ARIMA乘积季节模型在苏州市其他感染性腹泻发病预测中的应用

目的探讨自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型在苏州市其他感染性腹泻发病预测方面的应用。方法利用R软件对苏州市2004年1月—2015年12月的其他感染性腹泻发病率数据构建ARIMA乘积季节模型,预测苏州市2016年1—12月其他感染性腹泻发病率。结果建立了ARIMA(1,1,1)×(0,1,1)12乘积季节模型,模型Ljung-Box检验差异无统计学意义(Q=5.305,P=0.947),模型短期预测效果较好,2016年1—6月苏州市其他感染性腹泻发病率预测值与实际发病率进行比较,相对误差的平均值为0.041,实际发病率均在预测结果 95%可信区间内。结论 ARIMA(1,1,1)×(0,1,1)12季节乘积模型可用于苏州市其他感染性腹泻发病的短期预测。     

ARIMA乘积季节模型预测永嘉县其他感染性腹泻的流行

目的评估求和自回归移动平均(ARIMA)乘积季节模型预测其他感染性腹泻流行的可行性。方法利用2005—2014年永嘉县其他感染性腹泻的发病率数据,采用ARIMA模型结合随机季节模型的方法,建立预测其他感染性腹泻流行的ARIMA乘积季节模型,同时用2015年的数据做模型预测效果验证。结果根据模型拟合效果,模型ARIMA(1,1,1)(0,1,1)12的拟合效果为最优,其Ljung-Box检验值为7.796,BIC值为3.602,MAPE值为36.166%,表明模型拟合程度较好;该模型外推验证2015年发病率的预测效果较好,2015年各月发病率的实际值均落在该模型预测值95%可信区间内,且预测值与实际值间依时间变化的趋势也基本一致。结论ARIMA(1,1,1)(0,1,1)12模型能较好地预测永嘉县其他感染性腹泻的流行趋势,对该病的预警具有一定的价值。     

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模型在2004—2014年淮安市其他感染性腹泻流行病学特征及发病趋势预测中的应用

目的分析淮安市其他感染性腹泻的流行病学特征,并探讨ARIMA模型拟合淮安市其他感染性腹泻发病趋势预测的可行性。方法采用Excel 2003和Arc Gis 10对淮安市2004—2014年其他感染性腹泻的发病特征进行分析,应用EViews 5.0对月发病数进行拟合与预测。结果淮安市其他感染性腹泻的流行周期为3~5 a,10至11月份为每年的发病高峰;主城区的发病率高于其他地区;0~3岁的男童是高发人群;ARIMA(2,1,3)(1,1,1)12模型较好地拟合了淮安市其他感染性腹泻的月发病数列,预测效果良好。结论淮安市其他感染性腹泻发病具有周期性和季节性等特点,可以应用ARIMA模型进行短期预测,对开展预防控制措施具有指导意义。     

南昌市其他感染性腹泻ARIMA模型的建立及应用

目的 建立南昌市其他感染性腹泻的ARIMA模型,探讨ARIMA模型对南昌市其他感染性腹泻发病数预测的可行性.方法 利用Eviews软件对南昌市2007年1月～2011年6月其他感染性腹泻的发病数资料建立ARIMA模型,并对预测结果进行评价.结果 建立ARIMA(4,2,2)×(0,1,1)12模型,预测结果MAPE为15.56.结论 建立的ARIMA模型较好的反应了其他感染性腹泻的流行趋势,对其他感染性腹泻的防制有一定的借鉴意义.     

自回归积分滑动平均模型在杭州市上城区主要肠道传染病发病趋势的应用研究

目的了解杭州市上城区主要肠道传染病的流行特征,探讨应用为自回归积分滑动平均模型(ARIMA模型)预测其发病趋势的可行性和适用性。方法应用SPSS 20.0对2007-2016年杭州市上城区主要肠道传染病月发病数据建立ARIMA模型,以2017年1～12月的数据进行模型的验证,并外推2018年的发病趋势。结果 2007-2016年细菌性痢疾和其他感染性腹泻的发病趋势总体呈下降趋势。细菌性痢疾的预测模型为ARIMA (1,1,1)(1,1,0)12,其他感染性腹泻的预测模型为ARIMA (2,0,2)(1,1,1)12,拟合效果均较好。2018年杭州市上城区细菌性痢疾的发病有下降的趋势,其他感染性腹泻的发病有上升的趋势,但幅度不大。结论 ARIMA模型对杭州市上城区主要肠道传染病的发病趋势有较好的预测效果,可提供科学的防控依据。     

应用自回归移动平均模型乘积季节模型预测兰州市水相关疾病发病情况

目的探讨自回归移动平均模型(autoregressive integrated moving average model,ARIMA)乘积季节模型在水相关疾病发病率发病趋势预测中的应用,对兰州市水相关疾病发病情况进行预测。方法收集2006年1月—2014年12月水相关疾病发病率数据,利用R软件构建ARIMA乘积季节模型,利用2015—2017年实际发病率与模型拟合数据比较,评价模型的预测性能,并预测2015—2017年水相关疾病的发病率。结果在水相关疾病预测中建立ARIMA(2,0,1)×(2,0,0)_(12)乘积季节模型,Ljung-Box检验差异无统计学意义(Q=18.64,P=0.824),2015年—2017年兰州市常见水相关疾病实际发病率均在预测结果95%可信区间内,平均预测相对误差为5%。结论 ARIMA乘积季节模型可以较好的预测兰州市水相关疾病发病率的变化趋势,能够运用于水相关疾病发病趋势的预测及预警,为防控措施的制定提供参考。     

感染性腹泻病的气象预报模式的建立与验证

[目的]通过分析上海市感染性腹泻发病情况与气象要素的关系,建立感染性腹泻病的气象预报模式.[方法]收集上海市2002-2008年逐日感染性腹泻发病数和同期气象资料,分析气象因素与感染性腹泻发病的关系,采用时间序列的广义相加模型,建立感染性腹泻预测模型,利用2009-2010年逐日报告确诊的感染性腹泻病例和逐日气象数据检验模型的预测效果.根据验证结果,提出感染性腹泻病的预测预警应用. [结果]所建立的感染性腹泻预测模型对发病趋势拟合符合率为66.43％,对流行季节(5月至10月)拟合符合率为77.23％.形成腹泻指数并运用其开展相应的防病提示. [结论]感染性腹泻病的气象预报模式可较好地为上海市提供肠道传染病预警服务,为疾病预防控制部门传染病防控提供科学依据.     

ARIMA模型预测北京市密云区手足口病发病趋势

目的采用自回归移动平均(Autoregressive integrated moving average,ARIMA)模型对北京市密云区手足口病月发病率进行预测,为调整防控策略提供依据。方法应用ARIMA模型对北京市密云区2008年1月-2014年6月手足口病每月报告发病率进行拟合,以2014年7-12月的月发病率作为验证数据,用于评价该模型的预测效果。结果密云区手足口病月发病率的ARIMA模型为ARIMA(0,1,0)(0,1,1)12,模型的参数估计值为0.609,t=4.116,P=0.000,经检验参数有统计学意义。残差分析统计量经检验差异无统计学意义(Ljung-Box Q=16.690,P=0.476)。模型很好的拟合了既往时间段上的发病率序列,对2014年7-12月手足口病发病率的预测值符合实际发病率变动趋势。结论 ARIMA可用于手足口病月发病率的预测,预测和预警效果良好。     

应用ARIMA模型对呼吸系统疾病月住院量及住院费用的预测

目的应用自回归移动平均模型(autoregressive integrated moving average model,ARIMA)分析和预测上海市居民呼吸系统疾病月住院量及住院费用情况。方法通过对2005-2011年呼吸系统疾病逐月住院人数与费用数据建立ARIMA模型,利用该模型预测2012年1-12月的呼吸系统疾病住院量与住院费用,用平均预测相对误差作为预测效果的评价指标。结果 ARIMA(0,1,1)(0,1,1)12与ARIMA(0,1,1)模型是上海市居民呼吸系统疾病月住院量及住院费用的最优拟合预测模型,用该模型进行回代预测,预测值与实际值吻合程度较高。结论 ARIMA模型较好地模拟了上海市居民呼吸系统疾病月住院量及住院费用在时间序列上的变化趋势,预测结果可为今后呼吸系统疾病的预防和控制提供理论支持。     

基于SVM模型和ARIMA模型在拟合病毒性肝炎发病率中的应用

目的运用SVM和ARIMA方法对我国病毒性肝炎发病率进行预测,对拟合结果进行比较。为病毒性肝炎的预防提供科学依据。方法利用中国卫生统计年鉴1995-2014年的病毒性肝炎发病率数据分别建立SVM和ARIMA拟合模型,并对拟合效果进行比较。截取近年时序资料适当设置滑动窗口、映射关系和训练参数,借助MATLAB软件完成数据智能训练、仿真和预测;ARIMA法用于发病率序列拟合建模,借助SAS软件最优定阶识别、外推预测。结果病毒性肝炎发病率SVM模型和ARIMA模型SSE和MAPE分别为229、289,3.53%、3.86%。SVM模型拟合效果优于ARIMA模型,SVM模型预测2015-2017年病毒性肝炎预测发病率为(1/10万)分别为84.31、83.21、82.27。结论SVM法可用于时序建模,ARIMA法理论成熟且为经典方法。SVM模型拟合效果优于ARIMA模型,模型拟合要充分考虑数据特征。     

应用ARIMA模型对呼吸系统疾病月住院量及住院费用的预测北大核心CSCD

目的应用自回归移动平均模型(autoregressive integrated moving average model,ARIMA)分析和预测上海市居民呼吸系统疾病月住院量及住院费用情况。方法通过对2005-2011年呼吸系统疾病逐月住院人数与费用数据建立ARIMA模型,利用该模型预测2012年1-12月的呼吸系统疾病住院量与住院费用,用平均预测相对误差作为预测效果的评价指标。结果 ARIMA(0,1,1)(0,1,1)12与ARIMA(0,1,1)模型是上海市居民呼吸系统疾病月住院量及住院费用的最优拟合预测模型,用该模型进行回代预测,预测值与实际值吻合程度较高。结论 ARIMA模型较好地模拟了上海市居民呼吸系统疾病月住院量及住院费用在时间序列上的变化趋势,预测结果可为今后呼吸系统疾病的预防和控制提供理论支持。     

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。     

单一ARIMA模型和联合模型比较预测辽宁省感染性腹泻疫情

目的联合运用乘积季节自回归积分滑动平均模型(autoregressive integrated moving average model,ARIMA)联合季节变动模型和单一ARIMA模型对感染性腹泻发病数据建模,预测辽宁省2014年1—6月感染性腹泻疫情,为预防控制工作提供依据。方法对辽宁省2009—2013年感染性腹泻月发病数通过SPSS软件进行建模,比较联合模型和单一模型的预测效果。结果对感染性腹泻的季节性时间序列建立ARIMA(0,1,1)(1,1,0)12模型,与季节变动的测定进行联合,联合模型相对误差率为6.05%,单一ARIMA模型相对误差率为17.89%,联合应用上述模型的预测效果优于单一模型。应用联合模型对2014年1—6月感染性腹泻发病数进行短期预测,预测相对误差率分别为-2.15%、0.21%、-7.06%、-4.91%、12.79%和9.14%。结论联合模型效果优于单一ARIMA乘积季节模型,可用于感染性腹泻的短期预测,且效果较好。     

基于ARIMA模型的洛阳市手足口病发病率预测

目的建立洛阳市手足口病发病率的自回归积分移动平均(ARIMA)模型,并对洛阳市手足口病的发病率进行预测。方法以2009-2017年洛阳市手足口病发病率数据为基础建立ARIMA模型,并用2018年1月至5月的实际发病率进行验证,评价模型的拟合效果,利用最优模型预测2018年6月至12月洛阳市手足口病发病率。结果在本次研究中建立的ARIMA最优模型为ARIMA(2,0,0)(0,1,1)12,参数均有统计学意义(P 0. 05),拟合优度检验BIC最小为3. 563,残差序列为白噪声(Ljung-Box Q=13. 962,P=0. 528),拟合效果较好。预测出洛阳市2018年6-12月手足口病平均月发病率为13. 16/10万,与2017年同期相比略高。结论 ARIMA(2,0,0)(0,1,1)12模型拟合洛阳市手足口病发病率序列效果较好,可用于在短期上对洛阳市手足口病发病趋势进行预测。     

ARIMA模型在安徽省流行性感冒发病预测中的应用

目的探讨ARIMA模型在安徽省流感发病预测应用中的可行性并开展预测,为流感的防控提供理论依据。方法收集安徽省2005-2012年流感发病资料建立数据库,运用SPSS 13.0对逐月发病率进行ARIMA建模与拟合,在数据平稳化、定阶和参数估计后,建立ARIMA数学模型,并利用模型对2013年发病情况开展预测。结果建立ARIMA(2,2,1)(2,2,0)12模型,预测结果符合实际发病趋势,该模型具有实用性。结论 ARIMA模型可用于流感发病率在短期内变化趋势的拟合与预测。     

突发公共卫生应急响应对其他感染性腹泻的预防保护作用

目的了解突发公共卫生应急响应对其他感染性腹泻发病的预防保护作用。方法选取《中国疾病预防控制信息系统》中杭州市上城区2010—2021年其他感染性腹泻报告数据, 使用圆形分布法对上城区2010—2019年5岁以下和5岁及以上群体其他感染性腹泻发病时间聚集性进行分析。运用描述性流行病学法分析2020—2021年突发公共卫生应急响应状态下上城区5岁以下和5岁及以上群体其他感染性腹泻发病高峰变化。根据2010—2019年发病数据构建最优求和自回归移动平均(ARIMA)乘积季节模型对上城区2020年非应急响应状态下其他感染性腹泻发病情况进行预测, 将预测结果与2020年同期真实发病数据进行比较。结果 2010—2019年, 上城区5岁以下和5岁及以上群体其他感染性腹泻发病均为单峰分布, 高峰日期分别为12月17日和7月28日。2020—2021年COVID-19疫情突发公共卫生应急响应后, 5岁及以上群体发病无明显高峰, 5岁以下儿童发病高峰较往年明显推迟。最优ARIMA模型分析显示, 2020年5岁以下和5岁及以上群体其他感染性腹泻实际发病率较预测发病率分别下降63.76%和41.74%。结论...     

GM(1,1)灰色模型和ARIMA模型在上海市手足口病发病率预测应用中的比较研究

目的分别采用求和自回归滑动平均模型(autoregressive integrated moving average,ARIMA)和灰色模型GM(1,1)(grey model,GM(1,1))对上海市手足口病的发病率进行预测,并比较两者的预测效果。方法采用2005-2008年上海市手足口病的月发病率和年发病率分别建立ARIMA模型和GM(1,1)模型,并使用2009年的实际年发病率验证两种模型拟合和预测效果。选取相对误差最小的模型预测2011-2012年的发病率。结果 针对手足口病发病率建立的GM(1,1)模型和ARIMA模型,2005-2008年的拟合平均误差率分别为11.06%和10.54%;对2009年进行预测,预测值与实测值的相对误差分别为69.30%和6.51%。采用ARIMA模型对2011年和2012年的年发病率预测为255.32/10万和294.59/10万。结论 ARIMA模型对上海市手足口病的预测效果要优于灰色模型GM(1,1),对解决时间序列类型的发病率等资料有很好的实用价值,预测结果对该病的防治具有科学意义。     

上海市痢疾发病率预测自回归求和移动平均模型的构建与应用

目的 探讨构建并应用自回归求和移动平均(autoregressive integrated moving average,ARIMA)模型预测上海市痢疾发病率的可行性.方法 基于1990-2007年上海的逐月痢疾发病率,采用非条件最小二乘法估计模型参数,按照残差不相关原则与简洁原则确定模型结构,依据赤池信息准则(Akaike information criterion,AIC)及许瓦兹贝叶斯准则(Schwarz Bayesian criterion,SBC)确定模型的拟合优度,建立预测上海痢疾发病率的最优ARIMA模型.用所得模型预测上海2008年的痢疾发病率,比较预测值与实际值的差异;再以1990年1月至2009年6月的数据构建模型预测上海2010年的痢疾发病率.结果 模型ARIMA(1,1,1)(0,1,2)_(12)较好拟合了既往时间段痢疾发病率的时间序列,模型自回归参数(AR1=0.443)、移动平均参数(MA1=0.806)与季节移动平均参数(SMA1=0.543、SMA2=0.321)均有统计学意义(P<0.01),AIC值=2.878,SBC值=16.131,模型残差为白噪声,模型数学函数式为(1-0.443B)(1-B)(1-B~(12))Z_t=(1-0.806B)(1-0.543B~(12))(1-0.321B~(2×12)μ_t.2008年逐月痢疾发病率的预测值符合实际值的变动趋势,全年发病率预测值与实际值的相对误差率为6.78%.预测2010年上海市痢疾发病率为9.390/10万.结论 ARIMA模型可以较好地拟合上海市痢疾发病率的时间变化趋势,并可用于预测未来的痢疾发病率,是一种短期预测精度较高的预测模型.     

应用Python编程语言构建宁波市水痘发病率预测的季节性ARIMA模型

目的 构建水痘发病率预测的季节性求和自回归移动平均(Autoregressive integrated moving average, ARIMA)模型。方法 通过中国疾病预防控制信息系统收集宁波市2008年1月-2021年5月各月水痘发病率数据,按照AIC和BIC准则拟合最优的季节性ARIMA(p, d,q)×(P,D,Q)s模型,对模型进行参数估计,对2021年6-12月各月水痘发病率进行预测。结果 2008年1月-2021年5月宁波市水痘报告发病率总体呈上升趋势,其中2008年1月-2013年12月呈快速上升趋势,2014年1月-2019年12月呈缓慢上升趋势。拟合的最优模型为季节性ARIMA(1,1,2)×(1,1,1)12,AIC和BIC值分别为464.7和575.7,模型残差经Ljung-Box检验为白噪音(P=0.94),2010年1月-2021年5月水痘报告发病率的模型预测值与实际发病率流行趋势一致,模型拟合效果较好。模型预测2021年6-12月的水痘发病高峰为10-12月。结论 拟合的季节性ARIMA(1,1,2)×(1,1,1)12模型能较好地预测宁波市水痘发病率趋...