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。     

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。     

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。     

江西省肾综合征出血热发病率ARIMA模型及其趋势预测

目的探讨自回归求和移动平均模型(Auto Regressive Integrated Moving Average,ARIMA)在江西省肾综合征出血热月发病率预测的可行性,为制定出血热防控策略提供依据。方法基于江西省2006-2015年肾综合征出血热(Hemorrhagic Fever with Renal Syndrome,HFRS)逐月发病率资料建立ARIMA模型,利用2016年各月发病率检验模型预测效果,再以2006-2016年HFRS逐月发病率构建模型预测2017年HFRS发病率。结果本研究构建的ARIMA(0,0,2)(0,1,1)12模型,拟合结果与实际发病情况基本吻合。各项参数均有统计学意义(P0.05),BIC值(Schwarz Bayesian criterion,贝叶斯信息准则)=-6.792,Ljung-Box Q=14.992,P=0.452,模型残差为白噪声;2016年各月HFRS发病率预测值与实际值动态趋势基本吻合。预测2017年江西省HFRS发病率为1.45/10万。结论 ARIMA模型能很好地模拟江西省HFRS发病率在时间序列上的变动趋势,可用于江西省HFRS发病率的短期预测研究。     

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.     

ARIMA模型在湖南省常德市手足口病发病预测中的应用

目的:构建ARIMA模型预测湖南省常德市手足口病发病趋势,为早期防控提供科学依据。方法:分析处理2010-2015年常德市手足口病发病率时间序列,构建ARIMA模型,对2016-2017年常德市手足口病发病趋势进行预测。结果:通过拟合优度检验和残差序列白噪声检验,得出本研究最优模型为ARIMA(1,0,1)(0,1,1)_(12),正态化BIC=4.235,Ljung-Box=12.019(P=0.678),2016年观测值均位于预测值95%可信区间内,与预测值的相对误差为0.72%-35.09%,预测2017年常德市手足口病月发病率在6月出现最大值,为24.03/10万。结论:该ARIMA模型能够较好拟合常德市手足口病发病趋势,预测效果良好。     

时间序列分析法在北京市食物中毒预测中的应用

目的探索时间序列分析方法在北京市食物中毒预测中的应用,为食物中毒的预防和控制提供依据。方法收集2004-2015年北京市食物中毒发生人数,采用ARIMA模型进行拟合,用2016年的事件数据验证模型拟合效果,并预测2017年北京市食物中毒发病人数。结果 ARIMA(1,0,0)×(1,1,0)4较好的拟合了既往时间段食物中毒发病人数的时间序列,拟合平均相对误差为6.00%,实际值均在预测值的95%CI内,预测2017年北京市食物中毒发生人数为264人。结论 ARIMA模型能够较好的拟合食物中毒发生趋势,在食物中毒发病人数预测中具有一定的应用价值。     

基于专家建模器的ARIMA季节模型在手足口病预测预警中的应用

目的运用专家建模器,探讨自动建立ARIMA季节模型在手足口病发病人数预测预警中的适用性。方法基于岚山区2008～2016年手足口病季度报告发病人数资料,运用SPSS20.0专家建模器建立ARIMA季节模型,2017年发病报告数据验证模型预测效果,最后预测2018年的发病人数。结果专家建模器自动建立的最优模型为ARIMA(1,0,0)(0,1,1)4,各参数均有统计学意义,模型最小BIC指标值为9.29,残差序列经检验为白噪声(Ljing-Box统计量Q=10.27,P=0.85,),拟合值基本接近实际值;2017年各季度预测值与实际值动态趋势基本一致,预测的平均绝对百分比误差9.0,平均绝对误差11.73,均方根误差31.49;预测2018年的手足口病发病人数为592人。结论运用专家建模器自动建立ARIMA季节模型,方法简单、高效,适合基层进行手足口病的预测预警。     

差分自回归移动平均模型在肾综合征出血热发病预测中的应用研究

目的探讨差分自回归移动平均模型（ARIMA）在肾综合征出血热（HFRS）预测分析中的应用。方法用SPSS16．0软件建立1986-2011年河北省HFRS逐月疫情资料数据库,用ARIMA相关模块进行建模拟合并进行预测分析。结果河北省1986-2011年HFRS发病数呈现明显的季节周期性。筛选ARIMA（0,1,1）×（0,1,2）_12模型为最优模型,对河北省2012年各月发病数进行预测,2012年1-12月实际值均落人了预测值的95％可信区间内。结论ARIMA模型可以很好地拟合HFRS发病数的变动趋势,并可用于预测未来疫情,为HFRS防控工作提供依据。     

ARIMA乘积季节模型在江西省手足口病发病预测中的应用

目的 建立江西省手足口病发病的ARIMA乘积季节模型并进行预测,探讨该模型在江西省手足口病早期预测预警中的可行性。方法 以江西省2008-2015年手足口病逐月发病数为基础,建立ARIMA乘积季节模型,利用2016年各月发病数对模型进行验证,得到最优模型后对2017年手足口病发病数进行预测。结果 本研究构建的江西省手足口病发病预测模型为ARIMA(2,1,1)(0,1,1)12,各项参数都有统计学意义(P<0.05),模型拟合优度检验获得BIC值最小为14.738,残序列为白噪声(Ljung-Box Q=14.738,P=0.362),实际值与拟合值的动态趋势基本吻合;2016年1-8月预测值与实际值相差较小,吻合度高;2017年手足口发病数预测值为49 353。结论 ARIMA(2,1,1)(0,1,1)12较好地模拟了江西省手足口病发病趋势,可用于江西省手足口病发病的短期预测。     

深圳市南山区2005—2016年淋病流行特征及ARIMA模型发病趋势预测

目的了解深圳市南山区淋病流行特征及发病趋势,为制定控制策略提供科学依据。方法对2005年1月-2016年12月深圳市南山区报告的淋病病例资料进行流行病学分析,并利用ARIMA模型进行发病趋势预测。结果深圳市南山区2005-2016年累计报告淋病9 590例,报告发病率波动在59.45/10万～102.74/10万,年均报告发病率为78.79/10万。年龄主要集中在20～45岁,占88.06%;职业以工人、干部职员和家务及待业为主,占70.23%。淋病月发病率波动在2.84/10万～10.56/10万。构建的ARIMA（1,1,1）模型,对深圳市南山区2017年淋病发病率进行预测,结果显示2017年1-5月深圳市南山区淋病预测发病率与实际发病率的波动形势基本一致,实际发病率略高于预测值,但均是在预测值的95%置信区间。结论该区淋病疫情较重,ARIMA模型能较精准地预测淋病的发病趋势,预测结果提示淋病的发病维持在较高水平,建议根据淋病流行特点采取有效的防治措施。     

基于R语言的ARIMA模型对医院早产趋势的预测分析

目的 构建医院早产时间序列的自回归移动平均模型(ARIMA),预测医院早产变化趋势,为合理配置医疗资源、政策制订提供科学依据。 方法 收集深圳市妇幼保健院2016年逐日早产例数,运用R语言进行时间序列分析,构建ARIMA预测模型,并对预测效果进行评价。 结果 2016年深圳市妇幼保健院早产1 738例,其最佳预测模型为ARIMA(3,1,1),该模型最小赤池信息量准则为1 680.67,模型残差序列Ljung-Box检验=0.16,差异无统计学意义(P=0.689),提示残差为白噪声序列,模型拟合良好。模型预测平均相对误差为9.2%,实际值均在预测值95%可信区间内。 结论 ARIMA(3,1,1)模型能较好地模拟深圳市妇幼保健院早产变化趋势,具有良好的预测效果。     

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。     

1990—2019年中国女性卵巢癌发病趋势分析与预测

目的 通过收集全球健康数据交换数据库（The Global Health Data Exchange,GHDX）中1990—2019年中国女性卵巢癌发病数据,分析发病趋势并预测未来10年的发病率,为卵巢癌的科学防治提供依据。方法 Excel 2019建立发病数据库,利用发病人数、发病率以及年平均变化百分比（Average annual percent change,AAPC）来描述卵巢癌发病趋势。并应用R 4.0.2对1990—2014年中国女性卵巢癌粗发病率建立ARIMA模型与Holt双指数平滑模型,2015—2019年的数据来评价两种模型的拟合效果,最后用拟合效果最佳模型预测未来10年（2020—2029）中国女性卵巢癌的粗发病率。结果 1990—2019年中国女性卵巢癌发病人数逐年上升,标化发病率与粗发病率分别平均每年上升2.03%与3.85%。ARIMA的最佳模型是（2,2,2）,2015—2019年粗发病率实际值均落在预测值的95%CI内。Holt双指数平滑模型15、16年实际值落在预测值95%CI之外,且平均相对误差、RMSE、MAE、MAPE均大于ARIMA模型。结论 中国女性卵巢癌发病呈现逐渐上升趋势,与Holt双指数平滑模型相比,ARIMA模型能较好的用于我国女性卵巢癌发病的预测,有一定的实际意义。     

广东地区肾综合征出血热流行特征与气象因素的ARIMA模型分析

目的 了解广东肾综合征出血热（hemorrhagic fever with renal syndrome,HFRS）疫情流行特征与气象因素之间的关系。方法 采集广东2004-2014年肾综合征出血热疫情病例资料和相关气象资料, 采用SPSS 19.0分析其流行特征和自回归综合移动平均模型（autoregressive integrated moving average, ARIMA）, 评价气候因素对HFRS发病的影响。结果 广东2004-2014年HFRS病例数逐年上升, 确诊病例发病率在（0.069～0.328）/10万之间。广州、佛山、深圳、东莞、珠海市病例数占82.6%, 月发病高峰集中在3～6月和12月～次年1月。男女比例为2.95:1（χ2=427.22,P<0.001）, 15～55岁组占85.0%;工人、家政服务和农民（18.7%、17.3%和13.1%）为主要职业人群占49.1%。相关性分析发现, 平均气温（-0.486）和最低气温（-0.493）与滞后2月的HFRS病例数存在负相关性;ARIMA模型（R2=0.747）中, 平均相对湿度（β=0.880, P=0.044）和日照时数（β=-0.024, P=0.033）与滞后4月的和滞后3个月的HFRS病例数比较差异有统计学意义（均有P<0.05）。结论 近年广东HFRS发病率逐年上升;多雨/阴云季节影响到啮齿动物生态, 继而导致下季节人群HFRS病例数增加;应加强人群和啮齿动物生态监测。     

差分自回归移动平均乘积季节模型预测广州市肺结核发病趋势

目的 探讨应用差分自回归移动平均(autoregressive intergrated moving average,ARI-MA)乘积季节模型预测广州市肺结核月发病数的可行性,为制定防控措施提供参考依据.方法 利用2010年1月至2019年6月广州市肺结核月发病数据建立ARIMA模型,并以2019年7-12月数据对模...     

ARIMA乘积季节模型在青州市布鲁氏菌病发病预测中的应用

目的应用自回归求和移动平均(ARIMA)乘积季节模型预测青州市布鲁氏菌病月发病数,构建青州市布鲁氏菌病月发病数的预测模型,为青州市布鲁氏菌病防控措施提供科学依据。方法收集青州市2011—2017年布鲁氏菌病监测数据,采用SPSS 25.0统计软件建立ARIMA时间序列模型,并对模型进行检验,预测出2018年的布鲁氏菌病月发病数,用2018年布鲁氏菌病实际月发病数评价模型的预测效果。结果模型ARIMA(0,1,1)(1,1,0)12标准化的BIC值最小,Box-Ljung检验统计量Q=23.746,P>0.05,残差序列为白噪声,确定为最优模型。结论ARIMA乘积季节模型短期预测青州市布鲁氏菌病月发病数效果较好。     

非线性自回归神经网络在肾综合征出血热流行趋势预测中的应用

目的 探讨非线性自回归(NAR)神经网络拟合及预测我国HFRS流行趋势的应用。方法 使用2004－2013年全国HFRS月报告发病数序列建立ARIMA模型和NAR神经网络模型,预测2014年HFRS月发病数,并比较两模型的拟合和预测效果。结果 对于拟合集,ARIMA模型的平均绝对误差(MAE)、均方误差平方根(RMSE)和平均绝对误差百分比(MAPE)分别为148.058、272.077和12.678%, NAR神经网络分别为119.436、186.671和11.778%; 对于预测集,ARIMA模型的MAE、RMSE和MAPE分别为189.088、221.133和21.296%, NAR神经网络分别为119.733、151.329和11.431%。结论 NAR神经网络对于全国HFRS流行趋势拟合及预测效果优于传统的ARIMA模型,具有良好推广应用价值。