型可为六安市细菌性痢疾的防控提供参考。     

ARIMA 与 ARIMAX 模型在钉螺密度预测中的应用

目的探讨ARIMA与ARIMAX模型在预测钉螺密度的适用性,为湖北省钉螺的控制提供参考依据。方法收集湖北省潜江市1980—2012年的钉螺查螺资料及气象资料,应用ARIMA与ARIMAX模型对潜江市钉螺密度进行预测分析。结果钉螺密度的ARIMA模型为（1-B）（1-0．643B。）dt=εt,ARIMAX模型为dt=16．371＋（-0．522-0．363B）tern。＋（1＋0．590B）εt。ARIMA模型与ARIMAX模型的参数差异均有统计学意义（P〈0．05）,实测值和预测值的趋势基本上一致,实测值均在预测值的95％可信区间内。结论ARIMA模型与ARIMAX模型可以应用于钉螺密度的预测,具有较好的精度。     

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。     

ARIMA模型与GM(1,1)模型在痢疾发病数预测中的比较研究

目的 分别应用求和自回归滑动平均模型(autoregressive integrated moving average model, ARIMA)和灰色模型(gray forecast model)GM(1,1)对湖北省痢疾发病数进行预测,比较两种方法的预测效果,为选择更适宜的方法提供依据。方法 分别应用2001－2015年月发病数及年发病数建立ARIMA模型和GM(1,1)模型,用平均误差率(mean error rate,MER)和决定系数(coefficient of determination,R²)评价拟合效果,并采用2016年实际发病数验证预测效果,选择准确性更高的模型对2017－2018年发病数进行预测。结果 建立的ARIMA模型为SARIMA(1,0,0)(0,1,1)₁₂,GM(1,1)模型为(t+1)=-274 126.038e^{-0.067 467t}+293 275.08,两模型的平均误差率(mean error rate,MER)分别为3.55%和14.78%;决定系数(R²)分别为0.993和0.960,2016年实际发病数与两模型预测发病数的残差分别为635和3 240;相对误差分别为16.54%和84.38%,综合考虑各项评价指标采用ARIMA模型对2017－2018年发病数进行预测分别为4 286和4 011。结论 通过拟合及预测评价指标的比较ARIMA模型均优于GM(1,1)模型,可得ARIMA模型对湖北省痢疾发病数的预测比GM(1,1)模型有较明显的优势,能更准确的处理时间序列类型的资料,此预测结果准确具有实用价值,可为卫生防治工作提供依据。     

某市基于灰色数列模型GM（1，1）的职业病发病趋势预测

目的探讨灰色数列模型GM（1,1）在预测职业病发病趋势的应用,并评价其精度等级。方法用Excel编程实现对某市2013—2015年职业人群将罹患职业病的预测。结果利用某市2006—2012年职业人群罹患职业病的数据建立灰色数列GM（1,1）模型,据此模型预测该市职业人群2013年、2014年和2015年将罹患职业病的病例分别为238、324和442例。后验差c值为0．12、小误差概率P值为1,预测精度等级为很好,符合模型的预测要求。同时显示该市的职业病病例数量上升趋势明显。结论GM（1,1）模型可应用于职业病发病趋势预测。