ARIMA乘积季节模型在陕西省手足口病预测中的应用

目的 应用自回归求和移动平均（ARIMA）乘积季节模型预测陕西省手足口病发病人数。方法 利用R软件对2009年1月至2015年6月手足口病数据构建ARIMA乘积季节模型,同时利用2015年7-12月实际发病人数与模型拟合数据比较,评价模型的预测性能,预测2016-2017年的手足口病发病人数。结果 陕西省手足口病发病人数具有明显的季节性,建立了ARIMA（2,1,0）×（1,1,0）₁₂乘积季节模型,预测方程为（1-B）（1-B₁₂）Ln（X_t）=（（1-1.000B）/（（1-0.532B-0.363B²）（1-0.644B₁₂-0.454B₁₂²）））ε_t,与2015年7-12月实际发病人数比较,绝对误差的平均值为531.535,相对误差的平均值为0.114,预测2016-2017年陕西省手足口病发病人数与2015年基本保持一致。结论 ARIMA（2,1,0）×（1,1,0）₁₂乘积季节模型可用于陕西省手足口病的发病人数预测。     

ARIMA乘积季节模型与GRNN模型在猩红热发病预测中的比较

目的探寻适合猩红热发病的预测模型,为猩红热的预防和控制提供科学依据。方法利用全国2011年1月至2018年12月的猩红热月发病率,通过R 3.6.1软件建立求和自回归移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型和软件Matlab 9.1创建广义回归神经网络(generalized regression neural netword,GRNN),通过R²比较模型的拟合效果,平均相对误差比较模型预测能力,并对2019年1月-6月发病率进行预测。结果创建的ARIMA(2,1,2)(0,1,1)₁₂乘积季节模型平稳R²为0.336,预测2019年1-6月的发病率(1/10万)分别为0.637、0.274、0.377、0.579、0.910和0.937,GRNN模型的R²为0.823,预测2019年1-6月发病率(1/10万)分别为0.626、0.178、0.321、0.445、0.789和0.774。模型的平均相对误差分别为31.1%和...     

ARIMA模型在我国法定传染病报告数中的应用

目的 利用自回归移动平均乘积季节（ARIMA）模型建立适合我国法定传染病月报告发病数的预测模型,借此预测我国法定传染病的变化趋势。方法 利用R软件对2009年5月至2016年7月我国法定传染病月报告发病数据建立ARIMA模型,用2016年8月至2017年1月实际值与预测值进行比较,从而评价模型的预测性能。结果 我国法定传染病月报告发病数具有明显的季节性,且报告在每年2月出现最低峰,6月呈现最高峰;建立ARIMA （4,1,0）（1,1,1）₁₂模型对我国法定传染病发病数进行预测,模型预测的最大相对误差为9.78%,最小为2.21%,平均值为5.39%。结论 ARIMA （4,1,0）（1,1,1）₁₂乘积季节模型较好的拟合了我国法定传染病月报告发病数,可用于预测。     

ARIMA模型和BP神经网络模型在我国乙型肝炎发病预测中的应用

目的探讨适合全国乙肝发病率的预测模型,为乙肝预测预警系统提供参考。方法应用2004-2012年全国乙肝月发病率数据,分别建立ARIMA模型和BP神经网络模型,利用建立的模型预测2013年1-12月乙肝发病率,采用实际发病率验证与比较两种模型的预测效果,评价指标为平均绝对误差(MAE)、平均绝对误差率(MER)和非线性相关系数(RNL)。结果全国2004-2013年乙肝月发病率在2.79/10万~9.44/10万间波动,序列具有明显的长期趋势。建立的乘积ARIMA(0,1,1)(0,1,1)12模型预测的MAE、MER、RNL分别为0.445、0.065、0.909,BP神经网络模型分别为0.635、0.093、0.872。ARIMA模型预测的平均绝对误差和平均绝对误差率要低于BP神经网络模型(△MAE=-0.190,△MER=-0.028),非线性相关系数要高于BP神经网络模型(△RNL=0.037)。结论 ARIMA模型和BP神经网络模型均适用于我国乙肝发病率的预测,且前者的预测效能和非线性拟合能力略优于后者。     

自回归求和移动平均季节乘积模型在肾综合征出血热发病预测中的应用

目的利用自回归求和移动平均(autoregressive integrated moving average,ARIMA)季节乘积模型建立肾综合征出血热(hemorrhagic fever with renal syndrome,HFRS)发病数的预测模型,为HFRS的预防控制提供科学依据。方法应用SPSS18.0软件对青岛市2007年1月—2013年7月HFRS发病数建立ARIMA模型。结果非季节和季节移动平均参数分别为0.816和0.685,t检验的P值均0.05,有统计学意义。BIC=12.338,Ljung-Box统计量检验残差序列为白噪声序列,表明ARIMA(0,1,1),(0,1,0)12模型是有效的。结论 2013年8—12月HRFS发病数有上升趋势,需进一步加强防范措施。     

ARIMA 与 ARIMAX 模型在钉螺密度预测中的应用

目的探讨ARIMA与ARIMAX模型在预测钉螺密度的适用性,为湖北省钉螺的控制提供参考依据。方法收集湖北省潜江市1980—2012年的钉螺查螺资料及气象资料,应用ARIMA与ARIMAX模型对潜江市钉螺密度进行预测分析。结果钉螺密度的ARIMA模型为（1-B）（1-0．643B。）dt=εt,ARIMAX模型为dt=16．371＋（-0．522-0．363B）tern。＋（1＋0．590B）εt。ARIMA模型与ARIMAX模型的参数差异均有统计学意义（P〈0．05）,实测值和预测值的趋势基本上一致,实测值均在预测值的95％可信区间内。结论ARIMA模型与ARIMAX模型可以应用于钉螺密度的预测,具有较好的精度。     

ARIMA季节性模型在预测兰州市丙肝发病人数中的应用

目的 应用自回归移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型建立适合预测兰州市丙肝月报告发病人数的最优模型,为丙肝防控工作提供参考依据.方法 收集2010年1月至2019年12月兰州市丙肝月报告发病人数,基于2010年1月至2018年12月丙肝月报...     

乘积季节ARIMA模型在结核病发病率预测中应用

目的 探讨乘积季节自回归移动平均(ARIMA)模型在结核病疫情预测的可行性。方法 利用某省2004年1月-2011年6月结核病疫情监测资料建立乘积季节ARIMA预测模型,选取2011年7-12月的疫情资料评价模型的预测效能。结果 该省2004年1月-2011年12月结核病的发病率呈现明显的季节效应,且发病率逐年小幅递减;乘积季节ARIMA(1,1,0)×(1,1,0)₁₂模型能较好拟合既往时间段内结核病的发病率,且对2011年7 -12月结核病月发病率的预测值与实际值基本吻合,平均误差绝对值及平均误差绝对率分别为0.317和4.77%。结论 乘积季节ARIMA模型能较好模拟、预测结核病的发病疫情,具有较好的推广应用价值。     

疏系数ARIMA模型预测江西省肺结核发病趋势

目的探讨疏系数求和自回归移动平均(ARIMA)模型预测结核病发病率的可行性,为制定有针对性的防制政策提供科学依据。方法根据江西省2005年1月~2013年12月结核病监测发病资料进行疏系数ARIMA预测模型的建立,选择2014和2015年肺结核发病资料评价预测效果。结果江西省2005年1月~2013年12月肺结核的发病率呈现以年为周期的季节效应,并且出现长期递减的趋势;拟合疏系数ARIMA(0,(1,12),(2,3))模型可以较好地诠释肺结核历史发病数据,且对2014和2015年肺结核的月发病率预测情况与实际情况基本相近。结论疏系数ARIMA模型能有效阐明江西省肺结核的发病时间规律和预测发病趋势。     

单纯ARIMA模型和ARIMA．GRNN组合模型在猩红热发病率中的预测效果比较

探讨单纯求和自回归滑动平均(ARIMA)模型和求和自回归滑动平均模型与广义回归神经网络(GRNN)组合模型在猩红热发病率研究中的应用.该研究对某市2000-2006年猩红热月发病率资料建立ARIMA模型,然后将其拟合值作为GRNN的输入,实际值作为网络的输出训练网络,然后比较两个模型的效果.结果 表明,单纯ARIMA模型和组合模型的平均误差率(MER)分别为31.6%、28.7%;决定系数(R2)分别为0.801、0.872.组合模型的效果要优于单纯ARIMA模型,可以用于发病率的拟合与预测.     

应用ARIMA模型对麻疹发病的预测及分析

目的 应用ARIMA模型对麻疹发病数预测并探讨其可行性,为防控麻疹疫情提供依据。 方法 采用SPSS17.0对乌鲁木齐市2009-2015年麻疹月发病数的资料建立ARIMA模型,并预测2016年麻疹月发病数。 结果 建立模型ARIMA(0,0,1)(1,1,0)₁₂是合适的,且模型检验自相关系数在±0.5之间,预测值与实际值有较高的吻合度。 结论 ARIMA模型能很好的拟合乌鲁木齐市麻疹发病数趋势,预测效果可靠。     

ARIMA模型与GRNN模型对性病发病率的预测研究

目的比较ARIMA模型与GRNN模型在性病发病率预测上的有效性。方法以新站区2005～2009年传染病疫情资料为基础,利用月发病率建立ARIMA(0,0,1)模型;将各月的发病率作为GRNN模型的输入,对应下个月发病率作为网络的输出,对样本进行训练,比较两模型的应用效果。结果合肥市新站区2005～2009年性病平均发病率达135.32/10万,并以年平均发展速度1.03缓慢上升。ARIMA(0,0,1)模型与GRNN模型的平均误差率分别是33.8%和27.0%;R2值分别是0.714和0.749。结论新站区性病呈平缓的波浪式上升,GRNN模型较适合该类疾病的发病率预测,建议公共卫生人员依据疫情预测及时做好防控工作。     

ARIMA模型在流感样病例预测预警中的应用

目的探讨ARIMA模型在流感样病例预测预警方面的应用,建立流感样病例发病预测模型,并证明模型的适用性。方法对北京市顺义区医院、顺义区妇幼老年保健院2家省级流感样病例监测哨点医院报告的2005年9月～2009年3月流感样病例月报告数资料建立ARIMA模型,2009年4～5月数据验证模型,用Q统计量法对模型适应性进行检验。结果对流感样病例月报告数建立季节模型ARIMA(1,0,0)x(0,1,0)12,统计量Q大于Χ2α(m)证实了该模型的适用性。结论ARIMA模型能够较好应用于流感样病例预测预警,为疫情防控提供科学依据。     

艾滋病疗效的综合评价和ARIMA模型预测

目的对艾滋病的治疗效果进行综合评价,探讨ARIMA模型在疗效预测中的应用。方法以ACTG临床试验小组193A研究中的一组数据为样本,以log(cd4 1)和治疗费用作为疗效综合评价的指标,在此基础上建立ARI-MA模型,并做15周的外延预测。结果ARIMA(3,1,1)模型有非常好的拟合和预测效果;治疗费用使欠发达地区的疗效有明显的下降趋势;约在第45周后呈直线下降,可以终止药物治疗。结论艾滋病疗效的预测中引入ARIMA模型,对实际工作有积极的指导意义。     

ARIMA乘积季节模型在青州市布鲁氏菌病发病预测中的应用

目的应用自回归求和移动平均(ARIMA)乘积季节模型预测青州市布鲁氏菌病月发病数,构建青州市布鲁氏菌病月发病数的预测模型,为青州市布鲁氏菌病防控措施提供科学依据。方法收集青州市2011—2017年布鲁氏菌病监测数据,采用SPSS 25.0统计软件建立ARIMA时间序列模型,并对模型进行检验,预测出2018年的布鲁氏菌病月发病数,用2018年布鲁氏菌病实际月发病数评价模型的预测效果。结果模型ARIMA(0,1,1)(1,1,0)12标准化的BIC值最小,Box-Ljung检验统计量Q=23.746,P>0.05,残差序列为白噪声,确定为最优模型。结论ARIMA乘积季节模型短期预测青州市布鲁氏菌病月发病数效果较好。     

三种预测模型对南京市水痘发病预测的应用与比较

目的 构建南京市水痘发病预测的最优模型,为水痘防控给予科学指导.方法 以2014-2018年南京市逐月水痘发病率分别建立Holt-Winters加法模型、Holt-Winters乘积模型和自回归移动平均法(ARIMA)模型.对模型进行参数检验,计算预测值与实际值相对误差,选择最优模型预测南京市2019年的水痘发病率.结...     

随机时间序列分析法在传染病预测中的应用

目的阐述ARIMA模型拟合时间序列的方法和步骤,并将其应用于乙型肝炎的预测,为传染病预警系统提供决策依据。方法利用SPSS统计软件求解适宜的ARIMA模型,据所得误差评价预测效果。结果通过对乙型肝炎发病率的预测,相对误差在15%左右,预测效果较为可靠。结论在乙型肝炎的近期预测中引入时间序列的ARIMA模型分析方法,能够对传染病的预测产生积极的指导意义。     

求和自回归移动平均模型在武汉市手足口病疫情预测预警中的应用

目的探讨自回归移动平均模型在手足口病预测预警中的应用。方法利用武汉市2009-2013年手足口病月发病率数据,拟合ARIMA模型,对武汉市2014年1~8月各月发病率进行预测。结果 ARIMA(1,0,0)×(1,1,0)12能很好的拟合武汉市手足口病发病情况,模型预测结果基本符合实际发病变动趋势。结论 ARIMA模型可用于模拟手足口病发病在时间序列上的变化趋势,进行预测预警。     

ARIMA预测模型在甘肃省其他感染性腹泻发病预测中的应用

目的 建立并评价甘肃省其他感染性腹泻发病的ARIMA预测模型。 方法 利用2010—2018年甘肃省其他感染性腹泻的发病数据建立ARIMA预测模型,同时利用2019年发病数据评价模型并对2020年甘肃省其他感染性腹泻发病进行预测。 结果 根据模型拟合效果,模型ARIMA(0,1,1)(1,1,0)₁₂为最优模型。R²=0.741,Ljung-Box检验值为25.944,BIC值为11.060。模型拟合甘肃省其他感染性腹泻的发病趋势与实际发病趋势一致,MAPE=17.297%,预测结果显示2020年甘肃省其他感染性腹泻发病时间分布与往年趋于一致。 结论 ARIMA(0,1,1)(1,1,0)₁₂模型能较好地拟合甘肃省其他感染性腹泻的发病趋势,对该病的预防控制、风险评估等具有一定的公共卫生意义。