SARIMA模型参数设置探讨

目的 比较不同参数设置的SARIMA模型拟合及预测效果,为提高SARIMA模型精度提供参考。 方法 利用全国2009年1月—2015年6月手足口病逐月发病率数据,按照传统图示法确定参数p,q值,建立SARIMA模型,记为模型1。再将参数p,q值±1,构建多个备选模型,筛选最优模型,记为模型2。利用模型1和模型2预测2015年7—10月手足口病发病率并与实际值比较,采用平均绝对误差百分比(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)评价模型拟合及预测效果。 结果 模型1为SARIMA(1,0,0)(1,1,0)₁₂;模型2有2个,包括SARIMA(1,0,1)(1,1,0)₁₂和SARIMA(1,0,1)(0,1,1)₁₂。SARIMA(1,0,0)(1,1,0)₁₂、SARIMA(1,0,1)(1,1,0)₁₂和SARIMA(1,0,1)(0,1,1)₁₂拟合的MAPE依次分别为22.891%、20.015%、19.985%。SARIMA(1,0,0)(1,1,0)₁₂、SARIMA(1,0,1)(1,1,0)₁₂和SARIMA(1,0,1)(0,1,1)₁₂预测的MAPE、MER、MSE和MAE依次分别为9.119%、8.988%、1.874%和1.107%;11.000%、10.909%、2.552%和1.344%;8.711%、8.477%、1.857%和1.044%。 结论 SARIMA(1,0,1)(0,1,1)₁₂为最优模型,拟合及预测效果优于图示法建立的SARIMA(1,0,0)(1,1,0)₁₂模型。在SARIMA建模过程中应在图示法基础上采用凑试法,筛选最优参数,提高模型精度。     

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。     

季节时间序列分析在新疆地区涂阳结核疫情预测预警中的应用

目的 探讨季节时间序列模型(seasonal autoregressive integrated moving average,SARIMA)在新疆涂阳肺结核疫情预测预警中的应用。 方法 收集新疆2005年1月－2015年6月涂阳肺结核月发病数建立时间序列分析模型,对2015年7－12月的月发病数进行预测并与实际发病数进行比较评价。 结果 新疆涂阳肺结核月发病数具有明显季节性,在3月和11月存在发病高峰,SARIMA(0,1,1)(0,1,1)₁₂模型参数的回归系数假设检验结果P<0.001,与实际月发病数拟合效果良好,平均绝对百分比误差MAPE=7.985%。 结论 SARIMA模型能较好的拟合新疆涂阳肺结核疫情在时间上的变异趋势,用其进行预测效果良好,能够为肺结核疫情的预警防治提供参考。     

GM(1,1)灰色模型、马尔可夫链模型及其组合模型和SARIMA模型在甲肝发病数预测中的应用效果比较

目的 比较GM（1,1）灰色模型、马尔可夫链模型及其组合模型和SARIMA模型在甲肝发病数预测中的应用效果。方法 利用2010—2014年江西省甲肝逐月发病数数据,分别拟合GM（1,1）灰色模型、马尔可夫链模型、灰色马尔可夫链组合模型和SARIMA模型。利用4个模型预测2015年1—12月甲肝发病数并与实际值比较,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）4个指标评模型预测效果。结果 2010—2015年江西省累计报告甲肝2 939例,甲肝发病数整体呈逐年下降趋势（r_s=-0.838,P<0.01）。SARIMA（0,1,1）（1,0,0）₁₂为最优SARIMA模型;GM（1,1）灰色模型拟合精度为合格。模型预测的MAPE从低到高依次为灰色马尔可夫链组合模型（23.894%）、SARIMA模型（25.529%）、GM（1,1）灰色模型（28.429%）、马尔可夫链模型（39.426%）;MER从低到高依次为SARIMA模型（21.303%）、灰色马尔可夫链组合模型（25.574%）、灰色模型（30.717%）、马尔可夫链模型（35.203%）;MSE 和MAE 从低到高依次均为SARIMA模型（45.293、4.918）、灰色马尔可夫链组合模型（47.122、5.903）、灰色模型（67.738、7.091）、马尔可夫链模型（85.252、8.126）。结论 灰色马尔可夫链组合模型和SARIMA模型预测效果较好,可以用于甲肝发病数的预测。     

ARIMA模型和ARIMA-GRNN模型在AIDS发病预测中的应用

目的 探究适用于预测我国艾滋病月发病人数的模型,为艾滋病的预防提供参考。方法 收集2011年1月至2017年12月我国艾滋病月发病报告人数资料,建立自回归移动平均（autoregressive integrated moving average,ARIMA）模型及广义回归神经网络（generalized regression neural network,GRNN）模型与ARIMA模型的联合。用2018年1月至5月艾滋病月发病数评估该模型预测效果。结果 艾滋病月发病数呈明显季节性,拟建立ARIMA（1,1,1）（0,1,1）₁₂模型对我国艾滋病月发病报告数进行预测。建立ARIMA-GRNN模型的光滑因子为0.021。ARIMA-GRNN模型拟合及预测误差均低于ARIMA模型。结论 ARIMA（1,1,1）（0,1,1）₁₂和ARIMA-GRNN模型均能较好地拟合并预测我国艾滋病月发病人数,但联合模型的效果更优。     

武冈市农村地区心脑血管住院病例的时间序列预测分析

目的  建立武冈市农村地区心脑血管疾病（cardio-cerebrovascular disease,CVD）住院病例的预测模型,并对CVD住院病例的变化趋势进行预测分析,为医院合理配置CVD科室医疗资源提供参考依据。 方法  利用Stata 14.0软件对武冈市2013年1月~2016年12月农村地区CVD住院人次月度数据构建季节性自回归移动平均混合模型（seasonal autoregressive integrated moving average model,SARIMA）,并对2017年武冈市农村地区CVD住院病例进行预测分析。 结果  通过模型构建最终拟合的CVD住院病例预测模型为SARIMA（2,1,1）x（0,1,0）₁₂。Ljung-Box Q检验结果显示残差序列为白噪音序列（Q=11.12,P=0.680）,说明所建模型拟合度较好,且2017年的预测结果与观测结果基本一致,总体相对误差在-1.2%左右。预测结果显示,夏季为每年CVD住院高峰期。 结论  SARIMA模型可以对武冈市CVD住院病例进行较准确的短期预测,医院可以根据不同月份CVD就医需求合理配置院内CVD科室医疗资源。     

ARIMA模型在三门峡市手足口病发病预测中的应用

目的 建立以三门峡市手足口病发病数据为基础的整合滑动平均自回归模型(autoregressive integrated moving average model, ARIMA),并利用该模型对三门峡市手足口病的发病数进行预测。 方法 以三门峡市2008年1月—2017年12月的手足口病月发病数据为基础差分平稳化后经过文献查阅和验证建立最优ARIMA,并对2018年1月—12月的手足口病发病数进行预测,通过与实际值的比较评价预测效果。 结果 三门峡市手足口病发病预测模型为ARIMA(1,1,1)×(0,1,1)₁₂ ,模型各项参数均有统计学意义(P<0.001),拟合优度检验BIC=0.287,残差序列为白噪声序列(P=0.10),拟合效果较好。预测了三门峡市2018年1—12月的手足口发病数,并与实际值进行比较,1—2月预测值与实际值符合度较高。 结论 拟合的三门峡市手足口病发病序列模型ARIMA(1,1,1)×(0,1,1)₁₂效果较好,可用于对三门峡市手足口病发病趋势进行短期预测。     

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模型在上海市猩红热发病率预测中的应用

目的 探讨差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型在上海市猩红热月发病率预测的应用。方法 利用ARIMA时间序列模型拟合2004年1月—2017年6月上海市猩红热的月发病率资料,并利用最优模型对2017年7—12月猩红热的月发病率进行预测。结果 最终拟合ARIMA(1,1,0)(0,1,1)₁₂模型,其标准化贝叶斯信息准则值(Bayesian information criterion,BIC)(-2.247)最小,残差经Ljung-Box Q(18)检验为白噪声序列,预测值与实际值基本吻合,相对误差在0.35%~16.74%的范围内。结论 ARIMA模型用于上海市猩红热月发病率的短期预测,可应用于定量风险评估等猩红热疫情的预警预测。     

ARIMA模型在预测我国乙肝月报告发病数中的应用

目的 建立适合预测我国乙肝月报告发病人数的自回归移动平均（autoregressive integrated moving average,ARIMA）模型。方法 收集2010年3月~2017年8月我国乙肝月报告发病人数据资料,用Excel 2010建立数据库,用R 3.3.3软件进行模型构建。其中2010年3月~2017年3月数据用于模型建立,2017年4~8月数据用于模型检验。结果 我国乙肝月报告发病数整体呈现下降趋势并于每年2月达到最低值,于3月份迅速上升到高峰值,具有明显季节性和周期性。建立ARIMA（2,1,1）（1,1,1）₁₂模型对我国乙肝月报告发病数进行预测,该模型预测的绝对误差平均值为2 628.55,相对误差最大值为6.16%,最小值为1.29%,平均值为2.61%。结论 基于本研究数据,ARIMA（2,1,1）（1,1,1）₁₂模型能较好地拟合我国乙肝的月报告发病人数,可用于预测。     

Prevalence of haemorrhagic fever with renal syndrome in mainland China: analysis of National Surveillance Data, 2004-2009

The monthly and annual incidence of haemorrhagic fever with renal syndrome (HFRS) in China for 2004-2009 was analysed in conjunction with associated geographical and demographic data. We applied the seasonal autoregressive integrated moving average (SARIMA) model to fit and forecast monthly HFRS incidence in China. HFRS was endemic in most regions of China except Hainan Province. There was a high risk of infection for male farmers aged 30-50 years. The fitted SARIMA(0,1,1)(0,1,1)12 model had a root-mean-square-error criterion of 0·0133 that indicated accurate forecasts were possible. These findings have practical applications for more effective HFRS control and prevention. The conducted SARIMA model may have applications as a decision support tool in HFRS control and risk-management planning programmes.     

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。     

湖南省手足口病发病趋势SARIMA模型预测

目的 建立湖南省手足口病发病趋势的SARIMA模型,为手足口病的预防和控制提供参考依据。方法 收集中国疾病预防控制信息系统2008年5月-2013年12月湖南省手足口病月发病率数据建模,以2014年1-7月的月发病率数据进行验证,并对2014年8月-2015年7月发病情况进行预测;应用SPSS 18.0中的"Define Dates"模块和"ForeCasting"模块进行分析,建立季节性差分自回归移动平均模型(SARIMA)。结果 湖南省手足口病月发病率发病趋势预测模型为SARIMA(1,0,0)(1,1,0)₁₂,模型自回归参数AR1=0.765,(t=8.789,P<0.001),残差为白噪声(Ljung-Box Q=15.420,P=0.494),预测值与实际值的相对误差范围为6.90%~46.31%,平均相对误差为20.37%;预测2014年发病率2次高峰分别在5月份和11月份,均高于2013年同月份的发病率;2015年上半年高峰期也在5月份,低于2014年同月份的发病率。结论 SARIMA(1,0,0)(1,1,0)₁₂拟合效果较好,可用于湖南省手足口病月发病率的短期预测。     

ARIMA模型和Holt-Winters指数平滑法在自杀死亡中的预测效果比较

目的 探讨比较自回归求和滑动平均(autoregressive integrated moving average,ARIMA)模型和Holt-Winters指数平滑法在自杀死亡预测中的应用.方法 利用河北省2014年1月-2018年6月自杀月度死亡资料分别建立ARIMA模型和Holt-Winters指数平滑模型,对2...     

SARIMA-GRNN组合模型在伤寒与副伤寒逐月发病数预测中的应用

目的  建立季节性差分自回归移动平均(seasonal autoregressive integrated moving average, SARIMA)-广义回归神经网络(generalized regression neural network, GRNN)组合模型,为伤寒与副伤寒发病数的预测提供方法学上的新思路。方法  利用2011年1月-2019年12月中国伤寒与副伤寒逐月发病数资料,分别构建SARIMA模型和SARIMA-GRNN组合模型,比较两种模型的拟合和预测效果。结果  最优的SARIMA模型为SARIMA (2, 1, 1) (0, 1, 1)₁₂,SARIMA-GRNN组合模型的最优光滑因子(spread)为0.21。评价SARIMA-GRNN组合模型拟合效果的参数均方根误差(root mean squared error, RMSE)、平均绝对误差(mean absolute error, MAE)和平均绝对百分比误差(mean absolute percentage error, MAPE)为90.08、71.44和7.07%,分别小于SARIMA模型的99.44、79.15和7.86%;评价预测效果的RMSE、MAE和MAPE为100.86、75.94和9.57%,均小于SARIMA模型的125.44、97.33和10.89%。结论  SARIMA-GRNN组合模型比传统SARIMA模型更能拟合中国伤寒与副伤寒逐月的发病数,而且预测精度更高,可应用于伤寒与副伤寒逐月发病数的预测。     

季节时间序列模型在菌痢发病预测中的应用

目的研究SARIMA模型拟合季节时间序列的方法,并将其应用于菌痢发病的预测,探讨该模型进行传染病预警的可行性。方法利用Eviews软件对江苏省菌痢的月发病数据进行建模,首先采用取对数、差分等方法对序列进行平稳化,然后进行模型参数的估计、检验,最优模型的筛选,最后进行预测分析。结果 SARIMA(1,1,2)(1,1,1)12较好地拟合了江苏省菌痢的月发病数据,预测效果良好。结论 SARIMA模型可用于具有季节性、周期性波动的传染病发病的动态分析和短期预测。     

湖南省哨点医院流感样病例SARIMA模型预测

目的 建立湖南省流感SARIMA预测模型,为及时采取针对性防控措施提供重要的参考依据。 方法 收集湖南省2010 年第1周-2015年第52周流感样病例百分比(influenza like illness proportion,ILI%)数据建模,用2016年第1～16周次ILI%数据进行验证并对 2016 年第17~52周次ILI%进行预测;应用SPSS 18.0的“预测”模块进行分析,建立SARIMA模型。 结果 湖南省ILI%发病趋势预测模型为 SARIMA(3,0,3)(1,1,0)₅₂,模型参数Normalized BIC值为-1.048,残差为白噪声(Ljung- Box Q=17.980,P＞0.05),预测值与实际值的绝对误差范围在0.14%～1.60%,平均绝对误差百分比(MAPE)为15.96%;预测湖南省2016年ILI%呈现两个高峰,第1个流行高峰在第3～7周,第2个流行高峰在第22～27周,流行特征与2010-2015年基本一致。 结论 SARIMA(3,0,3)(1,1,0)₅₂模型拟合效果较好,可用于湖南省周ILI%的短期预测。