湖北省麻城市自杀死亡水平灰色模型分析

自杀是一个重要的公共卫生问题,严重影响着经济和社会的发展.据调查,全球每年约有近100万人死于自杀,是世界许多国家的前10位死因之一^[1],中国的自杀死亡率为23/10万,居中国人群死因顺位的第5位,是15～34岁人群的首要死亡原因^[2].     

江苏省乙型肝炎流行趋势的时间序列分析及预测

目的：利用拟合ARIMA模型对江苏省乙肝发病趋势进行时间序列分析和预测,为制定乙肝防治策略提供科学依据。方法：收集江苏省2000年～2009年乙肝月发病率资料,通过SPSS13.0软件拟合ARIMA模型。结果：最终拟合为ARIMA（0,1,2）（0,1,1）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8.26%。结论：江苏省乙肝发病具有逐渐下降的长期趋势,说明乙肝防治卓有成效。2000年以来乙肝月发病率时间序列还有明显的周期性波动特征,其原因有待于进一步研究。2010年预测结果提示需调整本省乙肝防治策略。     

时间序列模型在传染病发病率预测中的应用

本文运用时间序列分析中被广泛应用的ARIMA模型对东风汽车公司1986～2002年的法定传染病月发病率进行拟合,并探讨使用此模型进行发病率预测的可行性,为传染病监测和防治提供帮助.     

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。     

深圳市肾综合征出血热时间序列预测分析

目的利用拟合ARIMA模型对深圳市肾综合征出血热(HFRS)的发病趋势进行时间序列分析和预测,为制定HFRS防治策略提供科学依据。方法收集深圳市2005—2014年HFRS季度发病资料,通过SPSS 19.0软件拟合ARIMA模型,预测2015年各季度的发病数。结果最终拟合为ARIMA(0,0,0)(0,1,1)4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28.6%。2015年各季度HFRS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HFRS的发病趋势。     

成都市人口死亡率时间序列分析与预测

目的采用时间序列分析和预测成都市人口死亡率的动态发展趋势,建立时间序列模型,考察模型的应用效果并做出预测。方法利用时间序列自相关系数和偏相关系数识别模型,采用最小二乘法估计模型参数,用Box-Ljung统计量评价ARIMA模型的拟和度,用平均预测相对误差作为预测效果的评价指标。结果建立乘积ARIAM(0,1,1)(0,1,1)12模型,模型平均绝对百分误差MAPE=8.50%。成都市人口死亡率自2000年逐渐下降,预计序列后2年将继续呈现下降趋势。结论所运用的时间序列分析和预测模型拟合效果较好,可应用于疾病发病和死亡动态变化规律的分析和其未来发展趋势的预测、预报。     

时间序列分析在麻疹疫情预测预警中的应用研究

目的研究时间序列分析在传染病疫情预测预警中的应用,并探讨提高模型预测准确性和实用性的思路。方法以1952年1月至2006年12月江苏省麻疹发病资料建立时间序列分析模型,以2007年的发病资料作为模型预测效果的考核样本,然后将2007年的实际数据加入到原始序列中建立模型用2008年的数据来考核,并对以年为单位的发病资料进行分析和讨论。先采用差分方法对序列资料进行平稳化,然后进行定阶并估计参数,建立ARIMA模型,最后对预测结果进行分析和评价,探讨对疫情进行预警的方法和思路。结果江苏省麻疹的发病趋势自2006年明显上升之后保持平稳,但有小幅波动,这与实际情况吻合。检验表明模型结果具有较好的参考价值。结论用时间序列分析对传染病发病情况的拟合结果满意,预测和预警效果良好,为传染病防治提供了依据。     

ARIMA模型和Holt-Winters指数平滑法在自杀死亡中的预测效果比较

目的 探讨比较自回归求和滑动平均(autoregressive integrated moving average,ARIMA)模型和Holt-Winters指数平滑法在自杀死亡预测中的应用.方法 利用河北省2014年1月-2018年6月自杀月度死亡资料分别建立ARIMA模型和Holt-Winters指数平滑模型,对2...     

基于ARIMA时间序列模型的我国艾滋病发病人数预测

目的：分析我国2004—2020年艾滋病发病人数、死亡人数以及发病率和死亡率,并通过建立时间序列模型,对我国艾滋病发病人数进行预测,提出应对策略,为艾滋病科学防治提供借鉴和参考。方法：根据2004—2020年国家卫生健康委《全国法定传染病疫情概况》整理艾滋病发病人数和死亡人数数据,利用SPSS 26.0软件建立ARIMA时间序列模型进行预测,并与实际发病人数进行比较。结果：2020年,我国艾滋病发病人数为62 167人,死亡18 819人,发病率为4.428 3/10万,死亡率1.340 5/10万。根据艾滋病发病人数建立的最优时间序列模型为ARIMA (0,1,0),预测数据的平均准确度为90.03%。结论：ARIMA时间序列模型能较好地拟合艾滋病的发病趋势,目前我国艾滋病虽然处于低流行阶段,但是发病人数逐年增加,防治形势依然严峻。应当加强针对艾滋病的宣传教育,提升艾滋病患者的社会支持,积极构建政府领导、部门负责、全社会共同参与的艾滋病防治格局,从而预防、减少艾滋病传播。     

基于小波分析的手足口病时间序列预测

目的 构建基于小波分析的自回归移动平均(ARIMA)模型预测手足口病流行,提高预测精度.方法 使用2010-2015年郑州市疾控中心手足口病监测数据,构建基于小波分析的ARIMA模型进行预测,用2016年数据进行验证,并与单纯的ARIMA模型进行比较.结果 构建的基于小波分解一层的ARIMA模型为ARIMA(0,1,3...     

时间序列分析法在传染病发病率预测中的应用

目的探讨时间序列分析法在乙类传染病发病率预测中的应用,为制定辖区传染病防控策略提供依据。方法用深圳市宝安区沙井街道2006年1月至2019年12月的乙类传染病月发病率数据,建立自回归移动平均模型(ARIMA)并验证模型的预测效果。结果建立的ARIMA(2,1,1)模型预测效果较好,实际值均在预测值的95%可信区间内,对2020年1～6月乙类传染病发病率的预测值基本符合实际变动趋势。结论 ARIMA模型能较好地模拟短期内乙类传染病发病率的变动趋势。     

南通市流感样病例时间序列分析及发病趋势的 预测研究

摘要:目的　探讨时间序列分析中的自回归求积移动平均模型（ARIMA）在南通市流感样病例（ILI）发病趋势预测中的应用。方法　收集“中国疾病预防控制系统”中2009年7月-2013年11月共238周流感样病例的发病监测数据,建立时间序列数据库,对每周流感样病例的发病人数进行ARIMA模型拟合,利用模型对2009年7月-2013年11月的周数据进行外部预测,并对2014年2月-2014年3月各周的流感样病例的发病情况进行前瞻性预测。结果　构建流感样病例周发病数的ARIMA（1,1,1）模型为（1-0.806B2）（1-B）lnXt＝（1-0.958B2）∝t,其中B代表后移算子,Xt代表ILI周发病数,εt为随机误差。外部预测的预测值和实际值基本相符,相对误差较小。前瞻性预测结果符合流感样病例的流行特征。结论　该模型能较好的模拟并预测南通市流感样病例的发病趋势。     

宁波市镇海区伤寒疫情ARIMA时间序列模型分析

时间序列分析是专门用于分析时间序列资料的统计模型。它考虑的不是变量间的因果关系，而是重点考察变量在时间方面的发展变化规律，并为之建立数学模型。时间序列分析法中又有指数平滑法、自回归线性模型、ARIMA模型和季节解构。这四种方法各有其特点，比较常用的就是ARIMA模型，对于这种预测方法在疾病预防控制中有广泛的用途。     

基于Prophet等时间序列季节模型的肺结核发病预测及对比分析

目的 探索河南省2014—2019年肺结核发病趋势及季节性特征,比较Prophet模型、ARIMA季节模型和Holt-Winters模型的拟合及预测效果,为肺结核防控提供科学依据。方法 基于河南省2014年1月至2018年12月肺结核月发病数据,建立Prophet模型、ARIMA季节模型和Holt-Winters模型,采用2019年1月至12月肺结核月报告发病数据验证预测效果。评价指标选取均方根误差（RMSE）、平均绝对百分比误差（MAPE）、平均绝对误差（MAE）、平均置信区间宽度、真实值超出置信区间个数。结果 模型拟合结果显示,河南省肺结核发病呈逐年下降趋势,每年3—5月达到发病高峰,2月和10月出现低谷;Prophet模型拟合及预测表现最优,评价指标RMSE、MAPE、MAE、平均置信区间宽度均低于另外两个模型,Holt-Winters模型次之,ARIMA(0,1,1)×(0,1,1)12模型拟合及预测效果相对较差。结论 Prophet模型具有较高的拟合预测准确度和精确度,可以很好地捕捉河南省肺结核发病趋势,模型拟合结果对肺结核防控工作具有一定指导意义。     

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。     

时间序列分析法在香港结核病预测中的应用

目的 阐述ARIMA模型拟合时间序列的方法和步骤,并将其应用于结核病的预测,为传染病预警系统提供决策依据.方法 利用SPSS统计软件对香港1997年到2008年结核病数据进行基本趋势分析并检验数据的平稳性,对平稳处理后的时间序列构建ARIMA模型,并对所建立的模型进行相关性检验,预测出未来一年的数据.结果 通过对结核病的预测,相对误差在3％左右,预测效果较为可靠.结论 在结核病的近期预测中引入时间序列的ARIMA模型分析方法,能够对结核病的预测产生积极的指导意义.     

随机时间序列分析法在传染病预测中的应用

目的阐述ARIMA模型拟合时间序列的方法和步骤,并将其应用于乙型肝炎的预测,为传染病预警系统提供决策依据。方法利用SPSS统计软件求解适宜的ARIMA模型,据所得误差评价预测效果。结果通过对乙型肝炎发病率的预测,相对误差在15%左右,预测效果较为可靠。结论在乙型肝炎的近期预测中引入时间序列的ARIMA模型分析方法,能够对传染病的预测产生积极的指导意义。     

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。     

应用ARIMA模型对麻疹发病的预测及分析

目的 应用ARIMA模型对麻疹发病数预测并探讨其可行性,为防控麻疹疫情提供依据。 方法 采用SPSS17.0对乌鲁木齐市2009-2015年麻疹月发病数的资料建立ARIMA模型,并预测2016年麻疹月发病数。 结果 建立模型ARIMA(0,0,1)(1,1,0)₁₂是合适的,且模型检验自相关系数在±0.5之间,预测值与实际值有较高的吻合度。 结论 ARIMA模型能很好的拟合乌鲁木齐市麻疹发病数趋势,预测效果可靠。     

时间序列分析在其它感染性腹泻预测预警中的应用

目的:应用时间序列分解法分析其它感染性腹泻的季节性和应用ARIMA模型进行预测预警,为德清县其它感染性腹泻防治提供参考依据。方法:应用Excel2010软件计算2004年-2011年德清其它感染性腹泻季节性因素Si;用SPSS19.0软件对2004年-2010年德清县其它感染性腹泻拟合构建最佳ARIMA模型,并计算95%和90%预测值可信区间,所得到的模型对2011年发病数进行预测预警,并与实际值进行比较。结果:其它感染性腹泻存在明显的季节性,发病高峰为11月,次高为7月;ARIMA(1,0,0)(0,1,1)12模型拟合效果总体较好,实际值基本在预测值的95%可信区间范围内,但有3个月实际发病数超过预测值90%可信区间上限。结论:时间序列分解法可以分析其它感染性腹泻发病季节性;ARIMA模型能够运用于其它感染性腹泻发病趋势的预测预警,预测值90%可信区间上限可以作为预警限值。