基于时间序列模型对甲型病毒性肝炎的预测研究

目的探讨时间序列模型在甲肝发病预测的应用,为下一步采取防控措施提供科学依据。方法基于宜昌市2005-2015年逐月甲肝发病率建立两种模型,对2016年甲肝的发病率进行预测,并将预测值与实际值进行拟合评价。结果 ARIMA模型首先要求数据平稳,宜昌市的甲肝发病存在季节性波动,为不平稳序列,但2010年之后数据较为平稳,经对2010-2015年甲肝月发病率进行季节性差分、差分处理,新数列为平稳序列(游程检验法Z=1.447,P=0.148),然后进行参数估计(BIC=-4.293)和白噪声检验(Q=22.150,P=0.138),据此建立ARIMA模型,ARIMA(0,0,1)(0,1,1)12模型为最优模型,能较好的模拟甲型病毒性肝炎的发病。结论 ARIMA(0,0,1)(0,1,1)12模型能较好的模拟甲肝发病在时间序列的变化趋势,为制定科学的防控措施和策略提供依据。     

ARIMA模型在河南省甲型病毒性肝炎发病数预测中的应用

目的建立乘积季节自回归移动平均(ARIMA)模型,利用该模型预测河南省甲肝发病情况并探讨其可行性。方法对2008年1月-2015年8月河南省的甲肝疫情监测数据差分平稳化,通过专家建模器筛选最优模型,利用2015年9月-2016年8月的甲肝疫情资料来拟合预期值并评价该模型的可行性。结果 2008-2015年河南省甲肝发病数逐年减少且呈现明显的季节效应;本次研究中乘积季节ARIMA(0,1,1)×(1,0,1)_(12)模型能较好的拟合既往的甲肝报告病例数,模型统计量Ljung-Box Q为21.742,P为0.115〉0.05,残差序列为白噪音;且对2015年9月-2016年8月按月报告的甲肝病例数的预测值与实际值吻合情况良好,平均误差绝对值4.67,平均相对误差绝对值为0.2。结论ARIMA模型能较好模拟、预测河南省甲肝的发病情况,该模型的预测效能将优化甲肝预防工作,有较好的推广价值。     

应用ARIMA模型对甲型病毒性肝炎疫情预测的研究

目的探讨时间序列ARIMA模型在浙江省甲型病毒性肝炎疫情预警应用中的可行性。方法利用EViews5.0、SPSS13.0等统计软件对历年疫情资料汇编,《国家疾病报告管理信息系统》报告的浙江省甲肝按月发病数建立ARIMA模型。结果对甲肝发病数序列建立季节模型为ARIMA(1,0,0)(0,1,1)12,对2009年甲肝按月发病疫情拟合较好,能够及时、准确对疫情进行跟踪。结论 ARIMA模型能够较好应用于短期甲肝预测、预警,为疫情防控提供科学依据。     

ARIMA模型在安丘市肾综合征出血热月发病率预测研究中的应用

目的探讨ARIMA模型在安丘市肾综合症出血热月发病率预测中的应用,验证模型的可行性及其适用性。方法基于2000-2014年安丘市肾综合症出血热发病资料,拟合及验证肾综合症出血热的ARIMA模型。结果本研究构建的ARIMA(0,1,1)(0,1,1)12模型,其预测结果与安丘市肾综合症实际发病情况基本吻合。结论 ARIMA模型可用于安丘市肾综合症出血热发病率的短期预测研究。     

ARIMA模型和ARIMA-GRNN模型在AIDS发病预测中的应用

目的 探究适用于预测我国艾滋病月发病人数的模型,为艾滋病的预防提供参考。方法 收集2011年1月至2017年12月我国艾滋病月发病报告人数资料,建立自回归移动平均（autoregressive integrated moving average,ARIMA）模型及广义回归神经网络（generalized regression neural network,GRNN）模型与ARIMA模型的联合。用2018年1月至5月艾滋病月发病数评估该模型预测效果。结果 艾滋病月发病数呈明显季节性,拟建立ARIMA（1,1,1）（0,1,1）₁₂模型对我国艾滋病月发病报告数进行预测。建立ARIMA-GRNN模型的光滑因子为0.021。ARIMA-GRNN模型拟合及预测误差均低于ARIMA模型。结论 ARIMA（1,1,1）（0,1,1）₁₂和ARIMA-GRNN模型均能较好地拟合并预测我国艾滋病月发病人数,但联合模型的效果更优。     

基于ARIMA-GRNN组合模型预测我国甲肝发病率

目的 探讨ARIMA-GRNN组合模型在甲肝发病序列预测中的应用,并比较其与ARIMA模型和BPNN模型的预测效果。方法 通过收集2004年1月～2014年12月我国甲肝发病序列资料,用SPSS 13.0建立ARIMA模型,用Matlab 8.0建立BPNN模型和ARIMA-GRNN组合模型,并用2014年数据对模型的预测效果进行评价。结果 针对我国甲肝发病序列建立的三种预测模型拟合的平均相对误差的值依次为:ARIMA模型（7.29 785）相似文献   

差分自回归移动平均模型在伤害预测中的应用

目的探讨差分自回归移动平均（ARIMA）时间序列模型在伤害预测中的应用,建立伤害发生率预测模型。方法利用伤害监测系统,收集城阳区2006~2012年伤害月病例数,建立ARIMA模型。结果ARIMA（1,0,0）（0,1,1）12模型可以较好拟合伤害月发病率时间序列。利用ARIMA模型预测2013年伤害发生率为253．93／万。结果ARIMA模型具有适用性,可以用于伤害短期预测。     

ARIMA模型在上海市崇明区病毒性肝炎预测中的应用效果研究

目的探讨ARIMA模型在病毒性肝炎预测方面的应用,为崇明区病毒性肝炎的防控措施提供参考依据。方法利用崇明区2002年1月—2014年12月病毒性肝炎发病数资料,通过Eviews8.0和SPSS21.0软件建立自回归求和移动平均模型(autoregressive integrated moving average,ARIMA);并对2015年1-12月病毒性肝炎发病数进行比较及验证。结果建立了ARIMA(0,1,1)×(1,0,1)12模型,模型Q统计量为17.294(P0.05),模型实际值基本在预测值95%的可信区间范围内,证实了该模型的适用性。结论本ARIMA模型可用于崇明区病毒性肝炎发病的动态分析和短期预测。     

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乘积季节模型在丙肝发病预测中的应用

目的探讨时间序列ARIMA乘积季节模型在丙肝发病预测中的适用性。方法利用全国法定传染病网络直报系统,收集湖北省2004-2012年逐月丙型病毒性肝炎发病数据,使用SAS 9.2软件对序列进行识别、参数估计、诊断和预测。结果乘积季节模型ARIMA（0,1,1）（0,0,1）12对原始序列拟合效果良好,能通过参数估计和残差检验,并对2012年丙型病毒性肝炎的发病数进行事后预测,预测精度良好。结论乘积季节模型能很好的拟合湖北省丙肝发病并进行预测,模型预测表明未来一年湖北省丙肝发病数将稳定上升。     

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。     

ARIMA模型在流感样病例预测预警中的应用

目的探讨ARIMA模型在流感样病例预测预警方面的应用,建立流感样病例发病预测模型,并证明模型的适用性。方法对北京市顺义区医院、顺义区妇幼老年保健院2家省级流感样病例监测哨点医院报告的2005年9月～2009年3月流感样病例月报告数资料建立ARIMA模型,2009年4～5月数据验证模型,用Q统计量法对模型适应性进行检验。结果对流感样病例月报告数建立季节模型ARIMA(1,0,0)x(0,1,0)12,统计量Q大于Χ2α(m)证实了该模型的适用性。结论ARIMA模型能够较好应用于流感样病例预测预警,为疫情防控提供科学依据。     

自回归移动平均模型在细菌性痢疾流行趋势预测中的应用

目的探讨时间序列分析中自回归移动平均模型在六安市细菌性痢疾发病预测的可行性和适用性,为早期做好防控工作提供科学依据。方法使用SPSS 17.0软件对六安市2003年1月～2012年12月的细菌性痢疾月发病率建立ARIMA模型,以2013年的1～7月实际发病率作为预测模型的考核样本,验证模型的预测效果。结果六安市细菌性痢疾月发病率模型为ARIMA（0,0,1）×（0,1,1）12,模型移动平均参数MA1=-0.473（t=-5.153,P〈0.05）,季节移动平均参数SMA1=0.937（t=2.494,P=0.014）;残差分析Ljung-BoxQ统计量经检验,差异无统计学意义（Ljung-BoxQ=10.208,P=0.856）,提示残差为白噪声。模型预测的平均相对误差为27.82%,但预测的动态趋势与实际值基本吻合,且实际值均在预测值的95%可信区间内。结论 ARIMA（0,0,1）×（0,1,1）12模型可为六安市细菌性痢疾的防控提供参考。     

ARIMA 与 ARIMAX 模型在钉螺密度预测中的应用

目的探讨ARIMA与ARIMAX模型在预测钉螺密度的适用性，为湖北省钉螺的控制提供参考依据。方法收集湖北省潜江市1980—2012年的钉螺查螺资料及气象资料，应用ARIMA与ARIMAX模型对潜江市钉螺密度进行预测分析。结果钉螺密度的ARIMA模型为（1-B）（1-0．643B。）dt=εt，ARIMAX模型为dt=16．371＋（-0．522-0．363B）tern。＋（1＋0．590B）εt。ARIMA模型与ARIMAX模型的参数差异均有统计学意义（P〈0．05），实测值和预测值的趋势基本上一致，实测值均在预测值的95％可信区间内。结论ARIMA模型与ARIMAX模型可以应用于钉螺密度的预测，具有较好的精度。     

自回归求和移动平均模型在阜阳市手足口病疫情预测预警中的应用

目的探讨自回归求和移动平均模型（autoregressive integrated moving average,ARIMA）在手足口病疫情预测预警中的应用,验证分析模型的可行性与适用性。方法利用安徽阜阳市2009-2013年手足口病发病资料,拟合ARIMA模型,对阜阳市2014年1-3月各月发病情况进行预测评价。结果建立ARIMA（1,2,0）（0,1,0）12模型,预测结果基本符合实际发病变动趋势,验证了该模型的可用性。结论 ARIMA模型可用于模拟手足口病发病在时间序列上的变化趋势,进行短期预测。     

时间序列分析在阜阳市细菌性痢疾发病预测中的应用

目的探讨时间序列分析在细菌性痢疾发病预测中的应用,验证分析模型的可行性与适用性。方法利用阜阳市2009年1月～2013年6月细菌性痢疾发病资料,拟合自回归移动平均（ARIMA）模型,对阜阳市2013年7～11月各月发病情况进行预测评价。结果建立ARIMA（1,2,0）（0,1,0）12模型,预测结果基本符合实际发病变动趋势,验证了该模型的可行性。结论 ARIMA模型可用于模拟细菌性痢疾发病在时间序列上的变化趋势分析,并进行短期预测。     

应用ARIMA模型和圆分布分析病毒性脑炎病例数动态规律

目的探讨构建并应用自回归求和移动平均模型结合圆分布法分析病毒性脑炎病例数动态规律的时间序列模型方法。方法建立2001年1月至2011年12月病毒性脑炎逐月病例数的数据库。应用圆分布法分析发病高峰。建立2001年1月至2010年12月自回归求和移动平均模型的季节乘积模型ARIMA（声,d,q）×（P,D,Q）s,并利用模型预测2011年各月的病毒性脑炎病例数。结果圆分布法分析显示各年度病毒性脑炎病例数多发生于7月份,病例数高峰在7月28Et,具有明显的集中趋势（P〈0．001）;建立ARIMA（1,1,1）×（0,1,1）。。为最优模型,该模型Ljung—BoxQstatistic值为16．628,P值为0．342,NormalizedBIC为6．590。结论ARIMA乘积模型结合圆分布法是病毒性脑炎进行时间序列分析的重要方法;应用该方法对病毒性脑炎流行趋势及病例数进行预测,为卫生资源合理分配,采取开展健康教育和干预措施提供科学依据。     

基于GRNN的组合预测模型在传染病发病率预测中的应用

目的研究基于GRNN的组合预测模型拟合传染病发病率的优越性和不足。方法以浙中某市1998—2008年的肺结核发病率为研究资料,分别构建了灰色模型和ARIMA模型,以这两种模型为基础构建了基于GRNN的组合预测模型。结果残差修正GM(1,1)模型、ARIMA(1,0,1)*(1,1,0)12模型、基于GRNN的组合预测模型的MSE,MAE,MAPE和MER分别为37.451,5.692,53.69%,48.51%;18.509,3.761,35.13%,32.05%;9.961,2.571,25.6%,21.9%。结论基于GRNN的组合预测模型的预测精度优于两种单项模型。     

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。     

传递函数模型在我国5岁以下儿童死亡率预测中的应用

目的探讨传递函数模型在我国5岁以下儿童死亡率（child mortality rate under age 5，U5MR）预测中的应用价值。方法利用1991至2004年国家有关统计年鉴数据拟合传递函数模型，同时采用求和自回归移动平均（ARIMA）模型进行预测，并比较两者的拟合结果。结果传递函数模型与实测值比较而言，其回代预测误差为-1．11％。未来预测误差为-2．35％，均较ARIMA模型低。结论传递函数模型在预测中可以纳入有关影响因素，该预测结果理论上更符合实际情况。