应用自回归移动平均模型乘积季节模型预测兰州市水相关疾病发病情况

目的探讨自回归移动平均模型(autoregressive integrated moving average model,ARIMA)乘积季节模型在水相关疾病发病率发病趋势预测中的应用,对兰州市水相关疾病发病情况进行预测。方法收集2006年1月—2014年12月水相关疾病发病率数据,利用R软件构建ARIMA乘积季节模型,利用2015—2017年实际发病率与模型拟合数据比较,评价模型的预测性能,并预测2015—2017年水相关疾病的发病率。结果在水相关疾病预测中建立ARIMA(2,0,1)×(2,0,0)_(12)乘积季节模型,Ljung-Box检验差异无统计学意义(Q=18.64,P=0.824),2015年—2017年兰州市常见水相关疾病实际发病率均在预测结果95%可信区间内,平均预测相对误差为5%。结论 ARIMA乘积季节模型可以较好的预测兰州市水相关疾病发病率的变化趋势,能够运用于水相关疾病发病趋势的预测及预警,为防控措施的制定提供参考。     

自回归求和移动平均模型季节乘积模型在青岛市肾综合征出血热发病预测中的应用

目的探索ARIMA季节乘积模型在青岛市肾综合征出血热(HFRS)发病预测中的应用,为HFRS防治提供科学依据。方法利用1977~2015年青岛市HFRS月发病率,建立ARIMA季节乘积模型,以2016年月发病率评估预测效果,并预测2017年月发病率。结果青岛市HFRS发病具有明显的季节性,发病高峰为每年的10~12月。模型季节自回归参数为-0.45,BIC=3.58,平稳R2=0.98,残差序列检验为白噪声序列(q=13.56,P0.05),建立ARIMA乘积季节模型ARIMA(0,3,2)(1,3,2)12,2016年实际值与拟合值绝对误差为0.01~0.28,且均在95%置信区间中,2017年月发病率0.15/10万~1.06/10万。结论 ARIMA乘积季节模型能够较好地模拟青岛市HFRS发病趋势,可用于短期预测该市HFRS发病情况。     

基于ARIMA乘积季节模型的苏州市介水传染病发病预测研究

目的探讨运用自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型对苏州市介水传染病发病率进行预测。方法利用R软件对苏州市2008年1月—2015年12月的介水传染病发病率数据进行拟合,构建ARIMA乘积季节模型,对苏州市2016年1—6月介水传染病的发病率进行预测。结果构建了ARIMA(2,1,2)×(0,1,1)_(12)乘积季节模型,模型Ljung—Box检验差异无统计学意义(Q=18.478,P=0.779),模型适用于短期预测,2016年1—6月苏州市常见介水传染病实际发病率均在预测结果95%可信区间内,预测结果相对误差的平均值为-0.024。结论ARIMA(2,1,2)×(0,1,1)_(12)季节乘积模型可用于苏州市介水传染病发病率的短期预测。     

基于自回归滑动平均混合模型的布鲁菌病流行趋势预测

  目的  对我国布鲁菌病（简称布病）月发病率进行预测，为了解我国布病流行趋势、制定防控策略提供数据支持和决策依据。  方法  以国家人口与健康科学数据共享平台为数据来源，使用2004年1月-2016年12月全国布病月发病率数据建立历史序列，应用R软件构建自回归滑动平均混合模型（autoregressive integrated moving average model，ARIMA）并进行数据拟合和预测。  结果  本研究构建乘积季节ARIMA（2，1，2）（2，1，1）₁₂模型各项参数都有统计学意义（均有P < 0.001），模型很好的拟合了全国布病月发病率的变化规律，预测值与实际值之间的平均相对误差为21.77%；预测2017年、2018年、2019年和2020年布病的月平均发病率分别为0.399 5/10万、0.423 8/10万、0.445 6/10万、0.471 2/10万，呈逐渐增高趋势（χ2=14.244，P < 0.001），在4-7月份出现发病峰值。  结论  在自然状况下，我国人间布病的月发病率将逐年增高，应采取相应措施进行控制。     

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。     

ARIMA乘积季节模型在苏州市其他感染性腹泻发病预测中的应用

目的探讨自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型在苏州市其他感染性腹泻发病预测方面的应用。方法利用R软件对苏州市2004年1月—2015年12月的其他感染性腹泻发病率数据构建ARIMA乘积季节模型,预测苏州市2016年1—12月其他感染性腹泻发病率。结果建立了ARIMA(1,1,1)×(0,1,1)12乘积季节模型,模型Ljung-Box检验差异无统计学意义(Q=5.305,P=0.947),模型短期预测效果较好,2016年1—6月苏州市其他感染性腹泻发病率预测值与实际发病率进行比较,相对误差的平均值为0.041,实际发病率均在预测结果 95%可信区间内。结论 ARIMA(1,1,1)×(0,1,1)12季节乘积模型可用于苏州市其他感染性腹泻发病的短期预测。     

时间序列分析法在贵州省乙型病毒性肝炎流行趋势预测中的应用

目的建立贵州省乙型病毒性肝炎(乙肝)发病的预测模型,预测2017—2019年乙肝发病趋势。方法对2004—2016年贵州省的乙肝月报告发病率建立自回归移动平均(ARIMA)预测模型,对贵州省2017—2019年乙肝发病趋势进行预测。结果 2004—2016年贵州省乙肝发病呈周期性波动,并具有长期趋势,拟合得到ARIMA(0,1,1)(0,1,1)12模型,用模型拟合2004—2016年乙肝月报告发病率,预测值和实际值平均相对误差为7.46%,预测2017—2019年贵州省乙肝月报告发病率在3.27/10万~4.38/10万的范围内波动。结论 ARIMA模型可较好的拟合贵州省乙肝发病在时间序列上的变化趋势,该模型可用于贵州省乙肝发病的短期趋势预测。     

上海市流行性腮腺炎疫情时间序列模型建立的初探

【目的】探讨时间序列模型在流行性腮腺炎(流腮)预测中的应用,建立上海市流腮发病的预测模型,预测2017年上海市流腮发病趋势。【方法】收集中国疾病监测信息报告系统中的上海市2005年1月—2016年12月流腮月报告发病资料,使用SPSS软件进行建模,考虑季节因素建立ARIMA(Autoregressive Integrated Moving Average)乘积季节预测模型,并用所建模型预测上海市2017年流腮发病趋势。【结果】ARIMA(1,0,0)(1,1,0)12可较好地拟合流腮发病的时间序列趋势,对2005—2016年流腮发病数预测值与实际值吻合程度高,平均相对误差为8.79%,2017年流腮预测病例数为2 656例。【结论】ARIMA乘积季节模型可较好地拟合流腮发病的时间序列趋势;与2016年相比,预测2017年流腮报告发病数相对平稳。     

ARIMA季节乘积模型在儿童肺炎门急诊人次预测中的应用

目的 探索自回归差分移动平均(autoregressive integrated moving average,ARIMA)季节乘积模型在预测儿童肺炎门急诊人次的应用,为合理利用医疗资源提供科学依据。 方法 收集乌鲁木齐市两家三级甲等医院2011－2016年儿童肺炎逐月门急诊人次数据,使用R 3.4.1软件进行模型的识别、参数估计与检验,建立ARIMA季节乘积模型对2011年1月－2016年6月儿童肺炎逐月门急诊人次进行拟合,并利用2016年7－12月数据计算预测值与实际值的平均预测相对误差来评价预测效果。 结果 ARIMA(0,1,2)(1,1,0)₁₂模型是拟合儿童肺炎门急诊人次的最佳预测模型,平均相对误差为9.82%。 结论 ARIMA 季节乘积模型有较好的拟合和短期预测效果,能为医院合理利用医疗资源提供参考依据。     

基于时空大数据的甲型肝炎发病率分布特征分析及预测模型

目的 了解我国甲型病毒性肝炎（以下简称甲肝）发病率在时间和空间上的分布特征，探讨乘积季节模型在甲肝发病率预测中的可行性。方法 收集我国2006-2017年甲肝发病数据和人口学资料，利用MapInfo 11.0绘制甲肝发病率时空分布柱状图；并采用SPSS 23.0对2006-2016年数据建立自回归移动平均模型（autoregressive integrated moving average model，ARIMA），选取2017年数据评价模型的预测效果。结果 2006-2016年，全国共报告甲肝病例430 962例，发病率逐年递减，且西部地区明显高于东部地区。经数据平稳化处理、定阶、参数估计与模型检验后建立了最优模型ARIMA（0，2，2）（0，1，1）₁₂。且对2017年1~12月的预测值和实际发病率基本吻合，相对误差在2.0%~39.7%之间。结论 我国甲肝发病率逐年递减且东西部地区甲肝发病率表现出明显差异。ARIMA乘积季节模型对我国甲肝发病率具有很好的短期预测能力。     

ARIMA乘积季节模型在日喀则市结核病疫情预测中的应用

目的通过构建的自回归滑动平均混合(ARIMA)乘积季节模型预测日喀则市结核病月发病情况,通过比较模型预测值与实际值来评估该模型的预测效果。方法根据日喀则市2010年1月—2016年12月的结核病月发病例数构建ARIMA乘积季节模型,利用该模型预测2017年1—12月的结核病月发病情况,通过比较预测值与实际值来评价拟合模型的预测效果。结果最优模型为ARIMA(1,1,1)(1,1,0)_(12),其参数均通过统计学检验(均P0.05),残差序列为白噪声序列(P0.05),其赤池信息准则(AIC)=679.48,许瓦兹贝叶斯准则(SBC)=686.27,拟合优度相对最好。2017年1—12月的预测值与实际值基本吻合,实际值均落在95%CI内,预测效果较好。结论 ARIMA(1,1,1)(1,1,0)12可用于短期预测日喀则市结核病疫情,预测效果较好,建议要及时根据数据更新及其他的因素更新模型,以确保模型的预测价值。     

自回归移动平均模型在北京市朝阳区手足口病发病预测中的应用

目的通过构建时间序列自回归移动平均模型(autoregressive integrated moving average model,ARIMA),对手足口发病趋势进行预测,探讨该模型在发病预测中的应用。方法从疾病监测信息报告管理系统提取北京市朝阳区2010年1月-2016年12月手足口病月发病数据。建立ARIMA季节乘积模型,对2010年1月-2015年12月的月发病数进行拟合,再以2016年1-12月的月发病数作为验证数据,评价其预测效果。结果通过对模型进行拟合优度及残差序列进行白噪声检验,最后选择了ARIMA(1,0,0)(1,1,0)_(12)为最佳模型。对2016年1-12月发病数进行预测,实际发病数均落入95%CI内,平均相对误差为49.37%。模型中加入2016年1-6月的月实际发病数,预测2016年7-12月的月发病数,平均相对误差为18.12%。结论 ARIMA季节模型可应用于手足口病等具有季节性变动特征的传染病预测。ARIMA模型短期预测手足口病的发病情况精度更高,可通过不断纳入新的实际观测值开展动态分析。ARIMA模型仅为一种数学工具,在实际防控及监测工作中,需要结合专业理论知识及具体情况进行分析。     

基于自回归积分滑动平均模型的西部某市白纹伊蚊幼虫密度预测

目的构建时间序列ARIMA乘积季节模型,预测2017年白纹伊蚊幼虫密度,探讨该模型在预测白纹伊蚊幼虫消长趋势中的应用。方法利用西部某地级市2012年1月至2016年12月的白纹伊蚊幼虫监测资料,运用SPSS 20.0的专家建模器,考虑季节因素对月布雷图指数数据进行ARIMA模型构建,并用所建模型对2017年白纹伊蚊幼虫的消长趋势进行预测。结果 ARIMA(1,0,0)×(0,1,0)12为最佳模型。预测2017年白纹伊蚊布雷图指数5—10月份均高于5,高峰主要集中在7—10月(分别为9.9、8.2、11.3和9.33),11月份后开始下降。结论 ARIMA乘积季节模型拟合预测效果较好。2017年,特别是5—10月份,应加强白纹伊蚊的监测、消杀及伊蚊媒介传染病的防控。     

婺源县肠道症状病例发病趋势预测预警分析

目的 探讨自回归移动平均模型(ARIMA)在肠道传染病早期预测预警中的可行性，为早期防控提供参考。方法以婺源县2017—2022年肠道症状监测病例月发病数为基础构建ARIMA乘积季节模型并用2022年月发病数验证评估，预测2023年发病趋势。结果 婺源县2017—2022年共报告肠道症状病例2 409例，发病数时间序列图显示每年存在春季(3～4月)和秋季(9～10月)2个发病高峰，有较明显的季节性和周期性趋势；构建的最优模型为ARIMA(0,1,1)(1,1,0)₁₂,2022年1～12月预测值和实际值比较结果显示，2022年各月实际发病数均在模型预测的95%CI内，拟合值和实际值相差较小，相对误差9.4%,模型整体拟合效果较好；预测2023年全年发病数349例，时间分布与往年基本一致，将在4月和9月出现发病高峰。结论 建立的ARIMA乘积季节模型对监测点肠道症状病例发病数拟合效果较好，可用于短期预测和动态分析。     

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。     

ARIMA季节乘积模型在重庆市手足口病发病预测中的应用价值

目的构建符合手足口病报告发病率特征的预测模型,探讨ARIMA季节乘积模型在重庆市手足口病发病率预测中的应用价值。方法对2008年-2016年重庆市手足口病发病率逐月数据进行训练,构建季节ARIMA模型,利用2016年数据对模型进行拟合,并与指数平滑法拟合效果进行比较。结果 ARIMA(1,0,0)x(0,1,1)12模型是该地区手足口病发病率的最佳拟合预测模型,模型平稳R方为0.501,模型Ljung-Box Q检验有统计学意义。结论 ARIMA(1,0,0)x(0,1,1)12模型可用于重庆市手足口病发病率短期预测。     

恶性肿瘤住院量与住院费用的ARIMA乘积季节模型预测研究

目的探讨自回归求和移动平均(ARIMA)乘积季节模型在恶性肿瘤住院量与住院费用中的应用,为医院恶性肿瘤业务管理提供科学依据。方法收集某院2007-2016年逐月恶性肿瘤住院患者资料,采用ARIMA乘积季节模型对2007-2015年逐月恶性肿瘤的住院人次和住院费用进行模型拟合,用2016年逐月数据评价其预测效果,并预测2017年恶性肿瘤逐月住院人次与住院费用。结果 ARIMA(0,1,1)(1,1,0)_(12)是恶性肿瘤住院人次与住院费用的最佳拟合预测模型,拟合相对误差分别为1.1%和1.47%。根据ARIMA(0,1,1)(1,1,0)_(12)预测结果,2017年恶性肿瘤住院量将达7631人次,住院费用将达3.36亿元。结论 ARIMA季节乘积模型能很好地应用于医院业务管理预测中。     

辽宁省手足口病疫情季节性ARIMA模型预测效果评价

目的利用时间序列法研究手足口病的发病趋势和流行特征,建立ARIMA乘积季节模型,对2017年7月—2018年12月辽宁省手足口病的月发病疫情情况及流行强度进行预测,为手足口病的预防监测工作提供依据。方法收集辽宁省手足口病2012年1月—2016年12月的月发病报告数,采用Excel 2010建立辽宁省手足口病月报告发病数数据库,应用SPSS 23.0软件进行SARIMA模型的构建,拟合发病情况,对辽宁省手足口病2017年7月—2018年12月发病数进行预测,评价预测效果。结果辽宁省手足口病发病特征以年为流行周期,季节性周期为12个月(s=12)。每年6—9月为该病的发病高峰期。最佳模型为SARIMA(0,1,0)×(1,1,0)_(12)季节性模型,模型残差Ljung-Box Q=18.564,P=0.354,序列为白噪声。预测平均相对误差为0.229,预测效果较好。结论季节性ARIMA模型能较好的拟合辽宁省手足口病的发病流行趋势,能够比较直观准确的反映辽宁省手足口病的疫情发展情况,该模型适用于辽宁省手足口病的短期流行趋势的预测。     

手足口病月发病率ARIMA乘积季节模型预测探讨

目的探讨ARIMA乘积季节模型在HFMD月发病率预测中的应用价值,为手足口病防控工作提供依据。方法以2009年1月~2015年12月全国HFMD月发病率数据为基础,使用Eviews8.0建立ARIMA乘积季节模型,采用2016年1月~6月实际数据验证,以RMSE、MAE、Theil IC、BP、VP、CP、MRE评估模型预测结果。同法预测2016年7月~12月全国HFMD月发病率。结果 2009年1月~2016年6月HFMD月发病率最优模型是ARIMA(1,0,1)×(0,1,1)_(12),模型口径为:(1-B~(12))(1-0.574B)xt=(1-0.441B)(1+0.919B~(12))ε_t,RMSE=4.15,MAE=2.59,Theil IC为0.143,BP=0.045,VP=0.225,CP=0.730,2016年7月~12月发病率(1/10万)预测值分别为24.70、14.96、15.00、14.12、13.05、11.22。结论 ARIMA(1,0,1)×(0,1,1)_(12)模型可较好地拟合全国HFMD月发病率的演变趋势,可用于HFMD发病率的短期预测。     

ARIMA乘积季节模型预测永嘉县其他感染性腹泻的流行

目的评估求和自回归移动平均(ARIMA)乘积季节模型预测其他感染性腹泻流行的可行性。方法利用2005—2014年永嘉县其他感染性腹泻的发病率数据,采用ARIMA模型结合随机季节模型的方法,建立预测其他感染性腹泻流行的ARIMA乘积季节模型,同时用2015年的数据做模型预测效果验证。结果根据模型拟合效果,模型ARIMA(1,1,1)(0,1,1)12的拟合效果为最优,其Ljung-Box检验值为7.796,BIC值为3.602,MAPE值为36.166%,表明模型拟合程度较好;该模型外推验证2015年发病率的预测效果较好,2015年各月发病率的实际值均落在该模型预测值95%可信区间内,且预测值与实际值间依时间变化的趋势也基本一致。结论ARIMA(1,1,1)(0,1,1)12模型能较好地预测永嘉县其他感染性腹泻的流行趋势,对该病的预警具有一定的价值。