四种模型在驻苏部队肺结核发病率预测中的比较研究

目的评估ARIMA模型、指数平滑模型、GM(1,1)模型及指数曲线模型在肺结核发病预测中的运用效果,为遴选适宜的预测措施提供参考。方法使用驻苏部队人群2005-2016年肺结核报告发病数据构建模型,评估拟合效果。结果 ARIMA模型、指数平滑模型能够预测肺结核月发病趋势,拟合的平均误差率(MER)分别为9.35%、10.28%,决定系数(R~2)分别为0.81、0.80;ARIMA模型能够预测肺结核季度发病趋势,拟合的MER、R~2分别为5.48%、0.73,而指数平滑模型无效;GM(1,1)模型、指数曲线模型有效,能够预测肺结核年度发病趋势,拟合的MER分别为1.47%、1.80%,R~2分别为0.98、0.97。结论 ARIMA模型拟合效果和预测准确性相对较好。GM(1,1)模型、指数曲线模型对年发病率呈线性下降趋势的肺结核,拟合效果和预测准确性均良好。2017年驻苏部队肺结核发病率呈稳中有降趋势。     

ARIMA模型与灰色系统GM(1,1)模型在长沙市艾滋病发病率预测中的效果比较

目的利用ARIMA模型和GM(1,1)模型对长沙市艾滋病发病率进行模拟预测并对预测效果进行比较。方法收集长沙市2006—2016年艾滋病的发病资料,分别建立自回归滑动平均模型(ARIMA)及灰色系统GM(1,1)模型,进行回代拟合,并预测2017和2018年艾滋病的发病率,同时比较2种模型的拟合与预测效果。结果 ARIMA(1,1,1)模型预测出2017和2018年长沙市艾滋病发病率分别为6.19/10万、8.19/10万;GM(1,1)模型预测出2017年和2018年长沙市艾滋病发病率为6.39/10万和8.16/10万。结论 ARIMA模型及GM(1,1)模型的拟合结果均与长沙市艾滋病发病趋势相同,ARIMA模型对2006—2016年长沙市艾滋病发病率的预测效果较GM(1,1)模型好,预测准确度P高于GM(1,1)模型,平均绝对误差MAE小于GM(1,1)模型     

GM(1,1)灰色预测模型和ARIMA模型在拟合山东省心脑血管疾病死亡率中的应用

目的 运用GM(1,1)灰色模型和ARIMA模型对山东省心脑血管疾病死亡率进行拟合,对拟合结果行进比较。为心脑血管疾病预防提供科学依据。 方法 利用山东省全人群监测点2002-2014年心脑血管疾病死亡率数据分别建立GM(1,1)灰色模型和ARIMA模型,对建立的模型进行拟合,同时运用该模型对2015-2017年心脑血管疾病死亡率进行预测。两种模型拟合评价指标为误差平方和（SSE）、平均绝对百分误差(MAPE)两个指标。 结果 心脑血管疾病死亡率GM(1,1)灰色模型和ARIMA模型SSE和MAPE分别为1236、1189和2.75%、2.73%。2015-2017年心脑血管疾病预测死亡率（1/10万）分别为340.56、349.80、359.03。 结论 心脑血管疾病死亡率呈波动性上升趋势。ARIMA模型拟合效果优于GM(1,1),模型拟合要充分考虑数据特征。     

三种时间序列模型在盐城市肾综合征出血热发病预测应用中的比较研究

目的比较GM(1,1)灰色模型、求和自回归滑动平均ARIMA模型和神经网络GRNN模型预测盐城市肾综合症出血热(HFRS)发病率的效果,探索最优预测模型。方法利用2005-2015年盐城市HFRS发病率建立GM(1,1)模型、GM(1,1)-GRNN模型、ARIMA模型和ARIMA-GRNN模型,比较模型的拟合效果。根据2016年HFRS发病率比较各模型的预测效果,确定最优模型,并预测2017-2018年HFRS发病率。结果 GM(1,1)模型、GM(1,1)-GRNN模型、ARIMA模型和ARIMA-GRNN模型拟合值相对误差分别为13.364%、2.033%、21.150%和16.519%,预测值相对误差分别为16.350%、10.773%、10.820%和0.018%。采用最优模型ARIMA-GRNN模型预测2017和2018年盐城市HFRS发病率分别为0.859/10~5和0.853/10~5。结论从模型整体拟合预测效果综合考虑,利用ARIMA-GRNN组合模型预测盐城市HFRS发病情况能够取得更好的效果,预测结果可对该病的防控提供数据支撑。     

灰色模型GM(1,1)和ARIMA在拟合全国婴儿、5岁以下儿童死亡率中的应用

目的比较分析灰色模型GM(1,1)、ARIMA模型在全国婴儿死亡率(IMR)和5岁以下儿童死亡率(U5MR)拟合过程中的适用性,为儿童保健工作提供科学依据。方法以1991-2012年全国IMR、U5MR为原始资料,统一运用SAS分析软件。采用灰色模型GM(1,1)和ARIMA模型进行拟合分析,分别计算各模型拟合MPE、MAPE值,比较各模型的适用性和精确性。结果婴儿死亡率GM(1,1)和ARIMA模型MPE分别为0.32、1.18,MAPE分别为3.09%、5.34%;5岁以下儿童死亡率GM(1,1)和ARIMA模型MPE分别为0.57、0.89,MAPE分别为3.11%、4.33%。结论 GM(1,1)模型对儿童保健指标拟合效果优于ARIMA模型,模型拟合要充分考虑数据特征。     

灰色模型GM(1,1)和ARIMA在拟合全国婴儿、5岁以下儿童死亡率中的应用北大核心CSCD

目的比较分析灰色模型GM(1,1)、ARIMA模型在全国婴儿死亡率(IMR)和5岁以下儿童死亡率(U5MR)拟合过程中的适用性,为儿童保健工作提供科学依据。方法以1991-2012年全国IMR、U5MR为原始资料,统一运用SAS分析软件。采用灰色模型GM(1,1)和ARIMA模型进行拟合分析,分别计算各模型拟合MPE、MAPE值,比较各模型的适用性和精确性。结果婴儿死亡率GM(1,1)和ARIMA模型MPE分别为0.32、1.18,MAPE分别为3.09%、5.34%;5岁以下儿童死亡率GM(1,1)和ARIMA模型MPE分别为0.57、0.89,MAPE分别为3.11%、4.33%。结论 GM(1,1)模型对儿童保健指标拟合效果优于ARIMA模型,模型拟合要充分考虑数据特征。     

ARIMA模型与GM(1,1)模型在痢疾发病数预测中的比较研究

目的 分别应用求和自回归滑动平均模型(autoregressive integrated moving average model, ARIMA)和灰色模型(gray forecast model)GM(1,1)对湖北省痢疾发病数进行预测,比较两种方法的预测效果,为选择更适宜的方法提供依据。方法 分别应用2001－2015年月发病数及年发病数建立ARIMA模型和GM(1,1)模型,用平均误差率(mean error rate,MER)和决定系数(coefficient of determination,R²)评价拟合效果,并采用2016年实际发病数验证预测效果,选择准确性更高的模型对2017－2018年发病数进行预测。结果 建立的ARIMA模型为SARIMA(1,0,0)(0,1,1)₁₂,GM(1,1)模型为(t+1)=-274 126.038e^{-0.067 467t}+293 275.08,两模型的平均误差率(mean error rate,MER)分别为3.55%和14.78%;决定系数(R²)分别为0.993和0.960,2016年实际发病数与两模型预测发病数的残差分别为635和3 240;相对误差分别为16.54%和84.38%,综合考虑各项评价指标采用ARIMA模型对2017－2018年发病数进行预测分别为4 286和4 011。结论 通过拟合及预测评价指标的比较ARIMA模型均优于GM(1,1)模型,可得ARIMA模型对湖北省痢疾发病数的预测比GM(1,1)模型有较明显的优势,能更准确的处理时间序列类型的资料,此预测结果准确具有实用价值,可为卫生防治工作提供依据。     

ARIMA乘积季节模型在郑州市肺结核月发病趋势预测中的应用

目的建立郑州市近年肺结核月发病的ARIMA乘积季节模型(SARIMA)并进行预测,探讨该模型在郑州市肺结核早期预测预警中的可行性。方法以郑州市2011-2018年肺结核月发病数为基础,建立适合郑州市肺结核ARIMA乘积季节模型,利用R语言的auto.arima()代码自动得到最优模型后对2019年肺结核发病数进行预测。结果构建的郑州市肺结核月发病预测模型为ARIMA(2,0,0)(0,1,1)_(12),模型参数均有统计学意义(P0.05),模型拟合优度AIC=78.45,BIC=94.04,残差序列为白噪声(Ljung-Box testQ=17.285,P=0.3674),2019年1-12月实际值与拟合值的动态趋势高度吻合。结论本研究建立的ARIMA(2,0,0)(0,1,1)_(12)可用于郑州市肺结核月发病的早期预测。     

中国肺结核发病趋势的ARIMA乘积季节模型构建

目的 根据我国肺结核发病趋势和流行病学特征,建立ARIMA乘积季节模型并进行预测.方法 采用SPSS 25.0软件,对2004-2018年肺结核发病月度数据建模,预测2019年各月发病数,并与实际数据对比,分析预测效果.结果 构建的ARIMA(2,1,0)(2,1,1)12模型的拟合系数R2=0.762,拟合度较高,残...     

ARIMA乘积季节模型和LSTM深度神经网络对石家庄市手足口病疫情预测效果的比较

  目的   运用自回归移动平均(autoregressive integrated moving average model, ARIMA)乘积季节模型和长期短期记忆网络(long short term memory, LSTM)对石家庄市手足口病(hand, foot and mouth disease, HFMD)的发病趋势进行预测, 为疫情防控工作提供理论依据。   方法   利用Eviews 8.0和python 3.7.1软件对2013年1月-2018年5月石家庄市HFMD逐月发病数据分别建立ARIMA乘积季节模型和LSTM神经网络, 以2018年6月-2019年5月的发病资料检验模型预测精度, 最后应用模型预测2019年6月-2019年8月的月发病数。   结果   最优模型ARIMA(1, 0, 0)×(1, 1, 2)₁₂和LSTM神经网络外推预测2018年6月-12月的MAPE分别为22.14和10.03, 而外推预测2018年6月至2019年5月的MAPE分别为43.84和25.26, 提示LSTM神经网络的拟合效果和预测精度优于ARIMA模型, 预测结果与实际情况基本一致。   结论   LSTM神经网络对石家庄市HFMD发病趋势的拟合度和预测效果较好, 能够为手足口病疫情的预测预警工作提供指导。     

ARIMA模型与灰色预测模型GM(1,1)在HIV感染人数预测中的应用

目的比较ARIMA模型（autoregressive integrated moving average model,ARIMA）与灰色预测模型[gray forecast model,GM（1,1）]在艾滋病感染人数预测上的有效性。方法以安徽省芜湖市2005-2011年疫情资料为基础,分别使用月发病人数及年度发病人数建立ARIMA模型及GM（1,1）模型,通过预测结果与实际值的对比来比较两模型的应用效果。结果 ARIMA模型及GM（1,1）模型的拟合结果均与芜湖市艾滋病发病趋势相一致,ARIMA模型的平均误差率稍高于GM（1,1）模型。结论在对无周期性的艾滋病疫情数据进行预测时,ARIMA模型的预测优势不能得到充分体现,从而使ARIMA模型的平均误差率稍高于GM（1,1）模型,因此在进行传染病及疾病预测时,应综合考虑和比较多种模型的预测效果,选择适合本地区的预测模型进行预测,且应不断补充新的数据对模型进行修正或重新拟合,才能达到有效预测的目的。     

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。     

两种预测模型在ESBLs肺炎克雷伯菌流行趋势预测中的应用

目的通过运用2010年-2016年的既往监测数据分析和比较指数平滑法与求和自回归移动平均(ARI-MA)乘积季节模型对产超广谱β-内酰胺酶(ESBLs)肺炎克雷伯菌检出人数的预测效能,分析与预测产ESBLs肺炎克雷伯菌的流行趋势。方法使用浙江某医院2010年1月-2015年12月的产ESBLs肺炎克雷伯菌的月度监测数据,分别建立ARIMA模型与指数平滑法,以平均绝对百分误差(MAPE)及贝叶斯信息准则(BIC)作为评价指标评价模型的可行性。以2016年1-12月产ESBLs肺炎克雷伯菌的检出人数作为预测模型的样本数据以验证模型的预测效果。结果 ARIMA乘积季节模型筛选出的最优模型为ARIMA(0,1,1)(2,1,0)12,模型的MAPE为44.92,BIC为3.63,平均预测误差为14.34%。指数平滑法所筛选出的最优模型为简单季节模型,模型的MAPE为37.03,BIC为3.00,平均预测误差为17.65%。结论同简单季节模型相比,ARIMA乘积季节模型对该院既往监测数据拟合效果更为理想,预测精度更高,可用于预测产ESBLs肺炎克雷伯菌感染情况的预测和预警。     

基于ARIMA乘积季节模型预测产超广谱β-内酰胺酶大肠埃希菌流行趋势研究

目的利用产超广谱β-内酰胺酶(ESBLs)大肠埃希菌监测数据建立求和自回归移动平均(ARIMA)乘积季节模型,分析并预测ESBLs大肠埃希菌流行趋势。方法使用2010—2016年浙江医院产ESBLs大肠埃希菌感染的逐月检出例数拟合ARIMA乘积季节模型,以平均绝对百分误差(MAPE)及贝叶斯信息准则(BIC)评价模型的可行性。以2017—2018年2月产ESBLs大肠埃希菌感染的逐月检出例数作为评估模型的样本,验证模型的预测效果。结果筛选出的最优模型为ARIMA(0,1,1)(0,1,1)12,MAPE为14.76,BIC为2.01,模型残差序列的Ljung-Box统计量Q=16.79(P=0.40),模型拟合良好。所选模型预测的2017—2018年2月产ESBLs大肠埃希菌感染检出例数与实际值的平均相对误差为14.08%,实际值均在预测值95%CI内。结论 ARIMA乘积季节模型对产ESBLs大肠埃希菌感染检出例数的拟合情况较好,可用于产ESBLs大肠埃希菌感染的短期预测和动态分析。     

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。     

季节因素修正后GM(1,1)模型在上海市PM2.5浓度预测中的应用

目的 根据上海市2015年至今PM_2.5月均浓度数据进行建模预测，以期为PM_2.5预测研究方法提供新思路。方法 将季节性影响因素引入灰色预测模型(grey model, GM),建立季节因素修正后GM(1,1)模型，与传统季节性自回归积分滑动平均模型(autoregressive integrated moving average model, ARIMA)比较，选择2015—2021年数据进行建模预测，将2022年1～10月数据作为验证集进行预测效果评价，并对2022年11～12月上海市PM_2.5月均浓度作预测。结果 季节性ARIMA模型验证集RMSE=4.02,MAPE=15.50%。季节因素修正后GM(1,1)模型验证集RMSE=3.30,MAPE=11.59%。利用季节因素修正后GM(1,1)模型预测2022年11～12月上海市PM_2.5月均浓度水平分别为24.99、34.83μg/m³。结论 季节因素修正后GM(1,1)模型预测效果可优于季节性ARIMA,在对PM     

ARIMA模型与GM(1,1)模型在细菌性痢疾发病率预测中的比较研究

目的评价ARIMA和GM(1,1)模型在细菌性痢疾发病预测的应用效果,为选择适宜的预测方法提供依据。方法利用深圳沙井街道2006-2013年的细菌性痢疾的发病数据构建ARIMA模型和GM(1,1)模型,评价拟合效果。结果建立的ARIMA(1,1,1)(0,1,1)12模型为:(1-0.623B)(1-B)(1-B12)Yt=(1-0.963B)(1-0.72B12)et,GM(1,1)模型为:Y(t+1)=-190.506e-0.23003t+250.126。两个模型的平均误差率(MER)分别为2.91%和6.24%;决定系数分别为0.994和0.967。结论 ARIMA模型对细菌性痢疾发病率预测的效果较好,但在预测传染病发病的时候,尽可能地使用多种模型进行拟合,挑选出效果最好的。     

ARIMA-SVM组合模型在肺结核发病趋势预测中的应用

目的 研究ARIMA-SVM组合模型在肺结核发病趋势预测中的应用。方法 使用海南省2005—2021年肺结核发病数据,以2005—2020年发病数作为训练集,2021年发病数为验证集,建立ARIMA模型、SVM模型与ARIMA-SVM组合模型,并对三种模型拟合和预测效果进行分析与评价。结果 ARIMA-SVM组合模型数据拟合RMSE、MAPE分别为41.38、1.98%,模型预测RMSE、MAPE分别为45.18、4.84%,拟合和预测效果均优于ARIMA模型与SVM模型。结论ARIMA-SVM组合模型预测效果优于单一模型,更适合我国肺结核发病趋势预测,为我国传染病预测预警提供了新思路。     

ARIMA模型与GM(1,1)模型对兴化市结核病发病数预测效果比较

目的 比较求和自回归滑动平均模型(ARIMA)和灰色模型GM(1,1)对结核病发病数的预测效果。方法 利用兴化市2012—2019年结核病月发病和年发病数,分别构建ARIMA模型和GM(1,1)模型,进行发病数的拟合,采用平均绝对百分误差(MAPE)、平均绝对误差(MAE)和判定系数(R²)评价拟合效果。采用优势模型预测2020—2024年发病数。结果 2012—2019年兴化市共报告结核病5 673例,年均发病率55.88/10万。发病率总体呈逐年下降趋势■,男性年平均发病率(79.09/10万)高于女性(31.75/10万),差异有统计学意义(χ²=1017.707,P<0.001)。构建的ARIMA模型为SARIMA(0,1,1)(0,1,1,)₁₂,GM(1,1)模型为■。平均误差率(MER)、平均绝对误差(MAE)和判定系数(R²),ARIMA模型为5.42%、36.43、0.929,GM模型为4.24%、28.50、0.973。GM(1,1)模型的预测效果较好。利用GM(1,1)预...     

义乌市手足口病流行趋势组合预测模型研究

目的 构建义乌市手足口病流行趋势最优预测模型.方法 通过对义乌市2009-2011年手足口病按月发病数进行ARIMA时间序列、GM(1,1)灰色模型以及2者的组合模型进行建模,并预测2012年1-5月份发病数与实际比较.结果 ARIMA(1,1,1)模型的r(曲)91.26％,GM(1,1)灰色模型的r(曲)为1.86％,组合预测模型的r(曲)为94.55％;ARIMA(1,1,1)预测的MAPE为56.39％、MSPE为27.28％,GM(1,1)预测的MAPE为42.09％、MSPE为22.91％,组合预测模型预测的MAPE为53.29％、MSPE为25.10％.结论 在进行手足口病流行趋势建模中,组合预测是一个较好的方法.