ARIMA模型和Holt-Winters指数平滑法在贵州省肺结核发病预测中的应用

目的探讨比较自回归差分移动平均（autoregressive integrated moving average, ARIMA）模型及Holt-Winters指数平滑法在肺结核发病预测中的应用,为贵州省结核病防控工作提供科学依据。方法以2015—2021年贵州省登记报告的肺结核发病数据建立ARIMA模型和Holt-Winters指数平滑模型,分别用两种模型预测2022年1—10月肺结核发病数,并与实际登记报告肺结核发病数作比较,对两种模型预测效果进行评价。结果 2015—2021年贵州省累计报告肺结核患者28.08万例,总体上肺结核发病呈下降趋势。构建ARIMA最佳模型为ARIMA (1, 1, 0)(0, 1, 0)12,模型预测结果均方根误差（root mean square error,RMSE）为462.46,平均绝对误差（mean absolute error,MAE）为424.50,平均绝对百分比误差（mean absolute percentage error,MAPE）为21.21%;Holt-Winters指数平滑法最佳模型为乘法模型,模型预测结果 RMSE为387....     

ARIMA模型与Holt-Winters指数平滑模型在武汉市流感样病例预测中的应用

目的 探讨比较ARIMA模型和Holt-Winters模型在武汉市流感样病例预测中的应用,为流感防控提供科学依据。方法 利用武汉市2012年1月-2017年6月每周流感样病例比例数据拟合建立ARIMA模型和Holt-Winters指数平滑模型,预测2017年7-8月周流感样病例比例,并与实际流感样病例比例进行比较。结果 ARIMA最优模型为 ARIMA(1,0,1)×(0,1,1)52,预测的平均相对误差为6.88%,Holt-Winters的最优模型为乘法模型,预测平均相对误差为13.79%。结论 ARIMA(1,0,1)×(0,1,1)52模型拟合效果较好,预测精度更高,可用于武汉市流感样病例的预测。     

指数平滑法和ARIMA模型在学生肺结核预测的应用

目的 探讨指数平滑法和自回归积分滑动平均模型(auto regressive integrated moving average model,ARIMA)在衡阳市学生肺结核疫情预测中的可行性,比较两种模型的预测效果并确定最佳模型,为学校结核病疫情的早期发现和科学控制提供参考。 方法 收集衡阳市2010—2020年学生肺结核资料,比较两种模型的拟合情况和预测效果优劣。 结果 拟合最佳的指数平滑法模型为Holt-Winter加法模型,拟合的R²、平稳R²、均方根误差(root mean square error, RMSE)、平均绝对误差百分比(mean absolute percentage error, MAPE)、平均绝对误差(mean absolute error, MAE)、正态化BIC分别是0.666、0.469、5.716、31.276、3.873、3.606,Ljung-Box Q=20.741,P=0.145,验证2020年1—12月预测的平均相对误差为39.98%;拟合最佳的ARIMA模型为ARIMA(0,1,1)×(0,1,1)₁₂模型,拟合的平稳R²、R²、RMSE、MAPE、MAE、正态化BIC分别是0.500、0.603、6.532、34.623、4.443、3.885,验证2020年1—12月预测的平均相对误差为120.76%。 结论 与ARIMA模型比较而言,指数平滑模型拟合衡阳市学生肺结核发病数效果更好,预测精度更高。     

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模型在苏州市空气质量指数预测中的应用

目的借助于自回归积分滑动平均(Autoregressive Integrated Moving Average Model,ARIMA)模型对苏州市空气质量指数进行预测,为空气污染的健康防护预警提供参考。方法运用R软件以苏州市2018年1月1日至12月31日的日空气质量指数为基础,借助于参数估计等筛选最佳的ARIMA模型,以此为基础对苏州市2019年1月1日至1月6日的空气质量指数进行预测,评价其预测效果。结果借助于2018年苏州市日空气质量指数构建了ARIMA(1,1,1)模型,模型的AIC=267.06,Box-Ljung检验的Q统计量为18.558,P=0.775,残差序列为白噪声。空气质量指数的预测值与实际值较为接近,绝对误差的平均值为-7,相对误差的平均值为-4.29%,模型预测效果比较理想。结论 ARIMA(1,1,1)模型能够较为理想的对苏州市空气质量指数进行预测,在空气质量指数预测中具有良好的应用前景。     

应用灰色模型和指数平滑法预测上海市肾综合征出血热发病率

[目的]预测上海市肾综合征出血热的发病趋势。[方法]利用上海市肾综合征出血热发病资料,建立灰色模型和指数平滑模型来预测本市未来肾综合征出血热的发病率。[结果]上海地区肾综合征出血热发病率（×10-5）的灰色预测模型为：=（1.49-2.3669/0.5823）e-0.5823t＋2.3669/0.5823,拟合检验显示本模型精度等级为一级,能够较好地预测上海市肾综合征出血热发病率;Holter-Winters双参数指数平滑法预测的最小误差平方和与均方根误差最小,通过D-W检验,预测效果较好。[结论]两种方法均可应用于上海市肾综合征出血热发病率的预测。     

指数平滑法在医院统计预测中的应用

本文选用某医院1986～1995年收容量作为基础资料,利用指数平滑法对其进行分析预测和评估.1 资料来源资料来自某院1986～1995年医院工作年报表(见表1).表1 某医院 1986～1995年收容量年份 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995收容人次(y)13163　15350 14812 14712 15712 16523 17086 17131 17636 178472 分析步骤与结果基于时间序列中不同时期的数据,其所反映的信息重要程度不同(数据的重要程度按时间的远近呈非线性递减),指数平滑法就是给定一个权重系数a计算平滑值,来进行预测的.     

指数平滑法在麻疹发病率预测中的应用

目的 通过指数平滑法对麻疹发病率进行预测,为制订预防和控制麻疹的流行提供依据。 方法 收集2005-2015年某区确诊的麻疹发病率,通过SPSS 18.0进行指数平滑法预测,并对预测结果进行评价。 结果 指数平滑法的Holt-Winters相乘模型适合麻疹月发病率的预测(RMSE=7.69,adj R²=0.52, R²=0.85, Ljung-Box Q=21.91),预测模型线性趋势Alpha=1.000,P=0.000。模型预测结果显示2015年的麻疹疫情处于相对低发水平,麻疹月发病率将呈上升后波动趋势,实际麻疹月发病率则出现先上升后急剧下降维持在低水平上的波动趋势。 结论 指数平滑模型1～5月份预测结果与实际发病率的相对误差仅为10.60%,说明指数平滑法在短期预测麻疹发病情况中有一定效果。     

麻城市自杀死亡水平时间序列模型分析及预测研究

目的分析1984～2007年湖北麻城市人口自杀死亡水平的变化趋势,探讨求和自回归移动平均(ARI-MA)模型在自杀死亡率拟合中的应用,为制定针对性的干预措施提供参考依据。方法利用麻城市1984～2007年自杀死亡率资料,采用最大似然法估计模型参数,依据AIC和BIC准则确定拟合优度,以平均相对误差判断预测精度,建立最优预测模型,预测麻城市2008～2012年自杀死亡率。结果 1984～2007年期间该地区人群的自杀死亡率呈下降趋势(χ2=940.32,P<0.0001),24年的下降幅度为67.34%。所建立的ARIMA((3),1,(3))模型较好地拟合了既往时间序列的自杀死亡率,AIC=155.97,BIC=159.37,平均相对误差为5.77%,2008～2012年的预测自杀死亡率分别为27.08/10万,28.08/10万,21.55/10万,22.55/10万,16.02/10万。结论麻城市的自杀死亡率总体上呈下降趋势,ARIMA模型适用于该地区自杀死亡率的短期预测。     

单纯ARIMA模型和基于季节性分解的ARIMA模型在丙肝发病率中的预测效果比较

目的 探讨单纯求和自回归移动平均(ARIMA)模型和基于季节性分解的ARIMA模型在丙肝发病率拟合及预测中的应用。方法 收集2007－2015年荆州市丙肝月发病率资料,分别建立单纯ARIMA模型和基于季节性分解的ARIMA模型,采用2016年月发病率资料进行外回代验证模型的外推预测效果,评价指标包括相对误差(relative error,RE)、平均相对误差(mean relative error, MRE)、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)。结果 单纯ARIMA模型拟合和预测的MRE、MER、MSE、MAE分别为17.868、16.367、0.225、0.177 和14.090、15.057、0.343、0.284;基于季节性分解的ARIMA模型拟合和预测的MAD、MER、MSE、MAE分别为14.732、13.556、0.201、0.151和11.778、12.353、0.277、0.229。结论 在丙肝发病率的拟合及预测中,基于季节性分解的ARIMA模型优于单纯ARIMA模型。     

ARIMA模型与指数平滑法模型预测肺炎发病率效果比较

目的比较ARIMA模型与指数平滑法模型预测肺炎发病率的效果。方法应用SPSS 19.0软件,对2010年1月-2015年6月深圳市宝安区肺炎病例发病率进行ARIMA模型和指数平滑模型的建模,比较两种模型预测效果,并用较好者对2015年10-12月的肺炎发病率进行预测。结果 ARIMA(0,1,1)模型的平均误差百分比为1.5%,低于布朗线性趋势模型(5.00%),拟合效果较好。以ARIMA(0,1,1)模型预测2015年10-12月宝安区两种模型预测平均相对误差百分比肺炎发病率分别为1.02/10万、1.00/10万、0.98/10万。结论与指数平滑模型相比而言,ARIMA模型拟合宝安区肺炎发病率效果较好,可考虑联用其他模型加强预测精度。     

乘积季节ARIMA模型在结核病发病率预测中应用

目的 探讨乘积季节自回归移动平均(ARIMA)模型在结核病疫情预测的可行性。方法 利用某省2004年1月-2011年6月结核病疫情监测资料建立乘积季节ARIMA预测模型,选取2011年7-12月的疫情资料评价模型的预测效能。结果 该省2004年1月-2011年12月结核病的发病率呈现明显的季节效应,且发病率逐年小幅递减;乘积季节ARIMA(1,1,0)×(1,1,0)₁₂模型能较好拟合既往时间段内结核病的发病率,且对2011年7 -12月结核病月发病率的预测值与实际值基本吻合,平均误差绝对值及平均误差绝对率分别为0.317和4.77%。结论 乘积季节ARIMA模型能较好模拟、预测结核病的发病疫情,具有较好的推广应用价值。     

ARIMA模型在门诊季节性时序预测中的应用

目的探讨某院5年门诊量的季节变动趋势。方法通过分析医院时间序列资料的变动规律,使用ARIMA（p,d,g）模型分析门诊量的动态变化。结果医院5年门诊量呈上升趋势及具有明显周期变化,预测值和实际值拟合程度高,相对误差在5．5％～6％之间。结论时间序列模型对于门诊人次发展变化规律的分析有较好的适应性和实用性。表明运用科学的方法,可以有效提高门诊管理水平。     

上城区其他感染性腹泻ARIMA乘积季节模型的建立与预测

目的 建立上城区其他感染性腹泻病求和自回归移动平均(auto-regressive integrated moving average, ARIMA)乘积季节模型，为早期防控提供参考。方法 利用SPSS 25.0软件对上城区2010—2020年其他感染性腹泻病发病数据构建ARIMA乘积季节模型，通过对2021年月发病数进行回代预测评价模型拟合效果，并用构建的模型对2022年月发病数进行预测。结果 上城区2010—2020年共报告其他感染性腹泻病40 534例，年均报告发病数为3 685例，无死亡病例报告。构建的较优模型为ARIMA(2,1,1)(1,1,1)₁₂,平稳R²=0.870,贝叶斯信息准则(Bayesian information criterion, BIC)=9.524,平均绝对百分误差(mean absolute percentage error, MAPE)=27.351,模型Box-Ljung检验差异无统计学意义(Q=10.420,P=0.659)。模型实测发病趋势与预测发病趋势基本一致，预测值和实测值平均相对误差为23....     

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。