α-Sutte、SARIMA及其组合模型在甲肝发病率预测中的应用效果比较

目的 比较α-sutte、SARIMA及其组合模型(SutteSARIMA)在甲肝发病率预测中的应用效果,为优化甲肝预测模型提供参考。方法 收集2004—2017年全国甲肝逐月发病率数据。以2004年1月—2017年6月数据作为训练集,2017年7—12月数据作为测试集。利用训练数据分别训练α-sutte、SARIMA及SutteSARIMA模型。利用训练模型预测2017年7—12月发病率,并与测试集比较。采用平均绝对误差百分比(Mean Absolute Percentage Error, MAPE),平均绝对误差(Mean Absolute Error, MAE),均方根误差(Root Mean Squared Error, RMSE)和平均误差率(Mean ErrorRate, MER)评价模型拟合及预测效果。结果 α-sutte、SutteSARIMA模型残差均在0附近波动。α-sutte、SARIMA及SutteSARIMA模型拟合的MAPE、MAE、RMSE、MER依次为7.68%、0.02、0.03、6.34%,12.10%、0.03、0.05、12.18%,7.72%、...     

残差自回归模型在艾滋病感染率变化趋势中的应用

目的探讨建立残差自回归模型预测某市艾滋病新发感染率的可行性。方法根据某市40个区县1995-2009年艾滋病感染情况数据资料,建立了二次方程和ARMA(1,0)的残差自回归模型。结果残差自回归模型能较好地拟合当地艾滋病月度新发感染率的变动趋势,且2009-08/12的预测值符合实际值的变动趋势。结论该模型能够较好地模拟当地艾滋病新发感染率在时间序列上的变化,可为该地艾滋病新发感染情况的短期预测提供依据。     

SARIMA模型在河南省手足口病发病率预测中的应用

目的 探讨季节性差分自回归滑动平均(seasonal autoregressive integrated moving average,SARI-MA)模型对河南省手足口病月发病率进行预测的可行性.方法 选取河南省2011年7月-2019年6月的手足口病月发病率建立SARIMA预测模型,选取2019年7-12月病例评测...     

SARIMA模型和季节趋势模型在手足口病发病率预测中的应用

目的比较自回归滑动平均求和季节乘积模型(SARIMA)和季节趋势模型对手足口病(HFMD)发病率的预测效能。方法利用荆州市2010—2015年的手足口病逐月发病率作为拟合数据,以2016年的逐月发病率作为预测数据,分别建立SARIMA模型和季节趋势模型后,根据2个模型的平均绝对百分比误差(MAPE)、平均误差率(MER)、均方误差(MSE)和平均绝对误差(MAE)评价模型的效果。结果 SARIMA(1,0,0)(1,1,0)12(不含常数项)拟合和预测的MAPE、MER、MSE、MAE为18.86%,25.47%,24.23,2.17和15.61%、16.71%、9.41、2.02;季节趋势模型拟合和预测的MAPE、MER、MSE和MAE为33.91%、39.48%、44.38、3.31和21.06%、20.32%、12.63、2.54。结论 SARIMA模型拟合效果较好,预测精度更高,可应用于手足口病疫情的预测和预警。     

中位数回归模型及自回归模型在北京市SARS发病预测中的应用

目的探讨北京SARS发病的动态变化规律.方法建立北京市SARS发病长期预测的中位数回归模型以及短期预测的自回归模型.结果以4月24日～5月11日的数据建模,对SARS进行长期预测的中位数回归模型为:Yi0.5=129.2-4.7ti,预测其新增临床诊断病例数将于5月22日降至零病例;同时考虑时间(ti)、前一天的新增临床疑似病例数(Zi-1),对SARS进行短期预测的二阶自回归模型(第一步)为:Yi=79.9526-0.2773Yi-1 0.3582Yi-2 0.2848Zi-1-2.8175ti.预测其新增临床诊断病例数将于5月21日降至零病例.结论SARS发病长期预测用中位数回归较一般线性回归稳健;SARS发病短期预测的自回归模型取二阶较适宜.长期预测与短期预测中新增临床诊断病例数降至零病例的时间基本一致.在传染病的发病预测中使用中位数回归模型及自回归模型的方法具有广阔的应用前景.     

灰色模型GM(1,1)和残差自回归模型在中国孕产妇死亡率预测中的应用

目的 采用灰色模型GM(1,1)和残差自回归模型分别对我国孕产妇死亡率(MMR)进行预测,并比较两者预测准确性,为MMR预测提供方法学指导。方法 根据我国1991—2020年的MMR数据,应用灰色模型GM(1,1)和残差自回归模型,建立MMR预测模型并进行预测研究。结果 GM(1,1)模型对MMR预测精度高于残差自回归模型,求得GM(1,1)方程为：x⁽(1))(k+1)=-1 544.142 7e^{-0.051 1k}+1 624.142 7,拟合检验显示本模型拟合精度好(C=0.186 8,P=1),能够较好地预测MMR的趋势,预测2022—2024年MMR分别为16.6/10万、15.8/10万和15.0/10万。结论 对于1991—2021年MMR数据,GM(1,1)拟合效果优于残差自回归模型,预测表明2022—2024年我国MMR将继续呈下降趋势。     

残差自回归模型在中国人口出生率预测中的应用

时间序列是将某一指标在不同时间上的数值按时间先后顺序排列而成的数列(1).时序分析中对非平稳时间序列的处理有两种方法:(1)确定性分析方法,假定序列的变化不是变化莫测的,而是可以用一条趋势线来加以刻画的,即序列的趋势是时间t的确定函数,常用的方法有线性模型、指数模型等(2).该方法只能提取确定性信息,没有利用随机性信息.(2)随机性分析方法,ARIMA模型是典型代表,通过差分方法提取确定性信息,能提高非平稳序列的拟合精度,但难以对模型进行直观解释.     

Hockey Stick回归和SARIMA模型在细菌性痢疾疫情预测中的应用

目的探讨应用HockeyStick回归和时间序列分析中的SARIMA模型进行细菌性痢疾疫情预测的可行性。方法收集辽宁省葫芦岛市1990—2006年的逐月及逐年细菌性痢疾疫情资料和当地气象数据。首先，利用描述统计分析细菌性痢疾季节性发病规律，使用Spearman等级相关分析疫情同气象因素的关系，根据HockeyStick回归确定发病阈值。其次，进行扩充迪基富勒的平稳性单位根检验。再次，根据自相关函数图和偏自相关函数图识别逐月疫情间的相关性。应用Eviews3．1、Stata8．2和SPSS12．0软件对1990—2005年逐月发病率进行上述统计分析。最后，利用所得到的模型对2006年各月发病率进行预测，并与实际发病率进行比较。结果最低气温、平均气温和最高气温所确定的阈值分别为11．42℃、17．17℃和22．98℃；（1，0，0）×（0，1，1）12模型为最优SARIMA模型，此模型对2006年各月发病率的预测值符合实际发病率变动趋势。结论HockeyStick回归和SARIMA模型可较好地模拟细菌性痢疾疫情在时间序列上的变动趋势，并对未来的发病率进行一定预测，能够为传染病防制工作提供一定决策支持。     

残差分析在回归模型诊断中的应用

人们在用最小二乘法研究线性回归模型(?)=Xβ ε时,为了使常数项α和回归系数β为无偏估计,且具有方差最小性,而要求随机误差ε满足E(ε)=u和Guass-Markov假定COV(ε)=σ~2I,并在探讨其假设检验和区间     

SARIMA-GRNN组合模型和SARIMA模型在流行性腮腺炎发病率预测中的应用

目的 探讨SARIMA-GRNN组合模型和SARIMA模型在流行性腮腺炎发病率预测中的应用,并对他们的预测效果进行比较.方法 选取2004-2016年上海市流行性腮腺炎逐月发病率资料,基于2004年1月-2016年6月的数据建立SARIMA模型.利用2004-2015年流行性腮腺炎的SARIMA模型拟合值与实际值、时间...     

SARIMA模型用于新疆乙肝发病率预测的探讨

摘要:目的　探讨SARIMA模型用于新疆乙肝月发病率预测的可行性,为制定防控策略提供科学参考。方法　采用带有季节性的自回归移动平均模型（SARIMA）,分析将其用于新疆乙肝发病率预测的可行性,对模型进行参数估计及残差检验,根据AIC及BIC准则确定最适合的SARIMA模型,讨论该模型的拟合及预测效果。结果　SARIMA（1,1,2）（0,1,0）12模型很好地拟合了新疆乙肝月发病率变化规律,模型预测值与实际值间的相对误差及均方误差较小。结论　SARIMA（1,1,2）（0,1,0）12模型能够较好地用于新疆乙肝月发病率预测,可为新疆的乙肝防控提供科学参考。     

SARIMA模型和Holt-winters模型在我国丙肝月报告发病人数预测中的应用比较

目的 分析2013-2019年我国丙型病毒性肝炎（丙肝）发病趋势,探讨比较SARIMA模型和Holt-winters模型在我国丙肝发病序列预测中的应用。 方法 基于2013-2018年我国丙肝月发病数据拟合建立SARIMA模型和Holt-winters模型,采用2019年1月-12月发病数据验证两种模型预测效果。 结果 SARIMA模型最优模型为ARIMA(2,1,4)(2,1,2)12,预测平均误差百分比（MAPE）为4.447%,Holt-winters模型最优模型为相加模型,预测平均误差百分比（MAPE）为2.958%。 结论 Holt-winters相加模型预测精度相对较高,可用于我国丙肝发病人数的预测。     

ARIMA乘积季节模型在食源性疾病月发病率预测中的应用

目的 探讨ARIMA乘积季节模型在食源性疾病月发病率研究中的应用,并预测食源性疾病月发病率趋势。方法 采用SPSS 23.0软件对安徽省某市2013年1月至2018年12月的食源性疾病月发病率资料进行ARIMA模型拟合,利用2019年食源性疾病月发病率资料验证模型,并预测2020年食源性疾病月发病率。结果 安徽省某市源性疾病月发病率呈逐年上升趋势,且有明显的周期性。ARIMA（2,0,0）×（0,1,0）12为最优模型（P<0.05）,决定系数（R²）为0.94,贝叶斯信息准则（BIC）为1.862;模型Box-Ljung检验差异无统计学意义（Q=14.682,P＝0.548）,提示残差属于白噪声序列。2019年数据以检验模型外推效果,MAPE= 24.069%,表明模型外推效果较好,且实际值均落在预测值的95%的置信区间,模型预测效果比较理想。结论 ARIMA（2,0,0）×（0,1,0）12模型能够较好的拟合食源性疾病的时间变化,因此可用于食源性疾病月发病率的拟合和预测。     

动态灰色模型在甲型肝炎发病率预测中的应用

目的探索动态灰色模型CM（1,1）在甲型肝炎发病率定量宏观评估中的合理性与应用条件。方法首先,收集1990～2013年葫芦岛市24年甲型肝炎发病率资料,然后利用1990。2007年发病率建立动态灰色GM（1,1）模型选择最优阈值,最后对2008～2013年发病率进行外推预测。结果最优阈值为15,当利用动态灰色模型GM（1,1）时,甲型肝炎模型等级为2级。结论动态模型基本拟合了葫芦岛市甲型肝炎的发病变化,效果优于非动态模型。     

三种预测模型在甲型肝炎发病趋势研究中的应用

目的探讨三种模型进行甲肝发病率的预测,选择最优方法,为甲肝防治提供科学依据。方法对陕西省某地区2004—2011年甲型肝炎发病率分别采用动态数列法、年估计百分比变化（EAPC）及直线回归模型三种方法进行计算,预测该地区2012年甲肝发病率,并与实际值进行比较,选出最优方法。结果年估计百分比变化（EAPC）法预测数值与真实值最接近,且该方法将计算的前提假设（变化趋势稳定）与统计学检验结合起来,从理论上更加完善,故EAPC计算最佳。结论动态数列法适用于数据波动稳定的短期预测,直线回归法适用于观察值随时间变化呈线性关系的数据预测,EAPC法适用于对数据波动未知,长期变化数据趋势分析及预测。通过对甲肝发病率的预测,为指导该地区甲型肝炎的防治提供了帮助。     

SARIMA-RBF组合模型在流行性腮腺炎流行趋势预测中的应用

目的 探讨SARIMA-RBF组合模型拟合及预测我国流行性腮腺炎（流腮）流行趋势的应用。方法 利用全国2004—2015年流腮逐月发病率建立SARIMA模型。将基于SARIMA模型的拟合值作为输入向量,实际值作为输出向量,根据时间因素作为输入向量与否建立2个SARIMA-RBF组合模型（加入时间因素记为组合模型A,不加入时间因素记为组合模型B）。运用SARIMA模型和2个SARIMA-RBF组合模型预测2016年7—12月流腮发病率并与实际值比较,采用平均绝对百分比误差（MAPE）、平均误差率（MER）、均方误差（MSE）和平均绝对误差（MAE）评价模型拟合及预测效果。结果 SARIMA（0,1,1）（0,1,1） ₁₂为最优SARIMA模型。SARIMA模型、组合模型A和组合模型B拟合的MAPE 分别为15.724%、12.217%、13.941%,MER分别为15.168%、10.179%、14.042%,MSE分别为0.336、0.167、0.713,MAE分别为0.296、0.199、0.274。预测的MAPE 分别为12.069%、7.904%、9.598%,MER分别为12.331%、7.872%、10.636%,MSE分别为0.022、0.013、0.025,MAE分别为0.138、0.088、0.119。结论 考虑时间因素的SARIMA-RBF组合模型为最优拟合及预测模型,具有良好推广应用价值。     

SARIMA模型在手足口病发病率监测中的应用

目的 通过建立SARIMA模型,探讨该模型在手足口病发病率预测中的应用,为疾病预防控制部门制定防控策略提供理论依据.方法 应用SPSS 20.0软件包对乌鲁木齐市2009年1月1日至2014年12月31日手足口病月发病率进行初步平稳化处理并建立季节性ARIMA模型.结果 通过对参数和模型的拟合优度检验及残差白噪声序列检验,最终确定模型为SARIMA(1,0,0)(1,1,0)12,该模型能较好的对以往发病率进行拟合,真实值均在预测值的95％置信区间内.结论 SARIMA(1,0,0)(1,1,0)12模型能够较准确地预测手足口病发病趋势,但若要获得更为准确的预测信息,则需要使用多模型联合的方法来预测.     

某市甲型肝炎发病预测研究

目的：对某市甲型肝炎的发病做短期预测,为其防治工作提供科学依据。方法采用ARMA模型和季节周期回归模型在2007-2012年甲肝发病资料的基础上,对2013年发病情况进行预测。结果某市2013年甲型肝炎年发病率预测值为33．501（1/1000万）,第一季度为25．26,第二季度为3．28,第三季度为2．233,第四季度为2．233。结论季节周期回归模型对甲型肝炎各季度发病率的预测效果较好;相关卫生部门应有针对性地做好准备工作,未雨绸缪,降低甲型肝炎的发病水平。     

基于ARIMA-GRNN组合模型预测我国甲肝发病率

目的 探讨ARIMA-GRNN组合模型在甲肝发病序列预测中的应用,并比较其与ARIMA模型和BPNN模型的预测效果。方法 通过收集2004年1月～2014年12月我国甲肝发病序列资料,用SPSS 13.0建立ARIMA模型,用Matlab 8.0建立BPNN模型和ARIMA-GRNN组合模型,并用2014年数据对模型的预测效果进行评价。结果 针对我国甲肝发病序列建立的三种预测模型拟合的平均相对误差的值依次为：ARIMA模型（7.29 785）结论 ARIMA-GRNN组合模型的拟合及预测效果优于ARIMA模型和BPNN模型。