SARIMA模型在北京市房山区手足口病发病趋势预测中的应用

目的构建北京市房山区手足口病发病的SARIMA模型并进行预测。方法应用83.0.1软件程序包中的TSA对2007—2013年房山区手足口病月发病率构建模型,并对2014年各月手足口病月发病率进行预测和评价。结果 SARIMA(0,0,1)(0,1,1)_(12)模型较好地拟合既往时间段发病率,对2014年各月的预测值符合手足口病实际发病率变动趋势,对2015年手足口病发病率进行了预测。结论 SARIMA(0,0,1)(0,1,1)_(12)模型能够很好拟合手足口病月发病率数据,可用于房山区手足口病发病趋势的短期预测,为下一步采取针对性防控措施提供科学依据。     

感染性腹泻病的气象预报模式的建立与验证

[目的]通过分析上海市感染性腹泻发病情况与气象要素的关系,建立感染性腹泻病的气象预报模式.[方法]收集上海市2002-2008年逐日感染性腹泻发病数和同期气象资料,分析气象因素与感染性腹泻发病的关系,采用时间序列的广义相加模型,建立感染性腹泻预测模型,利用2009-2010年逐日报告确诊的感染性腹泻病例和逐日气象数据检验模型的预测效果.根据验证结果,提出感染性腹泻病的预测预警应用. [结果]所建立的感染性腹泻预测模型对发病趋势拟合符合率为66.43％,对流行季节(5月至10月)拟合符合率为77.23％.形成腹泻指数并运用其开展相应的防病提示. [结论]感染性腹泻病的气象预报模式可较好地为上海市提供肠道传染病预警服务,为疾病预防控制部门传染病防控提供科学依据.     

湖南省手足口病发病趋势SARIMA模型预测

目的建立湖南省手足口病发病趋势的SARIMA模型,为手足口病的预防和控制提供参考依据。方法收集中国疾病预防控制信息系统2008年5月—2013年12月湖南省手足口病月发病率数据建模,以2014年1—7月的月发病率数据进行验证,并对2014年8月—2015年7月发病情况进行预测;应用SPSS 18.0中的"Define Dates"模块和"Fore Casting"模块进行分析,建立季节性差分自回归移动平均模型(SARIM A)。结果湖南省手足口病月发病率发病趋势预测模型为SARIMA(1,0,0)(1,1,0)12,模型自回归参数AR1=0.765,(t=8.789,P0.001),残差为白噪声(Ljung-Box Q=15.420,P=0.494),预测值与实际值的相对误差范围为6.90%~46.31%,平均相对误差为20.37%;预测2014年发病率2次高峰分别在5月份和11月份,均高于2013年同月份的发病率;2015年上半年高峰期也在5月份,低于2014年同月份的发病率。结论 SARIM A(1,0,0)(1,1,0)12拟合效果较好,可用于湖南省手足口病月发病率的短期预测。     

求和自回归移动平均模型在武汉市手足口病疫情预测预警中的应用

目的探讨自回归移动平均模型在手足口病预测预警中的应用。方法利用武汉市2009-2013年手足口病月发病率数据,拟合ARIMA模型,对武汉市2014年1~8月各月发病率进行预测。结果 ARIMA(1,0,0)×(1,1,0)12能很好的拟合武汉市手足口病发病情况,模型预测结果基本符合实际发病变动趋势。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,进行预测预警。     

基于气象因素的衡阳市手足口病疫情预警模型的建立

目的 通过分析2011-2014年衡阳市手足口病的流行病学特征,结合同期气象因素,探讨建立手足口病预警模型,为手足口病防控方式提供新依据。 方法 收集衡阳市2011-2014年手足口病发病资料及同期气象资料,采用描述性流行病学方法分析手足口病流行趋势,利用Spearman相关性矩阵,综合考量各气象要素与手足口病发病的相关性,通过层次分析法构建权重矩阵,构建预警模型。 结果 衡阳市2011-2014年手足口病每年发病呈双高峰形态,主高峰在4-7月(23 904例,占56.21%),小尾峰在9-10月(9 847例,占23.16%)。手足口病发病数与温度和日照时间呈相关关系(r=0.706、0.441);利用层次分析法构建的手足口病发病预警模型提示:衡阳市2014年无红色预警月,黄色预警月份为4、5、6、8月。 结论 衡阳市手足口病发病与气温、气湿、降雨量、日照时间等气象因素有关,利用气象因素建立的预警模型可以较好地为防控策略提供参考。     

应用R软件对比两种手足口病发病预测模型的效果

目的 使用R软件对手足口病发病时间序列模型进行分析与对比,探索较佳的手足口病发病预测模型.方法 利用广州市2009-2013年手足口病月报告病例数作为建模数据,采用R软件中的Holt-Winter指数匀滑模型和季节性差分自回归移动平均模型(SARIMA)分别预测2014年12个月份的发病情况,将预测结果与2014年实际发病数进行比较.结果 对广州市2014年1-12月手足口病发病数进行预测,并将预测值与实际值进行比较,结果显示:采用Holt-Winter指数匀滑法和SARIMA预测结果的平均相对误差分别为-0.40和0.12.结论 SARIMA为较佳的预测分析模型,预测结果能较好地拟合广州市手足口病发病序列并进行短期的有效预测.     

利用时间序列模型分析预测辽宁手足口病疫情趋势

目的探讨辽宁地区手足口病发病趋势特征,应用时间序列模型进行预测。方法收集辽宁省2008年1月-2013年12月的手足口病月发病数据建立时间序列,采用自回归移动平均季节乘积模型拟合发病情况,对2014年1月~12月的手足口病发病数进行预测,评价预测效果。结果建立SARIMA(0,1)×(1,1)模型,预测平均相对误差为21.58%,希尔不等系数为0.115236。结论辽宁地区手足口病疫情趋势平稳,呈现周期为12月的季节性波动,所建立的模型时防控工作具有指导意义。     

基于ARIMA模型的成都市金牛区手足口病疫情趋势预测和流行预警

目的根据2009-2013年发病例数,采用ARIMA模型建立成都市金牛区手足口病预测模型。方法应用SPSS16.0软件对金牛区2009-2013年手足口病发病数进行ARIMA模型拟合,并通过2014-01/08数据检验预测效果。结果ARIMA(1,0,1)模型能够很好地拟合既往时间段发病序列,能够预测2014-01/08发病数变化趋势。结论 ARIMA模型能够很好跟踪和模拟历史数据作出短期预测,为手足口病早期预警提供数据支持,但存在一定滞后性。     

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。     

顺义区手足口病发病的气象影响因素研究

目的探讨顺义区手足口病发病与气象因素之间的关系,筛选适合因子预测手足口病发病趋势。方法收集2009-2013年顺义区手足口病每月发病率及同期气象资料,气象数据经膨化处理,用SPSS 20.0软件分析两者相关性,并用逐步回归分析建立手足口病的气象因子拟合模型。结果手足口病发病月分布呈单峰分布,5-7月达到发病高峰,月发病率在0.12~96.09/10之间。手足口病发病与月平均气压呈负相关,与月平均气温、湿度、月累计日照时数、月累计降雨量、月均温差5个因子呈正相关。手足口病最优气象因素回归方程变量包括d2(提前2个月均温差),t1(前1个月均温度),p2(提前2个月总降雨量),调整后R2为0.766。结论气象因素对手足口病发病有重要影响,可以利用气温、温差、降雨量拟合模型预测手足口病发病趋势。     

基于季节趋势模型对宜昌市手足口病的预测研究

目的探讨移动平均法的季节趋势模型在手足口病预测的应用。方法基于宜昌市2010-2014年逐月手足口病发病率建立移动平均法的季节趋势模型,并将拟合值与实际值进行拟合评价。结果 2010-2014年手足口病的实际值与拟合值相对误差为5.310%,模型拟合较好。应用季节趋势模型可对2015年手足口病的发病率进行预测。结论基于移动平均法的季节趋势模型,能较好的模拟手足口病发病在时间序列的变化趋势,但因其计算简单,仅适用短期预测。     

灰色系统GM(1,1)模型在手足口病发病预测中的应用

目的预测2013—2014年昆山市手足口病疫情变化趋势,为手足口病防控提供科学依据。方法采用2008—2012年昆山市手足口病的发病率作为原始数据,利用GM灰色模型,建立数学模型,预测手足口病发病趋势。结果基于2008—2012年昆山市手足口病发病率,运用模型计算出2012—2014年手足口病发病率为49.54/10万、27.21/10万、22.28/10万,实际2012年手足口病的发病率为55.88/10万,相对误差的绝对值为11.34%,拟合预测精度为89.17%。结论通过手足口病发病率预测模型,推算出的我市手足口病发病率的实际值和预测值基本吻合,拟合较好。     

ARIMA模型在阜阳市手足口病发病数预测中的应用

目的探讨应用求和自回归移动平均(Autoregressive Integrated Moving Average,ARIMA)模型进行手足口病发病数的拟合和预测,为手足口病疫情预警提供依据。方法运用统计分析软件Eviews 5.0对阜阳市2009年1月至2013年10月的手足口病发病的月发病数进行模型拟合,根据所建立的最优模型对2013年11月和12月的手足口病月发病数进行预测,并与实际值进行比较。结果阜阳市手足口病发病以年为周期,一年中4~7月份出现发病高峰。手足口病预测模型ARIMA(1,0,1)(0,1,1)12,检验结果总体最好,2013年11月至12月的手足口病月发病数的预测值与实际值较为接近,预测相对误差分别为3.35%和3.16%,预测效果较好。结论 ARIMA(1,0,1)(0,1,1)12模型可作为阜阳市手足口病月发病数中短期预测的模型。     

季节性ARIMA模型在江门市手足口病疫情预测中的应用

目的构建时间序列ARIMA乘积季节性模型,预测江门市手足口病发病趋势,探讨该模型在预测手足口病发病率中的应用。方法根据2009年1月～2017年6月手足口病月报告发病率时间序列构建模型,以2017年7～12月手足口病发病率为验证数据,验证预测模型效果。结果模型ARIMA(1,0,1)(0,1,1)_(12)为最优模型,其BIC=9.87,Ljung-Box=21.76,P=0.11,2017年7～12月手足口病月发病率预测值和实际值的平均相对误差为18.14%,实际值都在预测值95%置信区间内。结论 ARIMA模型能较好预测手足口病发病变化趋势,模型预测效果有待进一步优化。     

利用ARIMA-GRNN组合模型预测新疆维吾尔自治区手足口病发病率

目的分析2009—2015年新疆维吾尔自治区手足口病新发数量的时间分布规律,使用自回归积分滑动平均模型-广义回归神经网络(ARIMA-GRNN)组合模型预测新疆维吾尔自治区手足口病发病情况,并评价该模型预测新疆维吾尔自治区手足口病发病率的效果。方法利用Excel 2007软件对2009—2015年新疆维吾尔自治区手足口病数据进行整理,基于2009—2014年手足口病数据为训练集,使用R 3. 5. 0拟合ARIMA模型,在ARIMA模型的基础上用Matlab 2014拟合ARIMA-GRNN组合模型。利用2015年的数据来检验所拟合的模型的预测效果。结果拟合的ARIMA模型为ARIMA(0,0,1)(2,1,0)12,平均绝对百分比误差(Mean Absolute Percentage Error MAPE)为19. 21%,能够较好的拟合新疆维吾尔自治区手足口病发病趋势,而在此基础上拟合的ARIMA-GRNN模型的MAPE=15. 63%,能更好的拟合数据,模型的效果优于单纯ARIMA模型,用该模型预测2015年发病情况,预测结果符合手足口病发病实际的波动趋势。结论 ARIMA-GRNN组合模型对新疆维吾尔自治区手足口病发病率能够很好的拟合和预测,对手足口病预防和监测有积极作用。     

乘法季节回归求和移动平均模型在安徽省手足口病预测中的应用研究

目的探讨乘法季节回归求和移动平均模型(ARIMA)在安徽省手足口病发病预测中应用,为手足口病预防控制提供参考。方法根据2009-2014年安徽省手足口病的周发病数据,运用R 3.0.2软件拟合乘法季节性ARIMA模型,并对2015年1~52周发病数进行预测。结果安徽省手足口病预测中最优模型为ARIMA(1,1,1)(0,1,1)52模型,残差统计量检验差异无统计学意义(Box-Ljung=0.004,P=0.950),提示残差为白噪声,模型拟合值和实际值平均绝对误差率为11.32%,2015年1~52周预测值和实际值平均绝对误差率为25.10%。结论建立的乘法季节性ARIMA模型能较好地拟合安徽省手足口病变动趋势,模型预测效果较好,可用于安徽省手足口病短期预测。     

季节性ARIMA模型在广州市手足口病疫情预测中的应用

目的探讨应用季节性ARIMA模型预测广州市手足口病发病情况的可行性。方法利用"传染病报告信息管理系统"数据,应用SPSS 13.0统计软件对广州市2009年1月至2014年6月手足口病发病数建立季节性ARIMA模型,使用所建模型对2014年7~12月发病情况进行预测。结果广州市手足口病发病特征以年为流行周期,每年有2个发病高峰;应用季节性ARIMA方法进行模型识别与估计后,建立ARIMA(1,0,1)(2,1,0)12模型,预测平均相对误差为0.22,预测效果较好。结论季节性ARIMA模型能较好的拟合广州市手足口病发病序列并进行短期的有效预测。     

基于向量自回归模型的清远市手足口病发病预测分析

目的 运用向量自回归模型(vector autoregression model,VAR)分析清远市手足口病发病与气象因素的动态关系,为手足口病的防控提供科学依据。 方法 用2013年1月1日－2017年4月30日的气象数据和手足口病发病数据建立VAR模型,评价模型的稳定性及拟合效果,通过脉冲响应函数和方差分解分析对模型进行定量分析,进一步对手足口病发病情况进行预测并评价预测效果。 结果 模型总拟合优度为0.96,调整后拟合优度为0.95。手足口病发病数对日最低气温、日地表最低气温和日平均相对湿度等气象因素的冲击响应是正向的。模型对未来1周、2周、3周和4周的手足口病发病预测其平均绝对百分误差(mean absolute percentage error,MAPE)分别为17.75%、13.69%、10.74%和15.85%,希尔不等式系数(Theil inequality coefficient,TIC)分别为0.08、0.06、0.05和0.09。 结论 气象因素和手足口病发病的VAR模型可以较好地进行清远市手足口病发病的短期预测。     

湖州市心脑血管疾病与气象因素的关系分析及预报研究

目的探讨气象因素与湖州市心脑血管疾病的关系,并建立医学气象预报模型对心脑血管疾病发病水平进行预测。方法收集湖州市中心医院和湖州市第一人民医院2006～2007年门诊就诊资料和同期该地区气象资料,采用Spearman相关分析,并用自动交互检测方法(AID)建立预报模型,数据处理用SPSS10.0和SAS EM 4.1统计软件。结果我市心脑血管疾病发病冬春季高于夏秋季节,其发病与日平均气压、平均气温、最低气温、日较差、水汽压、降水量、日照时数等气象因子存在相关性,按周建立了气象因素与心脑血管疾病预报模型和四个预警等级,模型拟合值为0.279。结论心脑血管疾病发病与气象因素密切相关,按周建立预警、预测模型效果较好。     

手足口病发病趋势的ARIMA模型预测

目的采用ARIMA模型预测手足口病发病趋势,为预防控制手足口病流行提供依据。方法对杭州市上城区2008年4月—2013年12月的手足口病逐月发病率建立ARIMA模型,并进行预测分析。结果通过参数和模型拟合优度检验以及残差白噪声序列检验,得到模型ARIMA(1,0,0)(0,1,0)12,BIC=3.094,LjungBox=10.871(P=0.863),2013年手足口病月发病率预测值和实际值的平均相对误差为26.86%,实际值都在95%可信区间内,预测2014年发病率为74.50/10万。结论 ARIMA模型能较好地模拟手足口病发病率的变动趋势,预测效果可信。