基于ARIMA与GM(1,1)模型的公立医院互联网门诊人次预测研究

目的 了解公立医院互联网门诊人次的变化趋势,为互联网医院的发展规划提供支持。方法 利用某公立医院2021年1月—2023年6月互联网门诊人次数据,分别构建ARIMA模型和GM(1,1)模型,采用平均绝对误差(MAE)和均方根误差(RMSE)评价拟合效果,基于优势模型预测2023年7—12月互联网门诊人次。结果 通过ARIMA(1,2,1)模型和GM(1,1)模型对互联网门诊的复诊人次进行预测,平均绝对误差分别为369.86和978.84,均方根误差分别为479.49和1 444.83;通过ARIMA(0,1,0)模型和GM(1,1)对互联网门诊咨询人次进行预测,平均绝对误差分别为297.23和369.62,均方根误差分别为413.61和496.30,表明ARIMA模型的预测效果较好。预测结果显示,2023年12月互联网门诊的复诊人次预测值为14 831例,咨询人次预测值为7 461例。结论 2021—2023年某公立医院互联网门诊人次呈持续上升趋势。因此,医院应充分认识到互联网医疗服务的重要性,积极采取措施,不断优化医疗服务模式,为患者提供优质、高效、便捷的互联网医疗服务。     

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。     

某综合三甲中医医院中医门诊人次的GM(1,1)预测

目的对某三甲中医医院中医门诊人次进行预测,为医院医疗卫生资源规划和优化配置提供理论依据。方法用MATLAB软件建立GM(1,1)模型。结果某三甲中医医院2014年和2015年的中医门诊人次预测值分别为8261163和9149454人。结论用GM(1,1)模型预测中医门诊人次有较优的预测效果,对优化医院医疗卫生资源配置,具有重要的指导意义。     

灰色序列模型在三级综合医院门诊人次预测中的应用

目的 探讨灰色序列模型GM(1,1)在三级综合性医院门诊人次预测中的应用,为综合性医院门诊量预测提供方法学参考.方法 采用灰色序列模型GM(1,1)对门诊人次进行预测拟合分析,计算其相对误差,并进行外推预测.结果 灰色序列模型GM(1,1)预测门诊人次与实际值拟合误差较小,模型预测精度评级为优(P>0.95).结论 灰...     

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。     

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     

ARIMA模型与GM(1,1)模型在痢疾发病率预测中的应用

目的探讨ARIMA模型和GM(1,1)模型在北京市西城区痢疾发病率预测中的应用,为选择合适的预测方法提供依据。方法利用ARIMA模型和GM(1,1)模型对北京市西城区2010—2014年痢疾发病率进行拟合,并对2015年发病情况进行预测。结果 ARIMA(1,0,0)×(0,1,0)_(12)模型和GM(1,1)模型的拟合值与实际值平均绝对百分误差分别为17.38%和10.24%,预测百分误差分别为14.33%和33.22%。结论在传染病预测时,应综合考虑和比较多种模型的预测效果,选择更为科学合理的方法进行预测。该研究发现,ARIMA模型对痢疾发病率预测精确度较高。。     

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...     

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。     

“十三五”时期我国卫生总费用占国内生产总值比重预测

目的通过分析1978-2015年我国卫生总费用占国内生产总值比重趋势,预测"十三五"时期指标走向,为卫生部门决策提供依据。方法采用ARIMA(0,1,1)模型和GM(1,1)模型进行预测。结果 ARIMA(0,1,1)和GM(1,1)模型预测结果均显示"十三五"时期卫生总费用占国内生产总值比重呈持续上升趋势,ARIMA模型预测值分别为6.3129%、6.4002%、6.4880%、6.5753%、6.6626%,GM(1,1)模型的预测值分别为5.6498%、5.7454%、5.8427%、5.9416%、6.0421%。从模型拟合效果比较来看,ARIMA模型更佳。结论 "十三五"时期,我国卫生总费用占国内生产总值的比重将达到预期目标。     

ARIMA与GM(1,1)模型对我国肺结核年发病人数预测情况的比较

目的通过ARIMA乘积季节模型和GM(1,1)模型拟合我国肺结核的发病人数,比较两种模型的拟合效果。方法运用我国2011-2016年的肺结核发病人数,分别构建ARIMA乘积季节模型和GM(1,1)模型,然后利用所得到的模型进行预测。采用平均绝对百分误差(MAPE)来评价模型的拟合效果。结果 GM(1,1)模型和ARIMA乘积季节预测模型所得到的MAPE分别为1.45%、1.70%。用GM(1,1)模型预测2017-2018年我国肺结核的发病人数分别为1042909、988915人。结论 GM(1,1)拟合效果优于ARIMA乘积季节模型,预测表明2017-2018年我国肺结核年发病人数将呈现出减少的趋势,但是肺结核发病人数仍然较多。     

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。     

基于灰色GM(1,1)模型与ARIMA模型的四川省卫生人力资源预测探讨

目的运用灰色GM(1,1)模型与ARIMA模型对四川省卫生人力资源进行预测,为相关部门制定政策提供参考。方法采用EXCEL建立数据库,运用Matlab编程拟合灰色GM(1,1)模型、SPSS22.0拟合ARIMA模型,对四川省1990-2020年卫生人力资源进行了预测。结果拟合的灰色GM(1,1)模型误差绝对值(%)、平均误差值(%)均高于ARIMA(1,1,1)模型。结论 ARIMA(1,1,1)预测结果优于灰色GM(1,1)模型,模型拟合需要考虑数据特征等因素。     

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。     

ARIMA模型与指数平滑法预测门诊量效果比较

目的比较差分自回归移动平均(ARIMA)模型与指数平滑法对医院门诊量的预测效果。方法利用扬州市某综合性三甲医院2010—2016年门诊量数据分别拟合ARIMA模型和指数平滑模型,以2017年该院门诊量数据评价两种模型的预测效果。结果拟合最佳的ARIMA模型为ARIMA (2, 1, 0)(2, 1, 0)12,拟合的均方根误差(RMSE)、平均绝对百分比误差(MAPE)和平均绝对误差(MAE)分别为5 062.47、 2.83%和3 473.96;对2017年门诊量预测的RMSE、 MAPE和MAE分别为8 243.26、 4.42%和6 084.00。拟合最佳的指数平滑模型为Holt-Winters加法指数平滑模型,拟合的RMSE、 MAPE和MAE分别为4 605.15、 2.79%和3 296.90;对2017年门诊量预测的RMSE、 MAPE和MAE分别为9 585.25、 5.50%和7 733.58。ARIMA (2, 1, 0)(2, 1, 0)12预测的3个误差指标值均小于Holt-Winters加法指数平滑模型。结论 ARIMA模型预测精度更高,可应用于医院每月门诊量的短期预测。     

基于ARIMA-GRNN组合模型预测手足口病发病率

目的探讨ARIMA-GRNN组合模型在某市手足口病发病率预测中的应用,并比较其与ARIMA模型的预测效果。方法通过收集2010年1月至2015年12月广西某地级市手足口病发病率资料,用SPSS 20.0建立ARIMA模型,用MATLAB R2014a建立ARIMA-GRNN组合模型,并用2015年7月至12月数据对模型的预测效果进行评价。结果 ARIMA(1,0,0)(1,1,0)12模型拟合及预测的平均绝对误差分别为1.727、2.077,均方根误差分别为2.727、2.803;ARIMA-GRNN模型拟合及预测的平均绝对误差分别为1.012、0.467,均方根误差分别为1.453、0.587。结论 ARIMA-GRNN模型的拟合和预测效果均优于ARIMA模型,可用于手足口病月发病率短期预测。     

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。     

两种时间序列分析法在预防接种门诊接种量预测中的应用

目的 比较指数平滑法和自回归滑动平均（Autoregressive Integrated Moving Average,ARIMA）模型预测预防接种门诊量的效果。方法 收集2012—2019年北京市西红门医院预防接种门诊月常规免疫报表数据,采用指数平滑模型、ARIMA模型对2012—2018年数据建立预测模型,使用2019年数据验证模型的预测效果。结果 使用2012—2018年数据建立的预测模型两种时间序列分析法的拟合精度指标平稳R²分别为0.751和0.459,均方根误差（RMSE）分别为551.521和785.371,平均绝对百分误差（MAPE）分别为9.284%和11.856%,平均绝对误差（MAE）分别为424.191和537.272,使用2019年数据验证的平均相对误差（MRD）分别为12.495%和12.572%。结论 指数平滑法对预防接种门诊接种量具有很好的预测效果,可以为预防接种门诊管理提供预案和决策依据。     

应用灰色模型预测医院门诊人次

[目的]探索适宜的门诊人次预测方法,为医院制定工作计划和统筹安排提供决策依据。[方法]应用灰色模型GM(1,1)分析某医院12年的门诊人次,并进行外推预测。[结果]该院各年度的门诊人次实际值与预测值接近,模型预测精度较高。[结论]灰色模型计算相对简单,预测效果较好,适应性强,可广泛应用于卫生领域。     

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