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...     

湖南省哨点医院流感样病例SARIMA模型预测

目的 建立湖南省流感SARIMA预测模型,为及时采取针对性防控措施提供重要的参考依据。 方法 收集湖南省2010 年第1周-2015年第52周流感样病例百分比(influenza like illness proportion,ILI%)数据建模,用2016年第1～16周次ILI%数据进行验证并对 2016 年第17~52周次ILI%进行预测;应用SPSS 18.0的“预测”模块进行分析,建立SARIMA模型。 结果 湖南省ILI%发病趋势预测模型为 SARIMA(3,0,3)(1,1,0)₅₂,模型参数Normalized BIC值为-1.048,残差为白噪声(Ljung- Box Q=17.980,P＞0.05),预测值与实际值的绝对误差范围在0.14%～1.60%,平均绝对误差百分比(MAPE)为15.96%;预测湖南省2016年ILI%呈现两个高峰,第1个流行高峰在第3～7周,第2个流行高峰在第22～27周,流行特征与2010-2015年基本一致。 结论 SARIMA(3,0,3)(1,1,0)₅₂模型拟合效果较好,可用于湖南省周ILI%的短期预测。     

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。     

基于R语言的ARIMA模型对流感样病例发病趋势的预测

目的 分析自回归滑动平均混合模型（the autoregressive integrated moving average,ARIMA）在流感样病例（influenza like illness,ILI）发病趋势预测的可行性,为流感防控提供技术支持。方法 收集本院2013年第1周~2017年第26周由该院每日报告的ILI监测资料,运用R语言进行时间序列分析并建立预测模型。结果 流感样病例就诊百分比（consultation rate of influenza like illness,ILI%）监测数据总体上呈现下降趋势,并且具有明显的季节性。最佳预测模型为ARIMA（0,1,1）（0,1,1）₅₂,该模型残差Box-Pierce检验结果为χ2=7.07（P=0.315）、χ2=17.22（P=0.142）,提示残差为白噪声序列,预测结果实际值均在预测值的95%的置信区间（95% confidence interval,95%CI）内。结论 ARIMA模型可用于该院ILI短期发病趋势的预测。     

用时间序列分析对黄浦区流感样病例就诊百分比建模并评价预测效果

目的 利用时间序列分析对黄浦区流感样病例(ILI)就诊百分比建模并评价预测效果。方法 通过国家流感监测信息系统收集黄浦区2011年第1周-2014年第52周的ILI就诊百分比,利用SAS 9.3软件对数据建立最优ARIMA模型,利用2015年第1周-第6周的ILI就诊百分比对已建立的ARIMA模型进行预测效果评价。结果 对ILI就诊百分比预处理发现序列为平稳非白噪声序列,最终建模为ARIMA(1,0,0),模型残差为白噪声序列,真实值均在预测值95%可信区间内。结论 ARIMA(1,0,0)模型可用于黄浦区ILI就诊百分比的预测。     

上海市流感样病例就诊百分比时间序列分析和预测模型研究

【目的】利用季节性差分移动自回归平均模型(SARIMA)预测上海市流感样病例就诊百分比(ILI%)的发病趋势，为及时采取针对性防控措施提供重要的参考依据。【方法】对2015年第15周至2019年第52周上海市疾病预防控制中心ILI%监测数据进行时间序列分析并建立预测模型，使用前212周数据建立SARIMA模型，后36周数据评估模型预测效果。【结果】2015年第15周—2019年第52周上海市ILI%平均值为1.494%，有较明显的流行高峰出现。最终建模SARIMA(1,0,0)(2,0,0)₅₂，模型残差为白噪声序列，真实值均在预测值95%置信区间内。【结论】SARIMA(1,0,0)(2,0,0)₅₂可用于上海市ILI%的中期预测，并为全市流感流行和暴发起到预警作用。     

上海市原静安区成人流感样病例就诊百分比预测的自回归求和滑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)模型预测原静安区成人流感样病例(influenza-like illness,ILI)就诊百分比的可行性。方法基于2011—2014年上海市原静安区的逐月成人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,构建成人ILI就诊百分比预测的最优ARIMA模型。以模型预测原静安区2015年1—10月成人ILI就诊百分比,计算实际值与预测值的相对误差;并预测原静安区2016年的成人ILI就诊百分比。结果模型ARIMA(0,2,1)(1,1,0)12(无常数项)对成人ILI就诊百分比时间序列拟合良好,移动平均参数(MA1=0.944)与季节自回归参数(SAR1=-0.542)有统计学意义(P0.001),残差达到白噪声(P0.05),模型表达式为(1+0.542B)(1-B)~2(1-B~(12))Zt=(1-0.944B)μt。2015年1—10月的成人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4.45%。结论 ARIMA模型可以较好地拟合原静安区成人ILI就诊百分比的时间变动趋势,能对成人ILI就诊百分比进行预测,短期预测有较高的精度。     

ARIMA模型预测深圳宝安区流感样病例发病率的可行性

目的建立预测宝安区流感样病例发病率的ARIMA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6月宝安区流感样病例每月发病率进行模型拟合,以2015年7~9月每月流感样病例发病率作为考核样本评价模型预测效果。结果 ARIMA(2,1,0)(0,1,1)12拟合2010年1月~2015年6月宝安区每月新增感染率的变动趋势较为理想,实际值均在预测值的95%可信区间内,预测结果与实际值相对误差最大值为20.94%,最小为3.05%。结论 ARIMA(2,1,0)(0,1,1)12模型,该模型在宝安流感样病例发病率短期趋势的预测与实际发病率吻合,可考虑纳入周期性自变量或者选用其他模型加强预测精度。     

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。     

深圳市肾综合征出血热时间序列预测分析

目的利用拟合ARIMA模型对深圳市肾综合征出血热(HFRS)的发病趋势进行时间序列分析和预测,为制定HFRS防治策略提供科学依据。方法收集深圳市2005—2014年HFRS季度发病资料,通过SPSS 19.0软件拟合ARIMA模型,预测2015年各季度的发病数。结果最终拟合为ARIMA(0,0,0)(0,1,1)4模型,残差为白噪声序列,预测值与实际值的平均相对误差为28.6%。2015年各季度HFRS发病的预测值符合实际值的变动趋势。结论 ARIMA模型能较好模拟深圳市HFRS的发病趋势。     

深圳市登革热传播风险ARIMA模型预测分析

目的利用拟合ARIMA模型对深圳市登革热发病趋势进行时间序列分析和预测,为制定登革热防治策略提供科学依据。方法收集深圳市2011-2015年登革热月发病资料,通过SPSS 20.0和SAS 9.4统计软件拟合ARIMA模型,预测2015年7~12月的发病率。结果最终拟合为ARIMA(1,0,0)(0,1,0)12模型,残差为白噪声序列,预测值与实际值的平均相对误差为20.6%。2015年7、8、9月份登革热发病的预测值符合实际值的变动趋势。结论 ARIMA模型能较好模拟深圳市登革热的短期发病趋势。     

住院患儿医院感染发生率ARIMA时间序列模型

目的初步探索和评价儿童患者医院感染发生率的自回归滑动平均混合模型(ARIMA)预测模型。方法以某院2011年1月—2014年12月4年医院感染发生率数据建立ARIMA模型,依据信息量准则,确定最优模型;以2015年医院感染发生率数据作为验证样本,评价模型的可行性。结果 ARIMA(0,1,1)为医院感染率最优预测模型,其最小信息量准则(AIC)、贝叶斯信息准则(BIC)值分别为66.61、70.76,模型残差序列的LjungBox统计量Q=14.14,差异无统计学意义(P=0.658),提示残差为白噪声序列,模型拟合良好。医院感染率实际值与预测值的平均绝对百分误差值(MAPE)为22.4,实际值均在预测值95%可信区间内,未见超出点。结论 ARIMA时间序列模型拟合医院感染率效果良好,具有预测住院患儿医院感染发生情况的实际价值。     

ARIMA模型和指数平滑法在我国北方流感样病例预测中的应用和比较

目的 比较ARIMA模型和指数平滑法对我国北方流感样病例的预测效果,为流感防控提供科学依据。方法 利用我国北方2012年第1周—2018年第17周的每周流感样病例比例数据拟合建立ARIMA模型和指数平滑模型,预测 2018年第18周—2019年第17周的流感样病例比例,对预测值与实际值进行比较。结果 ARIMA最优模型为ARIMA(0,1,1)(2,1,0)₅₂,预测的均方根误差(root mean square error,RMSE)、平均绝对百分比误差(mean absolute percentage error,MAPE)和平均绝对误差(mean absolute error,MAE)分别为0.57%、8.98%、0.34%;指数平滑法的最优模型为简单季节性模型,预测的均方根误差(RMSE)、平均绝对百分比误差(MAPE)和平均绝对误差(MAE)分别为0.83%、15.24%、0.55%。结论 ARIMA(0,1,1)(2,1,0)₅₂模型预测精度更高,可用于我国北方流感样病例的短期预测。     

自回归移动平均混合模型在中国道路交通伤害预测中的应用

探讨时间序列分析的自回归移动平均混合模型(ARIMA)在中国道路交通伤害(RTI)预测中的应用。收集1951-2011年中国道路交通伤害资料, 进行时间序列分析, 建立ARIMA模型。构建得到RTI事故起数ARIMA(1, 1, 0)预测模型为Yt=eY+0.456Y+e, 其中, et为随机误差, 模型残差序列为白噪声, Ljung.Box检验P>O.05, 统计量无统计学意义, 拟合效果良好。应用该模型预测2011年中国RTI事故起数, 预测值与实际观测结果相符, 实际观测值在预测值95%CI内。用该模型预测2012年中国RTI事故起数, 预测值(95%c, )为207838(107579～401536)。应用ARIMA模型能较好地预测中国道路交通伤害情况。     

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。     

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.     

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.     

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.     

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。     

上海浦东新区手足口病发病率预测的自回归求和滑动平均模型构建与应用

目的 探讨应用自回归求和滑动平均(autoregressive integrated moving average,ARIMA)模型预测浦东新区手足口病发病率的可行性.方法 基于2010-2015年浦东新区的逐月手足口病发病率,建立最优ARIMA模型,回代预测2015年的手足口病发病率,比较预测值与实际值的差异,并预测2016年的手足口病发病率.结果 模型ARIMA(1,1,1)(1,1,0)12较好拟合了既往手足口病发病率的时间序列,2015年逐月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1.81％.预测2016年浦东新区手足口病发病率为269.97/10万.结论 ARIMA模型可用于短期预测未来的手足口病发病率.