ARIMA乘积季节模型在江西省手足口病发病预测中的应用

目的 建立江西省手足口病发病的ARIMA乘积季节模型并进行预测,探讨该模型在江西省手足口病早期预测预警中的可行性。方法 以江西省2008-2015年手足口病逐月发病数为基础,建立ARIMA乘积季节模型,利用2016年各月发病数对模型进行验证,得到最优模型后对2017年手足口病发病数进行预测。结果 本研究构建的江西省手足口病发病预测模型为ARIMA(2,1,1)(0,1,1)12,各项参数都有统计学意义(P<0.05),模型拟合优度检验获得BIC值最小为14.738,残序列为白噪声(Ljung-Box Q=14.738,P=0.362),实际值与拟合值的动态趋势基本吻合;2016年1-8月预测值与实际值相差较小,吻合度高;2017年手足口发病数预测值为49 353。结论 ARIMA(2,1,1)(0,1,1)12较好地模拟了江西省手足口病发病趋势,可用于江西省手足口病发病的短期预测。     

自回归求和移动平均模型季节乘积模型在青岛市肾综合征出血热发病预测中的应用

目的探索ARIMA季节乘积模型在青岛市肾综合征出血热(HFRS)发病预测中的应用,为HFRS防治提供科学依据。方法利用1977~2015年青岛市HFRS月发病率,建立ARIMA季节乘积模型,以2016年月发病率评估预测效果,并预测2017年月发病率。结果青岛市HFRS发病具有明显的季节性,发病高峰为每年的10~12月。模型季节自回归参数为-0.45,BIC=3.58,平稳R2=0.98,残差序列检验为白噪声序列(q=13.56,P0.05),建立ARIMA乘积季节模型ARIMA(0,3,2)(1,3,2)12,2016年实际值与拟合值绝对误差为0.01~0.28,且均在95%置信区间中,2017年月发病率0.15/10万~1.06/10万。结论 ARIMA乘积季节模型能够较好地模拟青岛市HFRS发病趋势,可用于短期预测该市HFRS发病情况。     

差分自回归移动平均模型在肾综合征出血热发病预测中的应用研究

目的探讨差分自回归移动平均模型（ARIMA）在肾综合征出血热（HFRS）预测分析中的应用。方法用SPSS16．0软件建立1986-2011年河北省HFRS逐月疫情资料数据库,用ARIMA相关模块进行建模拟合并进行预测分析。结果河北省1986-2011年HFRS发病数呈现明显的季节周期性。筛选ARIMA（0,1,1）×（0,1,2）_12模型为最优模型,对河北省2012年各月发病数进行预测,2012年1-12月实际值均落人了预测值的95％可信区间内。结论ARIMA模型可以很好地拟合HFRS发病数的变动趋势,并可用于预测未来疫情,为HFRS防控工作提供依据。     

南昌市2005－2016年肾综合征出血热疫情分析及预测

目的 通过分析2005－2016年南昌市肾综合征出血热的流行特征,为预防控制肾综合征出血热提供依据。 方法 收集南昌市2005－2016年肾综合征出血热病例资料,分析该病种三间分布,运用自回归滑动平均混合模型(autoregressive integ rated moving average, ARIMA)预测2017年南昌市肾综合征出血热每月发病人数。 结果 南昌市2005－2016年共报告肾综合征出血热591例,死亡8例;年发病率波动在0.60/10万～1.37/10万之间,发病率呈下降(2005－2008年,χ²_趋势=13.586,P<0.001)、上升(2008－2013年,χ²_趋势=16.316,P<0.001)再下降(2013－2016年,χ²_趋势=4.728,P=0.030)过程;发病主高峰在11月至次年1月,次高峰为4-6月,发病数分别占病例总数的43.49%(257/591)和32.32%(191/591);男女发病性别比为2.18∶1;发病地区前四位依次是新建、安义、进贤和南昌县,病例数占全市的84.26%(498/591);10～69岁年龄段发病数占总病例数的95.09%(562/591),其中30～59岁年龄段为高发人群;农民和学生病例分别占55.33%和10.49%。ARIMA模型最终拟合为ARIMA(1,0,0)(0,1,1)₁₂,预测值与实际值的平均相对误差为15.63%。 结论 2005－2016年南昌市肾综合征出血热发病率波动在0.60/10万～1.37/10万之间,以农民和学生病例居多;ARIMA模型能较好预测南昌市HFRS的逐月发病数。     

ARIMA模型在安丘市肾综合征出血热月发病率预测研究中的应用

目的探讨ARIMA模型在安丘市肾综合症出血热月发病率预测中的应用,验证模型的可行性及其适用性。方法基于2000-2014年安丘市肾综合症出血热发病资料,拟合及验证肾综合症出血热的ARIMA模型。结果本研究构建的ARIMA(0,1,1)(0,1,1)12模型,其预测结果与安丘市肾综合症实际发病情况基本吻合。结论 ARIMA模型可用于安丘市肾综合症出血热发病率的短期预测研究。     

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。     

ARIMA模型在安溪县传染病发病率预测中的应用

目的 探讨用时间序列ARIMA模型对法定传染病发病率进行预测的可行性.方法 用SPSS 18.0对安溪县2005-2010年传染病月发病率进行ARIMA模型拟合,用所得模型对2011年各月发病率进行预测并与实际值比较.结果 ARIMA(0,1,1)×(1,1,0)12模型拟合良好,2011年各月预测值与实际值趋势吻合.结论 ARIMA模型能很好地模拟传染病发病率时间序列变动趋势,对疫情监测有重要意义.     

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。     

上海市闵行区出生缺陷发生率预测的自回归求和滑动平均模型构建与应用

目的探讨构建并应用自回归求和滑动平均(ARIMA)模型预测上海市闵行区出生缺陷发生率的可行性。方法基于2010-2015年闵行区的逐月出生缺陷发生率建立最优ARIMA模型。用所得模型回代预测闵行区2016年1-12月出生缺陷发生率,比较预测值与实际值的相对误差;再以2010年1月-2016年12月的数据构建模型预测2017年各月的出生缺陷率。结果模型ARIMA(1,1,1)(无常数项)较好拟合了既往出生缺陷率的时间序列,模型自回归参数(AR1=-0.46)与滑动平均参数(MA1=0.98)均有统计学意义(P<0.05),模型残差为白噪声(P>0.05)。2016年1-12月出生缺陷率的预测值符合实际值的变动趋势,相对误差最小仅为0.83%。模型外推预测闵行区2017年的出生缺陷率为1.061%。结论 ARIMA模型可以较好地拟合闵行区出生缺陷率的时间变化趋势,并可用于短期预测未来的出生缺陷率。     

ARIMA模型在肾综合征出血热发病率预测中的应用

目的利用自回归滑动平均混合模型(autoregressive integrated moving average,ARIMA)模型开展长沙市肾综合征出血热(haemorrhagic fever with renal syndrome,HFRS)发病率预测,为相关政策的改进提供科学依据。方法收集长沙市1971-2010年HFRS发病率资料,用Excel 2003软件建立数据库,采用SPSS13.0统计分析软件实现模型构建,经过模型识别、参数估计、诊断检验后,利用建立好的模型对长沙市2011-2015年HFRS发病率进行预测。结果根据模型原理及与实际值的比较,ARIMA(1,0,0)模型适合模拟长沙市HFRS的发病规律,模型拟合值与实际值非常接近,模型回归系数有统计学意义。2011-2015年长沙市HFRS年发病率预测值分别为1.69/10万(95%CI:0.00~9.67/10万)、2.23/10万(95%CI:0.00~12.51/10万)、2.66/10万(95%CI:0.00~14.22/10万)、3.00/10万(95%CI:0.00~15.35/10万)、3.27/10万(95%CI:0.00~16.13/10万)。结论 2011-2015年长沙市HFRS发病有增加趋势,需进一步加大防控策略。     

基于自回归滑动平均混合模型的安丘市肾综合征出血热发病率预测研究

目的基于自回归滑动平均混合(ARIMA)模型对安丘市肾综合征出血热(HFRS)的发病率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。方法收集安丘市1977年1月1日至2019年8月31日安丘市HFRS发病资料,按照年、月进行分类汇总,通过SPSS 19.0软件拟合ARIMA模型,分别预测2019～2020年和2019年1～8月的发病率。结果年发病率预测模型最终拟合为ARIMA(0,1,0)模型,预测2019、2020年的年发病率分别为2.52/10万和1.56/10万。月发病率预测模型最终拟合为ARIMA(0,1,2)(0,1,1)_(12)。结论 ARIMA模型能较好模拟安丘市HFRS的发病趋势。     

SARIMA、GAM和LSTM在肾综合征出血热预测中的应用效果比较

目的分析季节性差分自回归移动平均模型(SARIMA)、广义相加模型(GAM)和长短期记忆神经网络模型(LSTM)在肾综合征出血热(HFRS)发病率拟合及预测中的效果, 为优化HFRS预测模型提供参考。方法在公共卫生科学数据中心(https://www.phsciencedata.cn/)收集全国和HFRS发病率居前9位的省份(黑龙江、陕西、吉林、辽宁、山东、河北、江西、浙江和湖南省)2004-2017年HFRS逐月发病率资料, 其中, 2004-2016年资料作为训练数据, 2017年1-12月资料作为测试数据。利用训练数据拟合全国和9个省份HFRS发病率的SARIMA、GAM、LSTM;利用拟合模型预测2017年1-12月HFRS发病率, 并与测试数据比较。采用平均绝对百分比误差(MAPE)评价模型拟合及预测精度, MAPE < 20%时模型拟合或预测效果为好, 20%～50%为可接受, > 50%为差。结果从总体拟合及预测效果来看, 全国和黑龙江、陕西、吉林、辽宁、江西省的最优模型为SARIMA(MAPE分别为19.68%、20.48%、44.25%、19.59%、23...     

上海浦东新区手足口病发病率预测的自回归求和滑动平均模型构建与应用

目的 探讨应用自回归求和滑动平均(autoregressive integrated moving average,ARIMA)模型预测浦东新区手足口病发病率的可行性.方法 基于2010-2015年浦东新区的逐月手足口病发病率,建立最优ARIMA模型,回代预测2015年的手足口病发病率,比较预测值与实际值的差异,并预测2016年的手足口病发病率.结果 模型ARIMA(1,1,1)(1,1,0)12较好拟合了既往手足口病发病率的时间序列,2015年逐月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1.81％.预测2016年浦东新区手足口病发病率为269.97/10万.结论 ARIMA模型可用于短期预测未来的手足口病发病率.     

利用ARIMA模型预测北京市顺义区手足口病发病趋势

目的探讨利用ARIMA模型预测手足口病发病趋势的可行性和意义,为预警手足口病防控提供依据。方法应用SPSS 19.0对2008-2013年手足口病逐月发病率建立ARIMA模型,并对2013年手足口病各月发病率进行拟合。结果 ARIMA(1,0,0)(1,1,0)12能够较好拟合既往时间段手足口的发病率,2013年各月的预测值符合手足口病实际发病率变动趋势。结论模型能够有效地预测手足口病发病趋势,对预警、预测产生积极指导作用。     

ARIMA模型在北京市西城区手足口病月发病率预测中的应用

目的探讨自回归求和移动平均模型(Autoregegressive integrated maving average model,ARIMA)在北京市西城区手足口月发病率中预测应用的可能性。方法利用2008—2016年北京市西城区手足口病月发病率建立ARIMA模型并进行拟合,根据模型对2017年12个月的发病率进行预测。结果西城区手足口病月发病率的ARIMA模型为ARIMA(0,0,1)(1,1,0)12,其中BIC=2.361,Ljung-Box Q=20.380(P=0.204),模型中的参数检验差异有统计学意义。2016年7—12月实际月发病率与模型预测值基本吻合,预测值与实际值的平均绝对误差为20.42%。利用该模型进行预测,2017年发病高峰为5—7月。结论 ARIMA(0,0,1)(1,1,0)12模型可以较为准确地预测短期内西城区手足口病发病趋势,为防控工作的开展提供指导。     

应用ARIMA-GRNN模型对肾综合征出血热发病率时间序列数据的预测研究

目的阐述ARIMA-GRNN模型预测肾综合征出血热发病率的方法和步骤,探讨其在综合征出血热发病率预测中的应用。方法利用辽宁省1962-2008年的肾综合征出血热发病率时间序列数据作为训练集,建立ARIMA模型和ARIMA-GRNN模型,选取2009-2011年的数据作为检验集,评价模型的拟合和预测效果。结果 ARIMA(2,1,1)模型和ARIMA-GRNN模型拟合值的平均误差绝对值分别为1.14和0.77;预测值的平均误差绝对值分别为0.53和0.20。ARIMA-GRNN模型的拟合和预测效果均优于ARIMA模型。结论 ARIMA-GRNN模型能有效模拟、预测肾综合征出血热的发病疫情,具有较强的推广应用价值。     

应用ARIMA-GRNN模型对肾综合征出血热发病率时间序列数据的预测研究北大核心CSCD

目的阐述ARIMA-GRNN模型预测肾综合征出血热发病率的方法和步骤,探讨其在综合征出血热发病率预测中的应用。方法利用辽宁省1962-2008年的肾综合征出血热发病率时间序列数据作为训练集,建立ARIMA模型和ARIMA-GRNN模型,选取2009-2011年的数据作为检验集,评价模型的拟合和预测效果。结果 ARIMA(2,1,1)模型和ARIMA-GRNN模型拟合值的平均误差绝对值分别为1.14和0.77;预测值的平均误差绝对值分别为0.53和0.20。ARIMA-GRNN模型的拟合和预测效果均优于ARIMA模型。结论 ARIMA-GRNN模型能有效模拟、预测肾综合征出血热的发病疫情,具有较强的推广应用价值。     

基于GM(1,1)-GRNN组合模型的肾综合征出血热发病率预测

目的预测浙江省肾综合征出血热(HFRS)发病趋势,为卫生工作的决策和防病治病提供科学依据。方法根据浙江省2001-2009年HFRS发病率,建立灰色GM(1,1)与广义回归神经网络组合〔GM(1,1)-GRNN〕模型,与GM(1,1)模型对比,并进行预测。结果 2001-2010年HFRS年发病率组合模型拟合值与实际值的平均相对误差为2.47%,明显低于GM(1,1)模型的平均相对误差(11.19%),组合模型的预测精度相对单一GM(1,1)模型有较大的改善;组合模型预测2011年HFRS年发病率为0.8591/10万。结论浙江省2010-2011年HFRS的发病率呈下降趋势,组合模型的预测精度高,可以提供更为准确的预测数据,从而为防控决策提供可靠依据。     

ARIMA模型在湖南省常德市手足口病发病预测中的应用

目的:构建ARIMA模型预测湖南省常德市手足口病发病趋势,为早期防控提供科学依据。方法:分析处理2010-2015年常德市手足口病发病率时间序列,构建ARIMA模型,对2016-2017年常德市手足口病发病趋势进行预测。结果:通过拟合优度检验和残差序列白噪声检验,得出本研究最优模型为ARIMA(1,0,1)(0,1,1)_(12),正态化BIC=4.235,Ljung-Box=12.019(P=0.678),2016年观测值均位于预测值95%可信区间内,与预测值的相对误差为0.72%-35.09%,预测2017年常德市手足口病月发病率在6月出现最大值,为24.03/10万。结论:该ARIMA模型能够较好拟合常德市手足口病发病趋势,预测效果良好。     

ARIMA模型在南京市梅毒预测中的应用

目的探讨应用自回归滑动平均混合(ARIMA)模型进行南京市梅毒月发病率预测的可行性,建立梅毒发病率的预测模型,为制定防治策略提供依据。方法应用SPSS18.0软件对南京市2006-2012年梅毒逐月发病率进行ARIMA模型建模拟合,依据BIC准则确定最优模型。用所得到的模型对2013年各月发病率进行预测,并与实际发病率进行比较,检验预测效果。结果 ARIMA(0,1,1)(0,1,1)12模型很好地拟合了梅毒月发病率的变化规律,模型预测结果与实际值非常接近,实际值均在预测值的95%可信区间范围内。结论 ARIMA模型能够很好地模拟、预测梅毒的发病情况,可以为梅毒的防治工作提供科学依据。