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。     

基于ARIMA模型的医院超声检查工作量预测研究

目的 观察ARIMA模型在医院超声检查工作量预测中的应用,为某院医疗资源合理配置决策提供依据。方法 收集某院2011年1月至2021年12月超声检查工作量数据。采用SPSS 26.0软件构建ARIMA(p,d,q)×(P,D,Q)_s模型,预测2021年超声检查工作量,利用R²、平均绝对百分误差(MAPE)等指标评价模型预测效能。结果 ARIMA(0,1,1)(0,1,1)₁₂是超声检查工作量的相对最优模型。模型的R²为0.901,模型残差经Ljung-Box检验证实为白噪声序列(Ljung-Box Q(18)=14.939,P=0.529),模型的MAPE为7.28%,实际值均在预测值的95%置信区间内。结论 ARIMA(0,1,1)(0,1,1)₁₂模型对于预测超声检查工作量具有较高的精准性,医院应根据超声检查工作量变化规律合理配置医疗卫生资源,提升现代医院精细化管理水平。     

自回归积分移动平均模型在长沙市白纹伊蚊密度预测中的应用

目的 探讨自回归积分移动平均(autoregressive integrated moving average, ARIMA)模型在长沙市三种方法监测白纹伊蚊密度预测中的应用,预测密度增长趋势。方法 收集整理长沙市2007年1月—2023年7月诱蚊灯法及2016年1月—2023年7月双层叠帐法、布雷图指数法监测白纹伊蚊密度数据,采用2007年1月—2022年12月诱蚊灯法监测数据、2016年1月—2022年12月双层叠帐法及布雷图指数法监测数据,应用R4.3.0软件分别构建季节性ARIMA模型,将2023年1—7月的三种方法监测数据实际值与预测值进行比较评价,预测2023年8—11月密度。结果 对三种方法监测白纹伊蚊密度分别构建了最佳模型ARIMA(0,0,1)(2,1,2)₁₂、ARIMA(0,1,1)(0,1,1)₁₂及ARIMA(0,1,0)(1,0,2)₁₂,模型赤池信息准则值及贝叶斯信息准则值均达到最低,且较好地拟合了既往密度序列,残差Box-Ljung检验为白噪声(P>0.05),可用于白纹伊蚊密度预测...     

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预测模型在甘肃省其他感染性腹泻发病预测中的应用

目的 建立并评价甘肃省其他感染性腹泻发病的ARIMA预测模型。 方法 利用2010—2018年甘肃省其他感染性腹泻的发病数据建立ARIMA预测模型,同时利用2019年发病数据评价模型并对2020年甘肃省其他感染性腹泻发病进行预测。 结果 根据模型拟合效果,模型ARIMA(0,1,1)(1,1,0)₁₂为最优模型。R²=0.741,Ljung-Box检验值为25.944,BIC值为11.060。模型拟合甘肃省其他感染性腹泻的发病趋势与实际发病趋势一致,MAPE=17.297%,预测结果显示2020年甘肃省其他感染性腹泻发病时间分布与往年趋于一致。 结论 ARIMA(0,1,1)(1,1,0)₁₂模型能较好地拟合甘肃省其他感染性腹泻的发病趋势,对该病的预防控制、风险评估等具有一定的公共卫生意义。     

ARIMA模型和指数平滑法在我国北方流感样病例预测中的应用和比较

目的 比较ARIMA模型和指数平滑法对我国北方流感样病例的预测效果,为流感防控提供科学依据。方法 利用我国北方2012年第1周—2018年第17周的每周流感样病例比例数据拟合建立ARIMA模型和指数平滑模型,预测 2018年第18周—2019年第17周的流感样病例比例,对预测值与实际值进行比较。结果 ARIMA最优模型为ARIMA(0,1,1)(2,1,0)₅₂,预测的均方根误差(root mean square error,RMSE)、平均绝对百分比误差(mean absolute percentage error,MAPE)和平均绝对误差(mean absolute error,MAE)分别为0.57%、8.98%、0.34%;指数平滑法的最优模型为简单季节性模型,预测的均方根误差(RMSE)、平均绝对百分比误差(MAPE)和平均绝对误差(MAE)分别为0.83%、15.24%、0.55%。结论 ARIMA(0,1,1)(2,1,0)₅₂模型预测精度更高,可用于我国北方流感样病例的短期预测。     

ARIMA模型在上海市猩红热发病率预测中的应用

目的 探讨差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型在上海市猩红热月发病率预测的应用。方法 利用ARIMA时间序列模型拟合2004年1月—2017年6月上海市猩红热的月发病率资料,并利用最优模型对2017年7—12月猩红热的月发病率进行预测。结果 最终拟合ARIMA(1,1,0)(0,1,1)₁₂模型,其标准化贝叶斯信息准则值(Bayesian information criterion,BIC)(-2.247)最小,残差经Ljung-Box Q(18)检验为白噪声序列,预测值与实际值基本吻合,相对误差在0.35%~16.74%的范围内。结论 ARIMA模型用于上海市猩红热月发病率的短期预测,可应用于定量风险评估等猩红热疫情的预警预测。     

SARIMA模型参数设置探讨

目的 比较不同参数设置的SARIMA模型拟合及预测效果,为提高SARIMA模型精度提供参考。 方法 利用全国2009年1月—2015年6月手足口病逐月发病率数据,按照传统图示法确定参数p,q值,建立SARIMA模型,记为模型1。再将参数p,q值±1,构建多个备选模型,筛选最优模型,记为模型2。利用模型1和模型2预测2015年7—10月手足口病发病率并与实际值比较,采用平均绝对误差百分比(mean absolute percentage error,MAPE)、平均误差率(mean error rate,MER)、均方误差(mean square error,MSE)和平均绝对误差(mean absolute error,MAE)评价模型拟合及预测效果。 结果 模型1为SARIMA(1,0,0)(1,1,0)₁₂;模型2有2个,包括SARIMA(1,0,1)(1,1,0)₁₂和SARIMA(1,0,1)(0,1,1)₁₂。SARIMA(1,0,0)(1,1,0)₁₂、SARIMA(1,0,1)(1,1,0)₁₂和SARIMA(1,0,1)(0,1,1)₁₂拟合的MAPE依次分别为22.891%、20.015%、19.985%。SARIMA(1,0,0)(1,1,0)₁₂、SARIMA(1,0,1)(1,1,0)₁₂和SARIMA(1,0,1)(0,1,1)₁₂预测的MAPE、MER、MSE和MAE依次分别为9.119%、8.988%、1.874%和1.107%;11.000%、10.909%、2.552%和1.344%;8.711%、8.477%、1.857%和1.044%。 结论 SARIMA(1,0,1)(0,1,1)₁₂为最优模型,拟合及预测效果优于图示法建立的SARIMA(1,0,0)(1,1,0)₁₂模型。在SARIMA建模过程中应在图示法基础上采用凑试法,筛选最优参数,提高模型精度。     

2005―2019年湛江市主要血源及性传播疾病流行特征分析与模型预测

目的 探讨湛江市5种血源及性传播疾病的发病特征,建立求和自回归移动平均(autoregressive integrated moving average, ARIMA)模型预测其月发病率,为制定防控策略提供依据。方法 收集湛江市2005―2019年5种血源及性传播疾病的报告病例数,分析其流行特征,并为每种疾病构建ARIMA模型。结果 湛江市2005―2019年累计报告血源及性传播疾病154 477例,年均发病率为148.54/10万,发病率呈长期上升趋势,男性发病数多于女性,主要发生在20～<40岁年龄段,高发人群为农民,好发于廉江市,2月呈发病低谷期。乙型病毒性肝炎(乙肝)、丙型病毒性肝炎(丙肝)、HIV/AIDS、淋病最优模型均为ARIMA(0,1,1)(0,1,1)₁₂,梅毒最优模型为ARIMA(0,1,1)(1,1,1)₁₂,2019年拟合值与真实值的平均绝对百分比误差(mean absolute percentage error, MAPE)分别为7.76%、7.58%、9.39%、19.60%、11.48%。结论 2005―...     

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ARIMA模型在无锡市艾滋病发病预测中的应用

目的 预测无锡市艾滋病发病趋势,探讨自回归滑动平均混合模型(autoregressive integrated moving average model, ARIMA model)在无锡市艾滋病早期预测预警中的可行性。方法 以2007—2018年无锡市艾滋病月报告发病数据为基础,构建最优季节ARIMA模型,运用该模型对2019年无锡市艾滋病月报告发病数进行预测,并将实际值与预测值进行比较。结果 研究构建的最优季节ARIMA模型为ARIMA (2,1,1)(1,1,1)₁₂,ADF检验结果显示,差分后序列呈稳定序列(t=-7.39,P=0.01),AIC为932.43,BIC为949.68,RMSE为7.14。白噪声检验结果为χ²=0.001,P=0.97,实际值基本在预测值的95%CI。结论 ARIMA (2,1,1)(1,1,1)₁₂能较好地拟合无锡市艾滋病月报告发病趋势,可应用于无锡市艾滋病发病的短期预测。     

ARIMA模型在登革热高发城市发病预测中的应用

目的 探索登革热高发城市(福州、广州及杭州市)登革热发病的时间模式,并应用自回归积分滑动平均(autoregressive integrated moving average, ARIMA)模型预测登革热发病趋势,为制定登革热防控措施提供理论依据。方法 分析福州市、广州市和杭州市2015—2020年登革热月发病资料,采用各市2015—2019年登革热月发病数建立ARIMA模型并应用SPSS 26.0、Eviews 10、Excel等软件对登革热的发病趋势进行描述和预测,评价模型预测效果。结果 福州市和杭州市登革热发病主要是季节性变化,广州市则既有季节性变化又有趋势性变化。福州市最适合的模型是ARIMA(1,0,0)(1,1,0)₁₂,预测值与实测值均方根误差(root mean square error, RMSE)为106.538,平均绝对误差(mean absolute error, MAE)为39.695,广州市为ARIMA(1,1,0)(0,1,1)₁₂,RMSE为48.787,MAE为25.774,杭州市最优模型是ARIMA(0,0...     

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。     

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。     

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...     

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。     

三种预测模型在出生缺陷发生趋势预测中的可行性研究

目的探讨ARIMA乘积季节模型、Holt-Winters季节模型、多层感知器模型在出生缺陷发生趋势预测中的可行性。方法本文采用2009年10月至2016年9月西安市妇幼保健院出生缺陷监测及围产儿数据进行研究。选择2009年10月至2015年8月出生缺陷月发生率时间序列进行模型拟合,应用2015年9月至2016年9月出生缺陷月发生率对模型进行评价。结果三种模型均通过了检验。ARIMA(0,0,1)(0,1,1)_(12)模型预测平均绝对误差和相对误差分别为11.64和0.11。Holt-Winters加法模型预测平均绝对误差和相对误差分别为14.21和0.14。Holt-Winters乘法模型预测平均绝对误差和相对误差分别为16.64和0.16。多层感知器模型预测平均绝对误差和相对误差分别为20.58和0.20,通过比较模型预测能力,最优模型为ARIMA(0,0,1)(0,1,1)_(12)。结论 ARIMA乘积季节模型更加灵活,结果可能较优。同时,随着预测时间的延长,模型预测的准确性降低。     

应用ARIMA模型预测石家庄市手足口病发病趋势

目的探讨应用ARIMA模型预测石家庄市手足口病发病趋势的可行性,为手足口病防制提供科学依据。方法收集石家庄市2011-2018年手足口月发病率,利用软件SPSS 19.0构建石家庄市手足口病月发病率ARIMA模型。结果石家庄市手足口病月发病率模型为ARIMA(1,0,1)(0,1,1)12,最小BIC指标值为3.058,Ljung-Box统计量为15.986(P=0.383),模型残差为白噪声序列。2018年7-12月实际月发病率与预测值基本吻合,预测值与实际值的平均相对误差为4.72%,实际值均在预测值95%可信区间。利用该模型进行预测,2019年石家庄市手足口病发病呈上升趋势。结论ARIMA(1,0,1)(0,1,1)12模型可以较为准确地预测短期内石家庄市手足口病发病趋势,可为手足口病的防治工作提供参考。     

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。     

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。