利用ARIMA-GRNN组合模型预测新疆维吾尔自治区手足口病发病率

目的分析2009—2015年新疆维吾尔自治区手足口病新发数量的时间分布规律,使用自回归积分滑动平均模型-广义回归神经网络(ARIMA-GRNN)组合模型预测新疆维吾尔自治区手足口病发病情况,并评价该模型预测新疆维吾尔自治区手足口病发病率的效果。方法利用Excel 2007软件对2009—2015年新疆维吾尔自治区手足口病数据进行整理,基于2009—2014年手足口病数据为训练集,使用R 3. 5. 0拟合ARIMA模型,在ARIMA模型的基础上用Matlab 2014拟合ARIMA-GRNN组合模型。利用2015年的数据来检验所拟合的模型的预测效果。结果拟合的ARIMA模型为ARIMA(0,0,1)(2,1,0)12,平均绝对百分比误差(Mean Absolute Percentage Error MAPE)为19. 21%,能够较好的拟合新疆维吾尔自治区手足口病发病趋势,而在此基础上拟合的ARIMA-GRNN模型的MAPE=15. 63%,能更好的拟合数据,模型的效果优于单纯ARIMA模型,用该模型预测2015年发病情况,预测结果符合手足口病发病实际的波动趋势。结论 ARIMA-GRNN组合模型对新疆维吾尔自治区手足口病发病率能够很好的拟合和预测,对手足口病预防和监测有积极作用。     

基于向量自回归模型的清远市手足口病发病预测分析

目的 运用向量自回归模型(vector autoregression model,VAR)分析清远市手足口病发病与气象因素的动态关系,为手足口病的防控提供科学依据。 方法 用2013年1月1日－2017年4月30日的气象数据和手足口病发病数据建立VAR模型,评价模型的稳定性及拟合效果,通过脉冲响应函数和方差分解分析对模型进行定量分析,进一步对手足口病发病情况进行预测并评价预测效果。 结果 模型总拟合优度为0.96,调整后拟合优度为0.95。手足口病发病数对日最低气温、日地表最低气温和日平均相对湿度等气象因素的冲击响应是正向的。模型对未来1周、2周、3周和4周的手足口病发病预测其平均绝对百分误差(mean absolute percentage error,MAPE)分别为17.75%、13.69%、10.74%和15.85%,希尔不等式系数(Theil inequality coefficient,TIC)分别为0.08、0.06、0.05和0.09。 结论 气象因素和手足口病发病的VAR模型可以较好地进行清远市手足口病发病的短期预测。     

基于百度指数的清远市手足口病发病预测分析

目的探讨利用手足口病相关关键词的百度指数建立清远市手足口病发病预测模型。方法通过中国疾病预防控制信息系统收集清远市2013年1月1日至2017年5月31日每周手足口病发病资料,同时从百度指数官网收集同期预先定义的手足口病相关关键词在清远市范围内的百度指数,选取与手足口病实际发病数相关系数r0.5的关键词纳入分析。以手足口病实际发病数为因变量,与各关键词百度指数建立自回归分布滞后模型(ARDL),并利用建立的ARDL模型预测未来1~4周手足口病发病数。结果经相关分析,共纳入"手足口病初期症状"(r=0.73)、"手足口病"(r=0.81)、"手足口病图片"(r=0.62)、"手足口病症状"(r=0.60)和"手足口病吃什么药"(r=0.53)5个关键词,建立了ARDL(2,1,0,0,2,1)模型,利用该模型对未来1~4周发病数进行预测,并与实际发病数进行比较,结果显示对未来第2周的发病预测较为准确,平均绝对百分误差(MAPE)为5.94%,希尔不等式系数(TIC)为0.03。结论利用百度指数建立的ARDL预测模型能够较为准确地预测清远市手足口病发病数。     

基于百度指数的清远市手足口病GM(1,2)模型预测研究

目的基于百度指数利用GM(1,2)模型对清远市的手足口病疫情进行预测分析,探讨基于百度指数的GM(1,2)模型的可行性,为清远市手足口病防治工作的可持续发展提供参考依据。方法建立清远市2013年1月至2016年5月手足口病发病数序列,基于百度指数以2013年1月至2016年5月21日的日发病数建立GM(1,2)模型,采用序列末端的10个发病数进行前瞻性预测效果的考核,并对清远市2016年6月的手足口病日发病数进行预测。结果采用基于百度指数建立完成的GM(1,2)模型对2013年1月至2016年5月21日的日发病数进行回代考核,结果显示平均绝对误差率(MAPE)为2.68%,其中流行季节的MAPE为4.46%、非流行季节的MAPE为2.12%。利用序列末端的10个手足口病发病数进行前瞻性预测效果的考核,结果显示MAPE为18.4%。对清远市2016年6月的手足口病日发病数进行预测,结果显示MAPE为27.81%。结论基于百度指数的灰色模型GM(1,2)拟合效果较好,但预测结果不太理想,用于清远市手足口病疫情的预测还有待进一步研究。     

ARIMA与SVM组合模型在新型冠状病毒肺炎预测中的应用

目的 基于差分自回归移动平均模型(ARIMA)通过引入支持向量机(SVM)方法,构建一个组合模型对新型冠状病毒肺炎(COVID-19)的发病趋势进行预测。方法 应用ARIMA模型对江苏省2020年1月22日-2月18日每日新增确诊病例数据中线性部分进行预测,捕捉时间序列数据的线性变化趋势,采用SVM对数据的非线性变化趋势进行预测,通过平均绝对误差(MAE)、均方误差(MSE)和平均绝对百分比误差(MAPE)评估两种组合模型的预测结果,比较模型的优劣。结果 在模型的拟合阶段,与单一ARIMA模型和SVM模型相比,ARIMA-SVM组合模型对COVID-19发病预测的MSE、MAE和MAPE均最小,分别为0.004、0.055和0.004;在模型的预测阶段,MSE、MAE和MAPE分别为7.811、2.730和0.764,在3个模型中也均是最小的。结论 与单ARIMA或SVM相比,ARIMA-SVM组合模型对COVID-19发病趋势具有更高预测精度。     

应用R软件对比两种手足口病发病预测模型的效果

目的 使用R软件对手足口病发病时间序列模型进行分析与对比,探索较佳的手足口病发病预测模型.方法 利用广州市2009-2013年手足口病月报告病例数作为建模数据,采用R软件中的Holt-Winter指数匀滑模型和季节性差分自回归移动平均模型(SARIMA)分别预测2014年12个月份的发病情况,将预测结果与2014年实际发病数进行比较.结果 对广州市2014年1-12月手足口病发病数进行预测,并将预测值与实际值进行比较,结果显示:采用Holt-Winter指数匀滑法和SARIMA预测结果的平均相对误差分别为-0.40和0.12.结论 SARIMA为较佳的预测分析模型,预测结果能较好地拟合广州市手足口病发病序列并进行短期的有效预测.     

ARIMA乘积季节模型与LSTM神经网络模型对我国麻疹发病数预测效果的比较

目的 探讨长短期记忆神经网络(long short term memory, LSTM)模型和差分整合移动平均自回归(autoregressive integrated moving average model, ARIMA)乘积季节模型在全国麻疹发病趋势预测中的应用,为麻疹的早期防控提供科学依据。方法 选取2005年1月至2016年2月全国麻疹月发病数分别构建LSTM模型和ARIMA乘积季节模型,同时运用得到的模型对2016年3月至2018年12月发病数进行预测,运用两种评价指标平均绝对百分比误差(mean absolute percentage error, MAPE)和均方根误差(root mean square error, RMSE)检验模型的外推预测精度。最后应用模型预测2019年1月至2019年5月的全国麻疹月发病数。结果 LSTM模型和最优模型ARIMA(0,1,1)(0,1,1)₁₂外推预测的均方根误差(RMSE)分别为0.25和1.54,平均绝对百分比误差(MAPE)分别为3.6%和18.7%,提示LSTM神经网络的外推预测精度优于ARIMA模...     

乘法季节回归求和移动平均模型在安徽省手足口病预测中的应用研究

目的探讨乘法季节回归求和移动平均模型(ARIMA)在安徽省手足口病发病预测中应用,为手足口病预防控制提供参考。方法根据2009-2014年安徽省手足口病的周发病数据,运用R 3.0.2软件拟合乘法季节性ARIMA模型,并对2015年1~52周发病数进行预测。结果安徽省手足口病预测中最优模型为ARIMA(1,1,1)(0,1,1)52模型,残差统计量检验差异无统计学意义(Box-Ljung=0.004,P=0.950),提示残差为白噪声,模型拟合值和实际值平均绝对误差率为11.32%,2015年1~52周预测值和实际值平均绝对误差率为25.10%。结论建立的乘法季节性ARIMA模型能较好地拟合安徽省手足口病变动趋势,模型预测效果较好,可用于安徽省手足口病短期预测。     

求和自回归移动平均模型在武汉市手足口病疫情预测预警中的应用

目的探讨自回归移动平均模型在手足口病预测预警中的应用。方法利用武汉市2009-2013年手足口病月发病率数据,拟合ARIMA模型,对武汉市2014年1~8月各月发病率进行预测。结果 ARIMA(1,0,0)×(1,1,0)12能很好的拟合武汉市手足口病发病情况,模型预测结果基本符合实际发病变动趋势。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,进行预测预警。     

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。     

基于时间序列模型的南京市建邺区手足口病发病趋势预测分析

目的采用时间序列分析方法中求和自回归移动平均(autoregressive integrated moving average model,ARIMA)模型对南京市建邺区手足口病月发病数进行预测,为制定手足口病预防控制策略提供参考依据。方法根据2009-2013年全区手足口病月报告发病数时间序列,以2014年1-8月的月发病数作为验证数据,建立辖区手足口病月发病数的ARIMA模型。结果建邺区手足口病月发病率模型为ARIMA(1,0,0)×(0,1,1)12,模型自回归参数AR1=0.569(t=5.030,P0.001),残差分析统计量经检验差异无统计学意义(Ljung-Box Q=13.296,P=0.651)。2014年1-8月实际值与预测值的最大相对误差36.78%,最小相对误差3.57%,平均相对误差16.32%。结论 ARIMA模型可以用于辖区中短期手足口病月发病数的预测,模型预测精度的提高有待数据的不断积累。     

SARIMA模型与SARIMA-GRNN组合模型在预测广东省登革热疫情中的应用

目的应用季节性差分自回归滑动平均(SARIMA)模型以及与广义回归神经网络的组合模型(SARIMAGRNN)预测广东省登革热的月发病数,比较其预测效果,为登革热的预测预警和防控提供科学依据。方法该研究使用广东省2004年1月至2012年12月登革热的逐月发病资料,分别构建两种模型,并使用2013年1月至12月的数据对模型进行预测验证。结果登革热疫情呈现明显的周期性和季节性,周期为1年,8~10月份为高发期,在爆发年份发病人数急剧增多。SARIMA(1,1,3)(1,1,0)12模型为SARIMA预测部分的最优模型;神经网络的最优光滑因子为0.04。两种模型对2013年疫情预测的均方根误差(RMSE)为SARIMA(105.76)SARIMA-GRNN(92.77),平均绝对百分比误差(MAPE)为SARIMA(2.78)SARIMA-GRNN(2.15),平均绝对误差(MAE)为SARIMA(64.75)GRNN-ARIMA(58),模型的决定系数(R2)为SARIMA(0.92)SARIMA-GRNN(0.95)。结论两种方法均有较佳的预测效果。在SARIMA模型的基础上,结合GRNN模型可进一步提高预测精度。     

GM(1,1)模型、ARIMA模型及其组合模型在病毒性甲型肝炎发病数中的预测效果比较

目的 探讨GM(1,1)模型、单纯自回归滑动平均(autoregressive integrated moving average,ARIMA)模型及其组成的2种组合模型在甲肝发病数预测中的应用。方法 利用某省2009年1月-2013年12月的甲肝逐月发病数作为拟合数据,以2014年1-12月的逐月发病数作为预测数据;分别建立GM(1,1)模型、ARIMA模型、GM(1,1)-ARIMA组合模型、变权组合模型,然后根据4个模型的平均绝对百分比误差(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)评价模型的效果。结果 GM(1,1)模型、ARIMA模型、GM(1,1)-ARIMA组合模型和变权组合模型的拟合、预测的MAPE、MER、MSE和MAE依次分别为20.01%,18.35%,115.98,10.96和28.79%,31.84%,32.96,8.01;21.35%,19.52%,120.75,11.66和32.41%,35.65%,36.18,8.97;17.20%,15.69%,88.07,9.07和31.17%,34.17%,34.57,8.60;18.82%,16.99%,107.82,10.15和19.19%,18.67%,20.74,4.70。结论 组合模型拟合及预测效果优于单一模型;变权组合模型为最优预测模型。     

湖南省手足口病发病趋势SARIMA模型预测

目的 建立湖南省手足口病发病趋势的SARIMA模型,为手足口病的预防和控制提供参考依据。方法 收集中国疾病预防控制信息系统2008年5月-2013年12月湖南省手足口病月发病率数据建模,以2014年1-7月的月发病率数据进行验证,并对2014年8月-2015年7月发病情况进行预测;应用SPSS 18.0中的"Define Dates"模块和"ForeCasting"模块进行分析,建立季节性差分自回归移动平均模型(SARIMA)。结果 湖南省手足口病月发病率发病趋势预测模型为SARIMA(1,0,0)(1,1,0)₁₂,模型自回归参数AR1=0.765,(t=8.789,P<0.001),残差为白噪声(Ljung-Box Q=15.420,P=0.494),预测值与实际值的相对误差范围为6.90%~46.31%,平均相对误差为20.37%;预测2014年发病率2次高峰分别在5月份和11月份,均高于2013年同月份的发病率;2015年上半年高峰期也在5月份,低于2014年同月份的发病率。结论 SARIMA(1,0,0)(1,1,0)₁₂拟合效果较好,可用于湖南省手足口病月发病率的短期预测。     

利用时间序列模型分析预测辽宁手足口病疫情趋势

目的探讨辽宁地区手足口病发病趋势特征,应用时间序列模型进行预测。方法收集辽宁省2008年1月-2013年12月的手足口病月发病数据建立时间序列,采用自回归移动平均季节乘积模型拟合发病情况,对2014年1月~12月的手足口病发病数进行预测,评价预测效果。结果建立SARIMA(0,1)×(1,1)模型,预测平均相对误差为21.58%,希尔不等系数为0.115236。结论辽宁地区手足口病疫情趋势平稳,呈现周期为12月的季节性波动,所建立的模型时防控工作具有指导意义。     

应用3种回归模型预测手足口病周发病数

目的 探索分析手足口病周数据的统计学方法,提升手足口病预测能力。方法 中国疾病预防控制信息系统导出2008年第1周至2014年第14周北京市通州区手足口病周发病数。采用SPSS 17.0 软件进行自回归、季节性自回归与混合Serfling 回归模型拟合。结果 自回归、季节性自回归、混合Serfling回归3种模型对2008年第1周至2014年第14周实际发病数进行拟合,回归方程R2分别是0.907、0.917、0.919,所得残差经Ljung-Box检验均是白噪声;以所得回归方程对2014年第15周至第38周实际发病数进行预测,3种模型的平均绝对百分比误差（MAPE）分别为:18.67%、18.43%、17.12%。 结论 混合Serfling回归模型预测效果最优。     

BSTS和SARIMA模型在河南省丙肝发病趋势预测中的性能比较研究

目的 探讨河南省丙肝疫情的时间序列特征,比较贝叶斯结构时间序列(BSTS)和季节性差分自回归滑动平均(SARIMA)模型在丙肝发病趋势预测中的性能。方法 收集2013年1月—2022年9月河南省丙肝发病数据,采用普雷斯科特(HP)和相乘季节分解法解析数据的周期和季节模式。使用2013年1月—2021年6月数据分别构建SARIMA和BSTS模型,2021年7月—2022年9月数据测试预测准确性。结果 2013—2022年河南省共报告丙肝267 968例,2月的季节因子最小(0.85),3月和4月的季节因子较大(分别为1.22和1.11)。BSTS模型预测的平均绝对误差(307.65)、平均绝对百分比误差(18.86%)、均方根误差(409.57)、平均误差率(0.17)、均方根百分比误差(0.27)均小于SARIMA模型(分别为469.29、27.80%、532.59、0.26、0.34),敏感性分析结果相似。使用BSTS模型预测2022年10月—2023年12月河南省丙肝发病总数为27 981(95%CI:14 729～41 612)例,月均发病数为1 865(95%CI:982～2 ...     

基于百度指数的ARDL模型在贵州省手足口病发病预测中的应用探讨

目的 以贵州省手足口实际发病数和百度指数的相关数据为基础，利用自回归分布滞后模型分析关键词百度指数与实际发病数的关系,并对模型的预测效果进行评价。方法 通过中国疾病预防控制信息系统收集贵州省2011年1月1日—2021年12月31日每周手足口病发病数据，同时从百度指数官网收集同期预先定义的手足口病相关关键词在贵州省范围内的百度指数，选取与手足口病实际发病数相关系数r>0.5的关键词纳入分析。以贵州省手足口病实际发病数和百度指数的相关数据为基础建立自回归分布滞后模型（ARDL），利用ARDL模型对未来发病数进行预测，评价该模型预测效果指标在新型冠状病毒爆发前后是否有差异以及模型远期预测效率的衰减程度。结果 最终筛选出“儿童手足口病”“手足口病吃什么药”“如何预防手足口病”“手足口病有什么症状”4个关键词。建立ARDL(2,5,1,0,0)模型，利用该模型对未来4周发病数进行预测，与实际发病数相比，发现预测效果较好（RMSE=234.42±118.95,F=1.762 1,P=0.209),模型预测能力不受年度变化影响，且预测效果不受新型冠状病毒爆发影响。结论 基于百度指数的ARDL...     

组合预测模型在丙型病毒性肝炎发病率预测中的应用

目的评价自回归滑动平均模型(ARIMA)、指数平滑模型和季节趋势模型的组合模型对丙型病毒性肝炎(丙肝)发病率预测的效果。方法利用荆州市2007年1月至2015年12月的丙肝逐月发病率作为拟合数据,以2016年1-12月的逐月发病率作为预测数据,分别建立ARIMA、指数平滑模型、季节趋势模型和组合模型,比较4个模型的平均绝对百分比误差(MAPE)、平均误差率(MER)、均方误差(MSE)和平均绝对误差(MAE)。结果 ARIMA模型、指数平滑模型、季节趋势模型和组合模型的拟合的MAPE、MER、MSE、MAE依次分别为18.355%、16.696%、2.417、0.182;15.670%、14.090%、2.047、0.152;15.657%、13.917%、1.974、0.151;15.336%、13.917%、2.016、0.151。4个模型预测的MAPE、MER、MSE、MAE依次分别为14.034%、15.001%、1.185、0.283;13.316%、14.184%、1.112、0.267;10.491%、10.865%、0.834、0.205;12.031%、12.776%、0.992、0.241。结论组合模型的拟合效果优于单一模型,预测效果优于或相当于单一模型。     

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。