ARIMA乘积季节模型在全国布鲁菌病发病预测中的应用

目的应用求和(差分)自回归移动平均(Autoregressive Integrated Moving Average Model,ARIMA)乘积季节模型分析季节性时间序列,建立全国布鲁菌病发病数的预测模型。方法利用中国疾病预防控制中心2011年1月—2016年12月按月报告的布鲁菌病发病数历史疫情数据,采用最大似然法估计模型参数,模型定阶后,建立布鲁菌病按月发病数ARIMA乘积季节预测模型。结果非季节和季节移动平均参数分别为0.357 35、0.666 64,均P0.05,AIC=911.337 2,SBC=917.569 8,均P0.05,据此建立ARIMA(0,1,1)(0,1,1)12乘积季节模型,模型表达式荦荦12xt=(1-0.357 35B)(1-0.666 6412)εt,并开展全国布鲁菌病发病数的预测。结论 ARIMA(0,1,1)(0,1,1)12乘积季节模型可用于预测布鲁菌病的发病情况。     

2014—2021年湖南省水痘疫情分析及发病趋势预测

目的分析湖南省2014—2020年水痘发病的流行特征，建立自回归滑动平均混合(autoregressive integrated moving average,ARIMA)模型对2021年和2022年水痘月发病率进行预测，评价模型对水痘发病的预测效果，为疫情的防控提供新的思路。方法 收集湖南省2014—2021年水痘月发病率数据，分析2014—2020年湖南省水痘的流行特征，使用2014—2020年的数据建立ARIMA模型对2021年、2022年水痘月发病率进行预测，以2021年的预测结果与实际发病数据进行对比评价模型的预测准确性。结果湖南省水痘高发年份为2017—2019年，5—6月以及10月至次年1月为水痘报告的高发月份。ARIMA最优预测模型为(2,0,0)(1,0,1)₁₂，其对2021年水痘月发病率预测的平均相对误差为15.20%。利用最优模型预测的水痘2022年发病趋势与2021年基本一致，6月、10月至次年1月仍是水痘高发月份。结论ARIMA模型对水痘的预测效果较为理想，可以为湖南省水痘的预测提供参考依据。     

2007-2016年平顶山市布鲁氏菌病流行特征分析

目的 分析平顶山市2007-2016年布鲁氏菌病流行特征,为制定防控策略提供依据。方法 对平顶山市2007-2016年疾病监测报告信息系统报告的布鲁氏菌病病例信息进行描述性流行病学分析。结果 2007-2016年平顶山市共报告布病病例4 911例,年均发病率为10.53/10万,发病率逐年增高,郊县发病水平高于市区。发病呈现春夏季高峰特点,高峰期为3-7月。男性发病率明显高于女性,发病年龄集中在40~69岁。病例职业以农、牧民为主。报告病例中,实验室确诊病例占90%以上,异地报告病例比例和异常信息病例比例呈整体降低趋势,发病到诊断时间间隔逐年缩短,发现水平极大提高。结论 平顶山市布病防控形势依然严峻,应继续实施以传染源控制为主的综合防控措施,并针对重点人群强化健康教育,有效降低发病水平。     

ARIMA模型在预测南阳市人间布鲁氏菌病发病风险中的运用

目的 应用ARIMA模型预测南阳市布鲁氏菌病(布病)的发病风险.方法 收集2008-2019年南阳市布病病例数据,应用ARIMA建立预测模型,使用2020年的观察值和预测值评估模型,并预测2021年发病情况.结果 2008-2019年南阳市布病发病呈升高趋势,发病高峰为每年的4-5月,拟合布病数据的最优模型为ARIMA...     

2010—2021年湖北省淋病流行特征分析及发病趋势预测

目的 分析湖北省淋病流行病学特征及发病趋势,为科学制定防控措施提供参考依据。方法 基于2010—2021年淋病监测数据,采用三间分布和ARIMA模型进行分析和预测。结果 2010—2021年报告发病率在3.01/10万～7.07/10万之间波动,年均报告发病率为4.62/10万,报告发病率呈现“先降后升,再降又升”的特点,6～12月份为发病高峰期;报告病例数男女性别比为5.78∶1,20～39岁年龄段报告病例数占总病例数的62.43%,报告病例主要为家务及待业、农民、不详;Q型聚类将地区发病严重程度分为5类,最严重的一类包括神农架林区、黄石市、武汉市;ARIMA模型预测发病率与实际发病率较吻合,预测2022年病例数为3 343例。结论 当前湖北省淋病仍处于较高的流行水平;呈现明显的性别、年龄、职业、地区分布差异;ARIMA模型适用于淋病发病趋势的预测,预测2022年报告会小幅上升。     

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。     

基于ARIMA和LSTM神经网络的乌鲁木齐市乙型肝炎发病预测研究

目的 了解乌鲁木齐市2012—2021年乙肝发病趋势,建立合适的发病预测模型,探讨ARIMA模型和LSTM神经网络在乙肝发病预测中的应用。方法 根据2012—2021年乙肝月报告病例数据,建立ARIMA模型和LSTM神经网络模型,对乌鲁木齐市乙肝发病数进行拟合及预测,通过比较RMSE的大小评价模型效果。结果 LSTM神经网络模型拟合和预测的RMSE分别为50.13、42.70,ARIMA(0,1,1)(0,0,2)12模型拟合和预测的RMSE分别为67.62、66.85。前者的拟合及预测效果显著优于后者。结论 乌鲁木齐市10年来乙肝发病呈逐年下降趋势,且存在一定季节性变化。LSTM神经网络模型可较好地拟合和预测乌鲁木齐市乙肝的发病数及趋势,且模型效果优于ARIMA(0,1,1)(0,0,2)12,能在一定程度上提高预测精确度。     

２０１０－２０１５年北京市布鲁菌病流行病学调查研究

摘要：目的　了解北京市２０１０－２０１５年布鲁菌病流行情况，为北京市布鲁菌病的防控提供依据。方法　采 用描述流行病学分析方法，对２０１０－２０１５年北京市布鲁菌病发病情况进行分析，统计病例的分布情况，采 用指数模型分析方法对２０１０－２０１５年北京市报告布鲁菌病病例数进行分析，预测２０１６年布鲁菌病发病情 况。结果　２０１０－２０１５年北京市共报告布鲁菌病病例６４１例，报告病例数及发病率呈逐年上升趋势；春季 为发病高峰；北京郊区报告病例数较高；病例以男性居多，男女性别比为３．７１∶１；病例年龄主要集中在 ２０～６９岁人群，其中以４０～岁年龄组人群居多（６１．００％）；病例职业以农民为主。指数模型分析拟合回归 方程为犢＝１６．４０５ｅ０．４４８ｘ，模型决定系数犚２＝０．９８，根据回归模型预测２０１６ 年北京市布鲁菌病报告病例数 为３７８例（９５％犆犐：２４０～５９５）。结论　北京市布鲁菌病发病率逐年上升，应在高发季节加强郊区重点职业 人群布鲁菌病防控知识健康教育及健康监测。 关键词：布鲁菌病；流行病学；指数模型分析；预测；发病情况 中图分类号：Ｒ１８３．９　　文献标识码：Ａ　　文章编号：１００９ ６６３９ （２０１７）０９ ０６９２ ０３     

应用ARIMA模型分析湖北省乙型病毒性肝炎时间分布特征

目的 探讨ARIMA模型在湖北省乙型病毒性肝炎(乙肝)病例时间分布特征分析中的应用.方法 利用“传染病监测报告信息系统”中2005-2014年湖北省乙肝发病数据,分析病例的时间分布特征,建立ARIMA预测模型.结果 乙肝报告发病率3～8月处于较高水平,12月最低;拟合得到的最佳模型为没有常数项的ARIMA(0,1,1)(0,l,1)12模型.预测发现,未来湖北省乙肝发病水平与往年趋势大体一致,3～8月发病率处于较高水平.结论 建立的ARIMA模型能较好地预测湖北省乙肝病例的时间趋势.     

ARIMA和ARIMA-SVM组合模型在江苏省艾滋病发病预测中的应用

目的 建立差分自回归滑动平均求和（autoregressive integrated moving average,ARIMA）模型，在此基础之上引入支持向量机（support vector machine SVM）方法，构建ARIMA-SVM组合模型对江苏省2022年上半年艾滋病病例报告数进行预测，比较ARIMA以及ARIMA-SVM模型的的预测效果，为江苏省艾滋病防控提供科学参考。方法 以江苏省2016年1月—2021年12月艾滋病病例报告数据为基线，利用R软件，构建ARIMA模型对2022年1—6月艾滋病病例报告数进行预测，并用SVM对ARIMA模型中的非线性特征进行预测，建立ARIMA-SVM模型，与实际病例报告数进行比较，评价两种模型的预测效果。结果 江苏省2016年1月—2021年12月共登记艾滋病病例报告数9 109例，月均发病127例。构建最佳的ARIMA模型的为ARIMA (0,0,1)(0,1,1)12,MAPE为53.27%. ARIMA-SVM模型的MAPE为14.67%，在相对误差上，除6月外，ARIMA-SVM组合模型各月的相对误差均低于ARIMA模型。结论...     

2005—2012年六安市肺结核流行特征与预测研究

目的分析2005—2012年六安市肺结核流行特征,并用差分自回归移动平均模型（ARIMA）对肺结核流行趋势进行预测,为肺结核的预防和控制提供科学依据。方法收集《中国疾病预防控制信息系统》中2005—2012年六安市肺结核疫情数据,采用描述性流行病学方法进行分析。应用SPSS 17.0统计软件对六安市2005—2012年的肺结核月发病率建立ARIMA模型,以2013年1—7月肺结核实际发病率对模型进行验证,应用该模型对2013年全年月发病率进行预测。结果六安市2005—2012年共报告肺结核病例34 023例,年平均发病率为70.32/10万,2005年发病率最高为84.09/10万,2010年发病率最低为52.89/10万,不同年份间发病率差异有统计学意义（P〈0.05）。3—4月为高发季节（6 741例,占19.81%）。≥60岁年龄组发病数最多（15 107例,占44.40%）;男、女发病数分别为25 278和8 745例,男女性别比为2.89∶1;职业以农民为主（27 582例,占81.07%）。寿县发病率（87.02/10万）最高,金寨县发病率（50.89/10万）最低,不同县（区）间年平均发病率差异有统计学意义（P〈0.01）。六安市肺结核月发病率模型为ARIMA（0,1,1）×（0,1,1）12（不含常数项）。模型预测的2013年肺结核月发病率在2.41/10万～4.41/10万之间,疫情基本平稳,与前几年水平相接近,不会出现较大的流行。结论六安市肺结核预防和控制的重点应放在老年人群,尤其是农村地区的老年人。ARIMA（0,1,1）×（0,1,1）12（不含常数项）模型预测效果良好,适用于六安市肺结核流行趋势预测。     

2011—2021年武威市流行性腮腺炎流行特征及短期预测

目的 分析2011—2021年武威市流行性腮腺炎的流行特征，并利用自回归积分滑动平均模型（auto regressive integrated moving average model,ARIMA）预测其短期发病趋势，为流行性腮腺炎的预防和控制措施的制订提供理论支撑。方法 收集2011—2021年武威市流行性腮腺炎发病资料进行流行病学特征分析，并利用R 4.1. 0建立ARIMA模型，预测其短期发病趋势。结果 2011—2021年武威市流行性腮腺炎报告发病数4 441例，年均发病率8.90/10万，发病群体以学生为主，共报告病例3 193例（71.90%）；发病男性多于女性，性别比为1.70∶1;5～<20岁年龄组发病数最多，共报告病例3 515例（79.15%）；报告发病数居首位的为凉州区（48.61%）；报告年均发病率最高为古浪县（48.69/10万）。发病呈现明显的季节性双峰分布，主峰为11月至次年1月，共报告病例1 470例（33.10%）；次高峰为4-5月，共报告病例951例（21.41%）。模型构建结果显示，ARIMA (2,1,0)(0,0,1)12为最优模型，其参...     

四川省泸州市流行性腮腺炎时空流行病学特征

目的 描述2010—2020年泸州市流行性腮腺炎的时间和空间流行病学特征,构建时间序列ARIMA模型进行短期预测,为泸州市流行性腮腺炎的综合防控提供参考依据。 方法 采用Microsoft Excel 2020整理疫情数据并绘制统计图,ArcGIS 10.6构建空间分布地图并进行空间自相关分析,Eviews 10构建月度发病数ARIMA时间序列模型,对泸州市2010—2020年流行性腮腺炎进行时空流行病学特征分析和发病趋势短期预测。 结果 2010—2020年泸州市7 个区县均有流行性腮腺炎病例报告,每年的高发区县不相同,各年份均不存在空间自相关性;年均报告发病率22.17/10万,高发年份为2012年(37.51/10万)、2013年(35.72/10万)和2019年(31.80/10万),发病低谷在2015年(10.90/10万);整体上有4—7月和11月至次年1月两个季节高峰,以4—7月为主;构建的ARIMA(1,1,1)(1,1,2)₁₂模型是最佳模型,预测2021年4—12月报告发病数稍低于2020年同期。 结论 2010—2020年泸州市流行性腮腺炎发病率总体呈下降趋势,不存在空间聚集性,ARIMA(1,1,1)(1,1,2)₁₂模型能够较好地进行时间序列拟合和短期预测,呈现的时空分布特征及其发病趋势能够为疾病预防控制工作提供参考。     

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。     

ARIMA模型在天津市结核病发病预测中的应用

目的构建天津市结核病月发病数的ARIMA模型,为结核病防控工作提供参考。方法采用SPSS 16. 0统计软件包对天津市2005年1月-2016年7月结核病月发病数资料建立最佳ARIMA预测模型,利用2016年8月-2017年7月结核病月发病数对模型进行效果评价,并对2017年8月-2018年7月结核病月发病数进行预测。结果建立的ARIMA(0,1,1)(0,1,1)模型是拟合天津市结核病月发病人数的最优模型,利用2016年8月-2017年7月结核病月发病数对模型进行效果评价,发病人数在3-6月有一个发病高峰,符合历年结核病发病趋势,且实际发病数均落在预测值95%可信区间内,实际发病人数与预测发病人数的相对误差绝对值中位数为2. 49%,模型具有较高的预测精度。结论 ARIMA(0,1,1)(0,1,1)模型能够较精确的预测天津市结核病月发病情况,可为结核病的预防和控制提供重要理论依据。     

ARIMA模型在东莞市细菌性痢疾预测中的应用

目的探讨ARIMA模型在东莞市细菌性痢疾发病预测的可行性和适用性,为东莞市细菌性痢疾的防控提供参考依据。方法使用SPSS 17.0对2004年1月至2012年4月东莞市细菌性痢疾发病率资料拟合ARIMA模型,利用所得到的模型对东莞市2012年5～7月细菌性痢疾发病率进行预测评价。结果 ARIMA(0,0,1)(0,1,1)12模型具有较高的预测精度,预测值与实际值基本吻合,且实际值都在95%可信区间内。结论 ARIMA(0,0,1)(0,1,1)12模型较好地反映了东莞市细菌性痢疾发病趋势,可作为东莞市细菌性痢疾发病水平短期预测模型。     

基于ARIMA的新冠肺炎疫情前后结核病流行趋势预测与分析

目的 构建ARIMA季节性模型,探讨新型冠状病毒肺炎疫情(简称新冠肺炎疫情)对结核病流行特征的影响,预测上海市宝山区结核病流行趋势。方法 收集上海市宝山区2009—2021年结核病月发病率资料,构建ARIMA季节性模型,验证预测模型效果,分析预测误差的原因。结果 上海市宝山区结核病月发病率模型为ARIMA(2,0,0)(0,1,1)₁₂,BIC值最小,Ljung-Box统计量Q=23.127,P=0.081,残差序列为白噪声。2019年实际月发病率与预测值变化趋势基本一致,且均在预测值95%可信区间内。受新型冠状病毒肺炎疫情影响,近两年观察值与预测值差异较大,2021年2月观察值在拟合值的95%置信区间外。结论 ARIMA(2,0,0)(0,1,1)₁₂模型能较为准确地预测宝山区新冠肺炎疫情前结核病发病趋势,受新冠肺炎疫情影响时,预测结果偏差较大,需要后疫情时代结核病发病数据来重新建模。     

ARIMA乘积季节模型在流行性腮腺炎发病率预测中的应用

目的构建时间序列分析ARIMA乘积季节性模型,预测武汉市2013年流行性腮腺炎发病趋势,探讨该模型在流行性腮腺炎发病率预测中的应用。方法利用中国疾病监测信息报告系统2005年1月至2012年12月武汉市流行性腮腺炎月发病资料,运用PASWStatistics18．0专家建模器,考虑季节性因素建立ARIMA预测模型,并将所建模型对2013年流行性腮腺炎月发病率进行预测。结果模型残差序列为白噪声,ARIMA（0,1,0）（0,1,1）。：模型构建理想,能较好地拟合时间序列,2013年流行性腮腺炎月发病高峰在5～7月,至11、12月出现次要高峰。结论专家建模器构建乘积季节性模型拟合效果较好,但在实际工作中要充分考虑流行性腮腺炎各项防控措施推行等影响因素,综合分析,为防控工作提出理论与实证建议。     

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。     

ARIMA模型在水痘发病趋势预测中的应用

目的 运用时间序列ARIMA乘积季节性模型预测水痘发病趋势,为嘉定区水痘发病防控预警提供参考依据。方法 查阅《上海市统计年鉴》,获得2012—2022年上海市嘉定区常住总人口数;查询《中国疾病预防控制信息系统》中的嘉定区2012—2022年水痘病例信息。对嘉定区2022年水痘发病率进行预测并与实际数据进行分析,运用SPPS21.0时间序列模型专家建模器对2023年水痘月发病率进行外推预测。结果 经参数和模型拟合优度检验,以及残差白噪声序列的检验最终确定专家建模器模型ARIMA(0,1,1)(0,1,1)₁₂模型拟合效果好,预测结果显示2023年嘉定区水痘发病率为56.68/10⁵。结论 专家建模器构建的ARIMA模型可以准确有效地预测嘉定区水痘发病趋势,能够对预警提供积极有效的依据,在实际中结合社会、自然等影响因素可针对性进行水痘防控工作,提高工作效率及防治效果。