江苏省乙型肝炎流行趋势的时间序列分析及预测

目的：利用拟合ARIMA模型对江苏省乙肝发病趋势进行时间序列分析和预测,为制定乙肝防治策略提供科学依据。方法：收集江苏省2000年～2009年乙肝月发病率资料,通过SPSS13.0软件拟合ARIMA模型。结果：最终拟合为ARIMA（0,1,2）（0,1,1）12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8.26%。结论：江苏省乙肝发病具有逐渐下降的长期趋势,说明乙肝防治卓有成效。2000年以来乙肝月发病率时间序列还有明显的周期性波动特征,其原因有待于进一步研究。2010年预测结果提示需调整本省乙肝防治策略。     

ARIMA模型在河南省梅毒月发病率预测中的应用

目的 应用自回归移动平均模型(auto-regressive integrated moving average,ARIMA)建立河南省梅毒月发病率预测模型,为制定梅毒防控措施提供参考依据.方法 应用SPSS15.0统计软件包对河南省2006年1月至2011年12月梅毒月发病率进行ARIMA模型拟合,依据BIC准则确定模型的阶数.利用最终模型预测2012年1月至5月梅毒月发病率,比较预测值和实际值,检验预测效果.结果 ARIMA(3,1,0)(0,0,1)12模型能够较好地拟合及预测梅毒月发病率,具有较高的预测精度,模型所得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模型能较好地模拟梅毒发病率在时间序列上的变化趋势,可用于预测梅毒的发病率趋势,为制定其防控措施提供科学依据.     

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模型在衢州市梅毒发病率预测中的应用

目的探讨应用ARIMA模型预测梅毒发病趋势的可行性,为预防控制梅毒流行提供依据。方法应用SPSS 18.0对2005-2014年衢州市梅毒逐月发病率建立ARIMA模型,并对2015年梅毒发病率进行预测分析。结果 ARIMA(2,1,1)(0,1,1)12能较好拟合既往梅毒的发病率,2014年梅毒月发病率预测值和实际值的平均相对误差为11.89%,实际值均在预测95%CI内。结论 ARIMA模型能有效地预测梅毒发病趋势,为制定防控措施和策略提供科学的依据。     

时间序列分析法在贵州省乙型病毒性肝炎流行趋势预测中的应用

目的建立贵州省乙型病毒性肝炎(乙肝)发病的预测模型,预测2017—2019年乙肝发病趋势。方法对2004—2016年贵州省的乙肝月报告发病率建立自回归移动平均(ARIMA)预测模型,对贵州省2017—2019年乙肝发病趋势进行预测。结果 2004—2016年贵州省乙肝发病呈周期性波动,并具有长期趋势,拟合得到ARIMA(0,1,1)(0,1,1)12模型,用模型拟合2004—2016年乙肝月报告发病率,预测值和实际值平均相对误差为7.46%,预测2017—2019年贵州省乙肝月报告发病率在3.27/10万~4.38/10万的范围内波动。结论 ARIMA模型可较好的拟合贵州省乙肝发病在时间序列上的变化趋势,该模型可用于贵州省乙肝发病的短期趋势预测。     

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。     

ARIMA模型在乙型病毒性肝炎发病率预测中的应用

目的 探讨应用ARIMA模型进行乙肝发病率的预测,为乙肝防治提供科学依据.方法 应用Eviews 7.0对2004年1月至2012年6月陕西省某市乙型肝炎发病率进行模型拟合,用所得到的最优模型对2012年7 ～12月乙肝发病率进行预测,并与实际值进行比较.结果 ARIMA(1,1,1)×(1,1,1)12模型拟合效果总体较好,其对2012年7 ～12月乙肝发病率预测值基本符合实际值的变化趋势.结论 ARIMA模型可以模拟乙肝发病率,应用乙肝发病于预测.     

基于时间序列模型对甲型病毒性肝炎的预测研究

目的探讨时间序列模型在甲肝发病预测的应用,为下一步采取防控措施提供科学依据。方法基于宜昌市2005-2015年逐月甲肝发病率建立两种模型,对2016年甲肝的发病率进行预测,并将预测值与实际值进行拟合评价。结果 ARIMA模型首先要求数据平稳,宜昌市的甲肝发病存在季节性波动,为不平稳序列,但2010年之后数据较为平稳,经对2010-2015年甲肝月发病率进行季节性差分、差分处理,新数列为平稳序列(游程检验法Z=1.447,P=0.148),然后进行参数估计(BIC=-4.293)和白噪声检验(Q=22.150,P=0.138),据此建立ARIMA模型,ARIMA(0,0,1)(0,1,1)12模型为最优模型,能较好的模拟甲型病毒性肝炎的发病。结论 ARIMA(0,0,1)(0,1,1)12模型能较好的模拟甲肝发病在时间序列的变化趋势,为制定科学的防控措施和策略提供依据。     

江西省乙型肝炎发病趋势的时间序列和预测模型分析

目的利用乘积季节模型预测江西省乙型肝炎(乙肝)的发病趋势,为江西省乙肝预警预测奠定基础,同时为制定防控措施提供科学依据。方法利用最小二乘原理,应用自回归求和移动平均模型与随机季节模型相结合的乘积季节模型,对江西省1990-2009年乙肝月发病数进行时间序列分析并建立预测模型,用2010年相应数据验证预测效果,并对2010年以后江西乙肝发病趋势进行预测。结果利用1990-2009年资料构建ARIMA(1,1,1)(0,1,1)12模型,所建立的预测效果良好,实际值均在预测值95%可信区间内,预测2011-2014年江西省乙肝发病人数呈上升趋势。结论采用ARIMA乘积季节模型预测江西省乙肝发病情况,拟合及近期预测效果均较好。预测效果符合江西省乙肝发病现状及目前采取的乙肝防治措施。     

ARIMA模型在东莞市细菌性痢疾预测中的应用

目的探讨ARIMA模型在东莞市细菌性痢疾发病预测的可行性和适用性,为东莞市细菌性痢疾的防控提供参考依据。方法使用SPSS 17.0对2004年1月至2012年4月东莞市细菌性痢疾发病率资料拟合ARIMA模型,利用所得到的模型对东莞市2012年5～7月细菌性痢疾发病率进行预测评价。结果 ARIMA(0,0,1)(0,1,1)12模型具有较高的预测精度,预测值与实际值基本吻合,且实际值都在95%可信区间内。结论 ARIMA(0,0,1)(0,1,1)12模型较好地反映了东莞市细菌性痢疾发病趋势,可作为东莞市细菌性痢疾发病水平短期预测模型。     

深圳市登革热传播风险ARIMA模型预测分析

目的利用拟合ARIMA模型对深圳市登革热发病趋势进行时间序列分析和预测,为制定登革热防治策略提供科学依据。方法收集深圳市2011-2015年登革热月发病资料,通过SPSS 20.0和SAS 9.4统计软件拟合ARIMA模型,预测2015年7~12月的发病率。结果最终拟合为ARIMA(1,0,0)(0,1,0)12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20.6%。2015年7、8、9月份登革热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登革热的短期发病趋势。     

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。     

应用ARIMA模型预测石家庄市手足口病发病趋势

目的探讨应用ARIMA模型预测石家庄市手足口病发病趋势的可行性,为手足口病防制提供科学依据。方法收集石家庄市2011-2018年手足口月发病率,利用软件SPSS 19.0构建石家庄市手足口病月发病率ARIMA模型。结果石家庄市手足口病月发病率模型为ARIMA(1,0,1)(0,1,1)12,最小BIC指标值为3.058,Ljung-Box统计量为15.986(P=0.383),模型残差为白噪声序列。2018年7-12月实际月发病率与预测值基本吻合,预测值与实际值的平均相对误差为4.72%,实际值均在预测值95%可信区间。利用该模型进行预测,2019年石家庄市手足口病发病呈上升趋势。结论ARIMA(1,0,1)(0,1,1)12模型可以较为准确地预测短期内石家庄市手足口病发病趋势,可为手足口病的防治工作提供参考。     

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.     

应用随机时间序列分析法对军队乙型肝炎疫情的预测研究

[目的]探讨应用ARMA模型拟合时间序列的方法,并将其应用于军队乙型肝炎的预测,为传染病预警系统提供决策依据. [方法]利用SPSS软件对全军1996～2005年乙型肝炎的月发病数据进行建立模型.并用所建模型对2006乙肝逐月发病人数进行预测,将预测值与实际值进行比较. [结果]ARIMA(0,1,1)×(0,1,1)12模型较好地拟合了既往时间段上的发病序列,其对2006年各月发病人数的预测值符合实际发病人数的变动趋势. [结论]在乙型肝炎的近期预测中引入时间序列的ARMA模型方法,为传染病预测具有指导意义.     

ARIMA模型在乙型肝炎发病数预测中的应用

目的探讨自回归移动平均(ARIMA)模型在乙型肝炎(以下简称"乙肝")发病数预测中的可行性,为预测乙肝发病趋势提供借鉴。方法利用"传染病报告信息管理系统"中湖北省2005―2016年乙肝分月发病数建立数据库,采用SPSS 12.0拟合ARIMA模型并进行预测。结果乙肝发病数原始数据存在一定的季节性及长期趋势,为非平稳时间序列;经差分处理为平稳序列后拟合得到ARIMA(0,1,1)(0,1,1)12为最优模型,残差检验为白噪声序列;模型回代性预测的平均绝对误差百分比为5.377%,10%;前瞻性预测显示2016年各月份的实际值均在预测值95%置信区间内,且与实际值的平均相对误差仅为3.94%;模型预测2017和2018年乙肝年发病数分别为67 424、68 819例。结论 ARIMA模型能较好地模拟乙肝发病数在时间序列上的变动趋势,将其应用于乙肝发病趋势的预测是可行的。     

ARIMA模型在水痘发病趋势预测中的应用

目的 运用时间序列ARIMA乘积季节性模型预测水痘发病趋势,为嘉定区水痘发病防控预警提供参考依据。方法 查阅《上海市统计年鉴》,获得2012—2022年上海市嘉定区常住总人口数;查询《中国疾病预防控制信息系统》中的嘉定区2012—2022年水痘病例信息。对嘉定区2022年水痘发病率进行预测并与实际数据进行分析,运用SPPS21.0时间序列模型专家建模器对2023年水痘月发病率进行外推预测。结果 经参数和模型拟合优度检验,以及残差白噪声序列的检验最终确定专家建模器模型ARIMA(0,1,1)(0,1,1)₁₂模型拟合效果好,预测结果显示2023年嘉定区水痘发病率为56.68/10⁵。结论 专家建模器构建的ARIMA模型可以准确有效地预测嘉定区水痘发病趋势,能够对预警提供积极有效的依据,在实际中结合社会、自然等影响因素可针对性进行水痘防控工作,提高工作效率及防治效果。     

ARIMA模型及其在肺结核预测中的应用

[目的]探讨应用时间序列ARIMA模型进行肺结核发病率预测的可行性,为结核病防治提供科学依据.[方法]对重庆市1997～2005年肺结核发病率建立ARIMA模型,并对预测效果进行评价.[结果]ARIMA (1,0,0)×(0,1,1)12模型很好地拟合了既往时间段上的发病率序列,对2005年各月发病率的预测值符合实际发病率变动趋势.[结论]ARIMA模型能很好地模拟肺结核发病率的变动趋势,预测效果可信,能为肺结核的防治工作提供科学依据.     

应用ARIMA模型预测结核病发病率研究

目的应用自回归求和移动平均(ARIMA)模型预测结核病发病率。方法收集浙江省余姚市2006—2016年结核病月发病资料,采用专家建模器和传统建模方法建立ARIMA模型,根据最小贝叶斯信息准则(BIC)值选出最优模型,对2006—2016年结核病月发病率进行回代拟合,并对2017年结核病月发病率进行预测。结果传统建模方法所得模型为ARIMA(0,1,1)(0,1,1)12,专家建模器所得模型为ARIMA(0,0,1)(0,1,1)12;两个模型的残差序列均未突破可信区间,为白噪声过程,均为恰当模型,但ARIMA(0,0,1)(0,1,1)12标准化的BIC值更小,确定为最优模型。对余姚市2006—2016年结核病月发病率进行回代拟合,实际发病率均落入拟合值的95%CI内,模型预测值能较好拟合原始数据;预测余姚市2017年1—12月结核病月发病率,预测值与实际值的平均相对误差为9.05%。结论应用专家建模器构建的ARIMA模型可较好地预测结核病发病率。     

ARIMA季节性模型在河南省猩红热发病预测中的应用

目的 建立河南省猩红热发病的ARIMA季节模型,探讨该模型在预测猩红热发病中的应用。方法 以2005-2019年河南省猩红热病例数为基础建立ARIMA模型,并用2019年1-12月的实际发病数进行验证,利用最优模型预测2020年1-12月河南省猩红热发病数。结果 最优模型为ARIMA (2,1,2)(0,1,1)₁₂,参数均有统计学意义(P<0.05),BIC=7.406,残差序列为白噪声(Ljung-Box=17.234,P=0.141),拟合效果较好。2019年1-12月猩红热月发病数预测值和实际值的平均相对误差为9.9%,实际值均在预测值95%置信区间(95%CI)。预测河南省2020年猩红热平均月发病数为192例,少于2019年的203例,明显多于2020年实际月均病例数47例。结论 ARIMA(2,1,2)(0,1,1)₁₂模型拟合河南省猩红热发病数效果较好,可用于河南省猩红热发病趋势的短期预测。