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。     

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。     

季节性ＡＲＩＭＡ 模型在广州市手足口病疫情预测中的应用

摘要：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ＳＰＳＳ１３．０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。     

ARIMA模型在预测手足口病发病中的应用

目的探讨ARIMA模型在手足口病发病率预测中的应用,为手足口病的早期防控提供依据。方法采用SPSS 19.0软件对2008—2014年无锡市锡山区各月手足口病发病率建立模型进行预测,采用2015年各月手足口病发病率验证模型的预测效果,并预测2016年锡山区手足口病的发病情况。结果模型ARIMA(0,0,2)(0,1,1)12所有参数均通过统计学检验;Box-Ljung检验统计量Q=16.007,P0.05,残差序列为白噪声;拟合优度指标R2为0.713,贝叶斯信息准则(BIC)为4.619,模型拟合精度较好。根据2008—2015年锡山区手足口病发病数据应用此模型预测2016年的发病率为335.13/10万。结论 ARIMA模型能较好地模拟和预测手足口病的发病趋势,可用于手足口病的短期预测和动态分析。     

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。     

ARIMA模型在门诊季节性时序预测中的应用

目的探讨某院5年门诊量的季节变动趋势。方法通过分析医院时间序列资料的变动规律,使用ARIMA（p,d,g）模型分析门诊量的动态变化。结果医院5年门诊量呈上升趋势及具有明显周期变化,预测值和实际值拟合程度高,相对误差在5．5％～6％之间。结论时间序列模型对于门诊人次发展变化规律的分析有较好的适应性和实用性。表明运用科学的方法,可以有效提高门诊管理水平。     

ARIMA模型在三门峡市手足口病发病预测中的应用

目的 建立以三门峡市手足口病发病数据为基础的整合滑动平均自回归模型(autoregressive integrated moving average model, ARIMA),并利用该模型对三门峡市手足口病的发病数进行预测。 方法 以三门峡市2008年1月—2017年12月的手足口病月发病数据为基础差分平稳化后经过文献查阅和验证建立最优ARIMA,并对2018年1月—12月的手足口病发病数进行预测,通过与实际值的比较评价预测效果。 结果 三门峡市手足口病发病预测模型为ARIMA(1,1,1)×(0,1,1)₁₂ ,模型各项参数均有统计学意义(P<0.001),拟合优度检验BIC=0.287,残差序列为白噪声序列(P=0.10),拟合效果较好。预测了三门峡市2018年1—12月的手足口发病数,并与实际值进行比较,1—2月预测值与实际值符合度较高。 结论 拟合的三门峡市手足口病发病序列模型ARIMA(1,1,1)×(0,1,1)₁₂效果较好,可用于对三门峡市手足口病发病趋势进行短期预测。     

ARIMA季节性模型在河南省猩红热发病预测中的应用

目的 建立河南省猩红热发病的ARIMA季节模型,探讨该模型在预测猩红热发病中的应用。方法 以2005-2019年河南省猩红热病例数为基础建立ARIMA模型,并用2019年1-12月的实际发病数进行验证,利用最优模型预测2020年1-12月河南省猩红热发病数。结果 最优模型为ARIMA (2,1,2)(0,1,1)₁₂,参数均有统计学意义(P<0.05),BIC=7.406,残差序列为白噪声(Ljung-Box=17.234,P=0.141),拟合效果较好。2019年1-12月猩红热月发病数预测值和实际值的平均相对误差为9.9%,实际值均在预测值95%置信区间(95%CI)。预测河南省2020年猩红热平均月发病数为192例,少于2019年的203例,明显多于2020年实际月均病例数47例。结论 ARIMA(2,1,2)(0,1,1)₁₂模型拟合河南省猩红热发病数效果较好,可用于河南省猩红热发病趋势的短期预测。     

ARIMA模型在全国丙型肝炎疫情预测中的应用

目的探讨应用时间序列基于季节性差分的自回归移动平均模型(autoregressive integrated moving average,ARIMA)预测全国丙型肝炎的发病情况。方法利用"中国疾病预防控制信息系统"中的"疾病监测信息报告管理系统"(又称"传染病疫情信息网络直报系统")的资料,应用SPSS 19.0统计软件、采用ARIMA模型,对全国2005年1月~2012年12月丙型肝炎逐月发病数进行建模和拟合,利用所得到的模型对2013年1~6月的发病情况进行预测,并按照预测值与实际观察值之间的差异评价其预测效果。结果分析结果显示,丙型肝炎发病以年为周期,一年中3~5月为高发月。非季节自回归参数为5.84,t=-2.567,P=0.012。非季节移动平均参数为0.481,t=3.392,P=0.001,季节移动平均参数为0.625,t=3.547,P=0.001,差异有统计学意义。BIC=14.162,Ljung-Box统计量检验残差序列为白噪声序列,预测的平均相对误差为3.4%,丙型肝炎拟合的最佳模型为ARIMA(1,1,1),(0,1,1)12。结论ARIMA对全国丙型肝炎拟合的预测效果较为满意,预测结果将为今后丙型肝炎等多种传染病的预防和控制提供理论支持。     

ARIMA模型在武汉市结核病疫情预测中的应用

目的探讨应用自回归移动平均模型(ARIMA)预测武汉市结核病发病情况。方法收集中国结核病信息管理系统中2011—2015年武汉市结核病月报告发病数数据,利用SPSS 18.0统计软件通过建模和拟合,对2016年肺结核发病数进行预测,比较预测值与实际报告数之间差异评价其预测效果。结果武汉市肺结核发病以年为周期,每年4~6月和9~10月为高发期;ARIMA(0,1,1)×(0,1,1)12能很好的拟合武汉市结核病发病情况,其标准化BCI=0.732,Ljung-Box统计量为25.659,P=0.059,预测平均相对误差率为3.31%,预测结果基本符合2016年实际发病变动趋势。结论 ARIMA模型能较好地模拟和预测结核病发病在时间序列上的变化趋势,可为今后合理配置防控资源提供参考依据。     

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。     

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。     

ARIMA乘积季节模型在陕西省手足口病预测中的应用

目的 应用自回归求和移动平均（ARIMA）乘积季节模型预测陕西省手足口病发病人数。方法 利用R软件对2009年1月至2015年6月手足口病数据构建ARIMA乘积季节模型,同时利用2015年7-12月实际发病人数与模型拟合数据比较,评价模型的预测性能,预测2016-2017年的手足口病发病人数。结果 陕西省手足口病发病人数具有明显的季节性,建立了ARIMA（2,1,0）×（1,1,0）₁₂乘积季节模型,预测方程为（1-B）（1-B₁₂）Ln（X_t）=（（1-1.000B）/（（1-0.532B-0.363B²）（1-0.644B₁₂-0.454B₁₂²）））ε_t,与2015年7-12月实际发病人数比较,绝对误差的平均值为531.535,相对误差的平均值为0.114,预测2016-2017年陕西省手足口病发病人数与2015年基本保持一致。结论 ARIMA（2,1,0）×（1,1,0）₁₂乘积季节模型可用于陕西省手足口病的发病人数预测。     

ARIMA模型在宁波市北仑区手足口病发病率预测中的应用

目的探讨自回归求和移动平均(ARIMA)模型在宁波市北仑区手足口病预测中的应用,并对该区手足口病的月发病率进行预测。方法应用SPSS 19.0软件对北仑区2008年1月-2016年6月的手足口病月发病率时间序列建立ARIMA模型,使用所建模型对2016年7月-12月的发病情况进行拟合,并与实际值比较,评价其拟合效果,应用得到的模型预测2017年上半年宁波市北仑区手足口病发病率。结果北仑区手足口病以年为发病周期,每年有2个发病高峰,分别为4-7月和9-11月。在手足口病预测中建立的ARIMA最优模型为ARIMA(1,0,0)(1,1,0)12,其标准化BIC(贝叶斯信息准则)为5.06,白噪声Ljung-Box检验残差序列为白噪声序列(Ljung-Box=11.00,P=0.81),最优拟合模型预测的平均相对误差为23.80%,拟合效果较好。预测出2017年上半年宁波市北仑区手足口病平均月发病率为46.66/10万,明显高于2016年同期发病率。结论建立的ARIMA模型能有效地拟合北仑区手足口发病率序列,并进行短期预测,可为手足口的防治工作提供参考。     

ARIMA季节性模型在预测兰州市丙肝发病人数中的应用

目的 应用自回归移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型建立适合预测兰州市丙肝月报告发病人数的最优模型,为丙肝防控工作提供参考依据.方法 收集2010年1月至2019年12月兰州市丙肝月报告发病人数,基于2010年1月至2018年12月丙肝月报...     

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。     

ARIMA模型在北京市西城区手足口病月发病率预测中的应用

目的采用ARIMA模型预测手足口病的发病趋势,探讨提高模型预测准确性和实用性的思路。方法利用ARIMA模型对北京市西城区2010年1月—2015年12月手足口病月发病率进行拟合,并进行发病趋势预测。结果通过参数估计和残差白噪声检验,得到模型ARIMA(1,0,0)(1,1,0)_(12),BIC=1.958,Ljung—Box=7.885(P=0.952),2015年手足口病月发病率预测值和实际值的平均相对误差为21.47%。结论利用ARIMA模型预测手足口病的发病趋势是可行的,可以为地区传染病防控和公共卫生决策提供科学依据。     

ARIMA模型在北京市西城区手足口病月发病率预测中的应用

目的探讨自回归求和移动平均模型(Autoregegressive integrated maving average model,ARIMA)在北京市西城区手足口月发病率中预测应用的可能性。方法利用2008—2016年北京市西城区手足口病月发病率建立ARIMA模型并进行拟合,根据模型对2017年12个月的发病率进行预测。结果西城区手足口病月发病率的ARIMA模型为ARIMA(0,0,1)(1,1,0)12,其中BIC=2.361,Ljung-Box Q=20.380(P=0.204),模型中的参数检验差异有统计学意义。2016年7—12月实际月发病率与模型预测值基本吻合,预测值与实际值的平均绝对误差为20.42%。利用该模型进行预测,2017年发病高峰为5—7月。结论 ARIMA(0,0,1)(1,1,0)12模型可以较为准确地预测短期内西城区手足口病发病趋势,为防控工作的开展提供指导。     

ARIMA乘积季节模型在手足口病发病预测中的应用研究

目的构建时间序列ARIMA乘积季节性模型,预测武汉市2015年1~12月手足口病发病趋势和流行强度,探讨该模型在手足口病发病率预测中的应用。方法应用中国疾病监测信息报告系统2008年1月至2014年12月武汉市手足口病月发病资料,使用PASW Statistics 18.0专家建模器,考虑季节性因素建立ARIMA乘积季节性模型,并将所建模型对2015年手足口病月发病率进行外推预测。结果模型残差序列为白噪声,ARIMA(1,0,1)(0,1,1)12模型为最佳模型,预测结果显示:2015年手足口病年发病率预测值为197.52/10万,流行强度较2014年报告发病率168.07/10万上升17.52%;2015年手足口病月发病高峰将出现在4、5、6三个月(5月达到最高峰值43.83/10万,95%CI:2.96/10万~208.28/10万),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,在实际工作中要充分考虑社会、自然等影响因素,综合分析,针对性地开展病例的发现、诊治,做好传染源管理和聚集性疫情的疫点消毒卫生处理,为防控工作提出理论与实证依据。     

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...