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。     

基于ARIMA模型的流感样病例预警预测分析

目的探索建立适合于流感样病例预测的自回归求和移动平均模型（ARIMA模型）。方法采集深圳市南山区2006--2011年流感样病例监测数据,绘制序列图,差分使序列平稳化,通过自相关分析和偏相关分析进行模型识别,根据AIC（赤池信息准则）和BIC（贝叶斯信息准则）确定模型参数,建立ARIMA预测模型,用Q统计量法对模型适用性进行检验,用2012年全年实际监测数据与模型预测值进行比较,评价模型预测效果。结果2006--2011年流感样病例累计报告199360例,月发病最大值9765例,月发病最小值594例,平均月发病2769例。通过对2006--2011年各月的监测数据进行分析发现,各年度流感样病例发病呈现明显的高峰和低谷,高峰在每年5—8月份,低谷在当年的11月份至次年2月份,不同年度略有波动。对序列进行一阶差分后可得到较为平稳的序列,适合进行模型拟合,经过模型拟合诊断发现ARIMA（0,1,1）×（0,0,1）12模型为最优模型,AIC值和BIC值最小,分别为1239．19和1245．98,Box-Ljung检验结果Q值为19．07,P〉0．05,通过2012年拟合值与实际值比较,结果差异无统计学意义（P〉0．05）。结论ARIMA模型可以较好地对流感样病例进行拟合分析预测。     

甘肃省2006-2011年哨点监测流感样病例动态预警分析

目的 掌握甘肃省流感样病例发生动态并探索其预警模式和效果.方法 通过甘肃省2006-2011年哨点流感样病例监测数据,应用时序图分析其变动趋势,并采用流行控制图-移动百分位数法探索流感样病例预警模式,结合统计模型的预测值,评价预警效果.结果 甘肃省2006和2009年为流感高流行期,2007和2008年为流感低流行期.流感样病例流行控制预警线显示冬季预警值较高,夏季较低的特征.应用简单季节性指数平滑模型和自回归移动平均模型(ARIMA)(1,1,1)(0,1,0)乘积季节性模型动态预测2011年每周流感样病例占门急诊病例百分比(ILI％),二者动态预测预警与实报预警一致率均为100％.但从预测的均方根误差分析,指数平滑模型动态预测效果优于ARIMA模型.结论 流感动态预警模式可反映甘肃省流感样病例的流行规律,但预警技术存在局限性.     

南通市流感样病例时间序列分析及发病趋势的 预测研究

摘要:目的　探讨时间序列分析中的自回归求积移动平均模型（ARIMA）在南通市流感样病例（ILI）发病趋势预测中的应用。方法　收集“中国疾病预防控制系统”中2009年7月-2013年11月共238周流感样病例的发病监测数据,建立时间序列数据库,对每周流感样病例的发病人数进行ARIMA模型拟合,利用模型对2009年7月-2013年11月的周数据进行外部预测,并对2014年2月-2014年3月各周的流感样病例的发病情况进行前瞻性预测。结果　构建流感样病例周发病数的ARIMA（1,1,1）模型为（1-0.806B2）（1-B）lnXt＝（1-0.958B2）∝t,其中B代表后移算子,Xt代表ILI周发病数,εt为随机误差。外部预测的预测值和实际值基本相符,相对误差较小。前瞻性预测结果符合流感样病例的流行特征。结论　该模型能较好的模拟并预测南通市流感样病例的发病趋势。     

ARIMA模型在流感样病例发病预测中的应用

目的 建立北京市密云区流感样病例ARIMA预测模型并对所建模型预测效果进行验证和评价.方法 对密云区2010-2016年流感监测哨点医院每日报告的流感样病例监测资料建立ARIMA预测模型,并预测2017年流感样病例就诊比例,与实际值比较评估模型预测效果.结果 2010-2016年密云区流感样病例监测哨点医院门急诊患者累...     

应用ARIMA-GRNN模型预测深圳市宝安区流感样病例发病率

目的建立预测流感样病例发病率的ARIMA-GRNN模型,并验证其可行性。方法应用SPSS 19.0软件,对2010年1月-2015年9月宝安区流感样病例月发病率进行模型拟合,并应用MATLAB 7.0联合GRNN模型进行误差修正。以2014年10月-2015年9月月流感样病例发病率作为考核样本评价模型预测效果,并预测2015年10-12月月流感样病例发病率。结果 ARIMA(2,1,0)(0,1,1)12拟合2010年1月-2015年9月宝安区每月新增感染率的变动趋势较为理想,联合GRNN模型后,预测结果与实际值相对误差最大值为3.12%,最小为2.00%;结论 ARIMA(2,1,0)(0,1,1)12-GRNN模型在宝安区流感样病例发病率短期趋势的预测与实际发病率吻合,拟合效果较好。     

时间序列分析(自回归求和移动平均模型)在流行性乙型脑炎预测中的应用

目的探讨时间序列分析[自回归求和移动平均(Autoregressive Integrated Moving Average,ARIMA)模型]在流行性乙型脑炎(乙脑)预测中的应用,建立乙脑报告发病数的预测模型,预测2010年乙脑发病趋势。方法使用2003年1月～2009年12月中国疾病监测信息报告系统中的乙脑报告月发病资料,使用SPSS软件专家建模器,考虑季节因素建立ARIMA预测模型,并用所得模型对2010年全国乙脑报告发病数进行预测。结果 ARIMA(0,0,1)(0,1,1)12模型能较好地拟合时间序列,2010年乙脑预测病例数为4579例,高峰仍在7、8月份。结论该ARIMA模型可较好地拟合乙脑发病的时间序列趋势;与2009年比较,预测2010年乙脑报告发病数相对平稳。     

季节性ARIMA模型在河南省流感样病例发病预测中的应用

目的 研究河南省流感样病例(ILI)发病规律，探讨使用自回归移动平均(ARIMA)模型预测河南省流感样病例发病趋势的可行性。方法 收集2010年第1周至2022年第30周河南省流感样病例占门急诊就诊病例的比例(ILI%)数据，使用R语言进行时间序列分析并建立季节性ARIMA模型，使用最优模型对2010年14周至2021年40周ILI%数据进行拟合，对2021年第41周至2022年第30周进行预测。结果 2010-2014年河南省ILI%整体呈增高趋势，2014-2022年ILI%整体呈降低趋势。河南省ILI%变化呈现季节性，12月底至次年1月初为报告高峰。最终选择的模型是ARIMA(0,1,1)×(1,1,0)₅₂，拟合和预测的发病趋势与实际观测到的情况基本一致，ILI%拟合误差范围在-2.93～3.51之间，平均误差-0.01，平均绝对误差0.29，均方根误差0.47，百分比误差(相对误差)在-213.95%～128.85%之间，平均绝对百分比误差11.22%；实际报告ILI%均在预测序列95%置信区间内。结论 季节性ARIMA模型可用于河南省流感样病例发病趋势...     

应用ARIMA模型对甲型病毒性肝炎疫情预测的研究

目的探讨时间序列ARIMA模型在浙江省甲型病毒性肝炎疫情预警应用中的可行性。方法利用EViews5.0、SPSS13.0等统计软件对历年疫情资料汇编,《国家疾病报告管理信息系统》报告的浙江省甲肝按月发病数建立ARIMA模型。结果对甲肝发病数序列建立季节模型为ARIMA(1,0,0)(0,1,1)12,对2009年甲肝按月发病疫情拟合较好,能够及时、准确对疫情进行跟踪。结论 ARIMA模型能够较好应用于短期甲肝预测、预警,为疫情防控提供科学依据。     

时间序列分析在流感疫情预测预警中的应用

目的 探讨时间序列分析的自回归求积移动平均模型(ARIMA)在江苏省流行性感冒(流感)疫情预测预警中的应用.方法 收集江苏省2005年10月至2010年2月各监测点流感样病例(ILI)监测数据,建立基础数据库,对每周ILI发病人数进行ARIMA建模拟合,对2010年3-4月各周流感样病例发病情况进行预测.结果 构建得到ILI发病ARIMA(2,1,2)预测模型为(1+0.785B2)(1 -B)In Xt=(1+0.622B2)εt,其中,B代表后移算子,Xt代表流感样病例发病人数,εt为随机误差.模型残差序列为白噪声,模型的Ljung-Box检验统计量为5.087,P=0.995,拟合效果良好.应用该模型预测2010年3-4月江苏省各周ILI发病情况,预测值符合实际发病变动趋势,实际观测值均在预测值95％CI值内.结论 ARIMA模型能较好地模拟江苏省ILI发病情况.     

自回归求和移动平均模型在阜阳市手足口病疫情预测预警中的应用

目的探讨自回归求和移动平均模型（autoregressive integrated moving average,ARIMA）在手足口病疫情预测预警中的应用,验证分析模型的可行性与适用性。方法利用安徽阜阳市2009-2013年手足口病发病资料,拟合ARIMA模型,对阜阳市2014年1-3月各月发病情况进行预测评价。结果建立ARIMA（1,2,0）（0,1,0）12模型,预测结果基本符合实际发病变动趋势,验证了该模型的可用性。结论 ARIMA模型可用于模拟手足口病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。     

上海静安区儿童流感样病例就诊百分比预测的自回归求和移动平均模型构建与应用

目的探讨构建并应用自回归求和移动平均(autoregressive integrated moving average,ARIMA)模型预测静安区儿童流感样病例(influenza-like illness,ILI)就诊百分比的可行性,为儿童流感流行的早期预警提供科学依据。方法基于2011—2014年上海市静安区的逐月儿童ILI就诊百分比,模型参数确定采用非条件最小二乘法,模型结构依据简洁与残差不相关原则确定,拟合优度以许瓦兹贝叶斯准则与赤池信息准则评估,构建儿童ILI就诊百分比预测的最优ARIMA模型。以模型预测静安区2015年1~10月儿童ILI就诊百分比,计算实际值与预测值的相对误差,并预测静安区2016年的儿童ILI就诊百分比。结果模型ARIMA(1,1,1)(无常数项)对儿童ILI就诊百分比序列拟合良好,自回归参数(AR1=-0.901)与移动平均参数(MA1=0.943)差异均有统计学意义(P0.001),残差达到白噪声(P0.05),模型表达式为(1+0.901B)(1-B)Z_t=(1+0.943B)μ_t。2015年1~10月儿童ILI就诊百分比的预测值符合实际值的变动趋势,相对误差最小仅为0.47%。结论 ARIMA模型可以较好地拟合静安区儿童ILI就诊百分比的时间变动趋势,能对ILI就诊百分比进行短期预测,有较好的预测精度。     

时间序列分析在阜阳市细菌性痢疾发病预测中的应用

目的探讨时间序列分析在细菌性痢疾发病预测中的应用,验证分析模型的可行性与适用性。方法利用阜阳市2009年1月～2013年6月细菌性痢疾发病资料,拟合自回归移动平均（ARIMA）模型,对阜阳市2013年7～11月各月发病情况进行预测评价。结果建立ARIMA（1,2,0）（0,1,0）12模型,预测结果基本符合实际发病变动趋势,验证了该模型的可行性。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分析,并进行短期预测。     

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。     

金华市流行性感冒监测预警曲线的设计及应用

目的为科学有效地预警流感的暴发与流行,制定符合金华市的流感流行早期预警曲线。方法使用全市3所哨点监测医院每周流感样病例(ILI)占门诊病例总数百分比的历史监测数据建立数据库,采用控制图法建立预警模型;在综合2009-2011监测年度流感流行特征和ILI就诊病例中流感估计感染率的基础上,确定判定流感流行的指标及其参考标准;通过计算、比较灵敏度、特异度、阳性预测值、阳性似然比和绘制ROC曲线,选择合适的预警界值。结果选择P75作为流感流行基准曲线预警界值,预警效果相对较好,灵敏度为87.5%,特异度为62.3%;选择P85作为流感流行警戒曲线预警界值,预警效果相对较好,灵敏度为88.9%,特异度为91.0%。结论控制图法可以作为流感预警方法,周ILI%的P75点可以作为流感流行基准预警曲线;周ILI%的P85点可以作为流感流行警戒预警曲线。     

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。     

上海某哨点医院2007—2009年流感监测分析

[目的]分析本院2007—2009年流感监测结果,探索流感流行特征及规律,为制定预防和控制策略提供依据。[方法]对2007—2009年国家流感监测哨点医院发热门诊流感样病例(ILI)发病动态以及流感病毒分离结果进行监测和分析。[结果]2007年ILI 1 656例,患病率为1.20%,2008年ILI 1 606例,患病率为1.12%,2009年ILI5 486例,患病率为3.10%,明显高于2007、2008年水平。流感病毒监测结果:2007年标本采集330份,阳性标本为45份,分离率为13.6%,优势株A(H3N2)占68.9%,2008年标本采集229份,阳性标本为30份,分离率为13.1%,优势株B型占60%,2009年标本采集713份,阳性标本为250份,分离率为35.1%,优势株甲型H1N1占70.8%,其次为A(H3N2)型,占20.4%。2009年8月标本的阳性率明显上升,优势株为季节性A型(H3N2)流感病毒(58.7%),出现新的亚型即甲型H1N1流感(34.7%)病毒,12月甲型H1N1流感病毒成为优势株(91.4%)。[结论]上海徐汇区哨点医院附近地区流感流行高峰期为夏季与冬季,2007年该地区的流行毒株以A(H3N2)亚型为主,2008年该地区的流行毒株以B型亚型为主,2009年8—10月该地区出现季节性流感A(H3N2)亚型与甲型H1N1流感共同流行,11—12月以甲型H1N1流感流行为主。     

无锡市发热呼吸道症状监测在甲型H1N1流感大流行中的早期预警效果分析

目的利用已有的非典预警及流感样病例两个症状监测系统,建立无锡市流感监测预警基线值,评价其在2009年甲型H1N1流感大流行中的早期预警效果。方法对2007～2009年无锡市非典预警数据及流感样病例监测数据进行分析,对2009年的流感样病例监测数据进行拟合,分析两个系统和不同方法对甲型H1N1流感大流行早期预警的效果。结果流感样病例监测数据(ILI%)自出现首例输入性病例前1个月就出现上升趋势;非典预警监测系统中发热呼吸道病例门诊就诊率高于2007、2008年同期水平(P﹤0.001),在出现本地病例前1周就出现上升趋势。控制图法显示,2009年流感疫情与2009年甲型H1N1流感不同阶段流行趋势基本一致。结论两个监测系统2009年预警信号和实际甲型H1N1流感疫情基本吻合;移动平均回归法预警甲型H1N1流感暴发较控制图法在流行时间上更为精准。