应用时间序列模型预测宜昌市甲型病毒性肝炎发病率

目的探讨应用ARIMA、季节趋势等时间系列模型预测甲型病毒性肝炎发病率。方法基于2005—2015年宜昌市逐月甲型病毒性肝炎发病率建立两种模型,对2016年甲型病毒性肝炎的发病率进行预测;采用平均绝对百分误差(MAPE)对预测模型进行拟合效果评价。结果两种时间序列与季节趋势模型能较好的模拟甲肝发病,但时间序列模型优于季节性趋势。应用最优模型对2016年甲型病毒性肝炎的发病率进行预测。结论两种时间序列与季节趋势模型能较好的模拟宜昌市甲型病毒性肝炎发病在时间序列的变化趋势,但ARIMA(0,0,1)(0,1,1)12模型能较好的模拟甲型病毒性肝炎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。     

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。     

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模型在河南省甲型病毒性肝炎发病数预测中的应用

目的建立乘积季节自回归移动平均(ARIMA)模型,利用该模型预测河南省甲肝发病情况并探讨其可行性。方法对2008年1月-2015年8月河南省的甲肝疫情监测数据差分平稳化,通过专家建模器筛选最优模型,利用2015年9月-2016年8月的甲肝疫情资料来拟合预期值并评价该模型的可行性。结果 2008-2015年河南省甲肝发病数逐年减少且呈现明显的季节效应;本次研究中乘积季节ARIMA(0,1,1)×(1,0,1)_(12)模型能较好的拟合既往的甲肝报告病例数,模型统计量Ljung-Box Q为21.742,P为0.115〉0.05,残差序列为白噪音;且对2015年9月-2016年8月按月报告的甲肝病例数的预测值与实际值吻合情况良好,平均误差绝对值4.67,平均相对误差绝对值为0.2。结论ARIMA模型能较好模拟、预测河南省甲肝的发病情况,该模型的预测效能将优化甲肝预防工作,有较好的推广价值。     

时间序列分析(自回归求和移动平均模型)在流行性乙型脑炎预测中的应用

目的探讨时间序列分析[自回归求和移动平均(Autoregressive Integrated Moving Average,ARIMA)模型]在流行性乙型脑炎(乙脑)预测中的应用,建立乙脑报告发病数的预测模型,预测2010年乙脑发病趋势。方法使用2003年1月～2009年12月中国疾病监测信息报告系统中的乙脑报告月发病资料,使用SPSS软件专家建模器,考虑季节因素建立ARIMA预测模型,并用所得模型对2010年全国乙脑报告发病数进行预测。结果 ARIMA(0,0,1)(0,1,1)12模型能较好地拟合时间序列,2010年乙脑预测病例数为4579例,高峰仍在7、8月份。结论该ARIMA模型可较好地拟合乙脑发病的时间序列趋势;与2009年比较,预测2010年乙脑报告发病数相对平稳。     

自回归移动平均模型在细菌性痢疾流行趋势预测中的应用

目的探讨时间序列分析中自回归移动平均模型在六安市细菌性痢疾发病预测的可行性和适用性,为早期做好防控工作提供科学依据。方法使用SPSS 17.0软件对六安市2003年1月～2012年12月的细菌性痢疾月发病率建立ARIMA模型,以2013年的1～7月实际发病率作为预测模型的考核样本,验证模型的预测效果。结果六安市细菌性痢疾月发病率模型为ARIMA（0,0,1）×（0,1,1）12,模型移动平均参数MA1=-0.473（t=-5.153,P〈0.05）,季节移动平均参数SMA1=0.937（t=2.494,P=0.014）;残差分析Ljung-BoxQ统计量经检验,差异无统计学意义（Ljung-BoxQ=10.208,P=0.856）,提示残差为白噪声。模型预测的平均相对误差为27.82%,但预测的动态趋势与实际值基本吻合,且实际值均在预测值的95%可信区间内。结论 ARIMA（0,0,1）×（0,1,1）12模型可为六安市细菌性痢疾的防控提供参考。     

ARIMA模型在预测手足口病发病中的应用

目的探讨ARIMA模型在手足口病发病率预测中的应用,为手足口病的早期防控提供依据。方法采用SPSS 19.0软件对2008—2014年无锡市锡山区各月手足口病发病率建立模型进行预测,采用2015年各月手足口病发病率验证模型的预测效果,并预测2016年锡山区手足口病的发病情况。结果模型ARIMA(0,0,2)(0,1,1)12所有参数均通过统计学检验;Box-Ljung检验统计量Q=16.007,P0.05,残差序列为白噪声;拟合优度指标R2为0.713,贝叶斯信息准则(BIC)为4.619,模型拟合精度较好。根据2008—2015年锡山区手足口病发病数据应用此模型预测2016年的发病率为335.13/10万。结论 ARIMA模型能较好地模拟和预测手足口病的发病趋势,可用于手足口病的短期预测和动态分析。     

应用ARIMA模型对甲型病毒性肝炎疫情预测的研究

目的探讨时间序列ARIMA模型在浙江省甲型病毒性肝炎疫情预警应用中的可行性。方法利用EViews5.0、SPSS13.0等统计软件对历年疫情资料汇编,《国家疾病报告管理信息系统》报告的浙江省甲肝按月发病数建立ARIMA模型。结果对甲肝发病数序列建立季节模型为ARIMA(1,0,0)(0,1,1)12,对2009年甲肝按月发病疫情拟合较好,能够及时、准确对疫情进行跟踪。结论 ARIMA模型能够较好应用于短期甲肝预测、预警,为疫情防控提供科学依据。     

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。     

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。     

SARIMA模型在北京市房山区手足口病发病趋势预测中的应用

目的构建北京市房山区手足口病发病的SARIMA模型并进行预测。方法应用83.0.1软件程序包中的TSA对2007—2013年房山区手足口病月发病率构建模型,并对2014年各月手足口病月发病率进行预测和评价。结果 SARIMA(0,0,1)(0,1,1)_(12)模型较好地拟合既往时间段发病率,对2014年各月的预测值符合手足口病实际发病率变动趋势,对2015年手足口病发病率进行了预测。结论 SARIMA(0,0,1)(0,1,1)_(12)模型能够很好拟合手足口病月发病率数据,可用于房山区手足口病发病趋势的短期预测,为下一步采取针对性防控措施提供科学依据。     

奉化区缺血性脑卒中发病季节的SARIMA模型预测

目的利用季节性自回归滑动平均模型法(SARIMA)对奉化区缺血性脑卒中发病情况进行预测,为做好脑卒中防控工作提供依据。方法采用R 3.3.2软件对奉化区2009—2014年缺血性脑卒中的发病数据建立SARIMA模型,对原始序列做一阶差分与一阶季节差分的预处理,预处理后的序列进行KPSS平稳性检验。利用auto.arima()函数结合模型参数估计来选择最优模型,再利用sarima()函数进行参数估计与残差诊断,最后应用建立的模型对2015年奉化区缺血性脑卒中发病进行预测验证。结果最优模型为SARIMA(0,1,1)(0,1,1)12,模型的参数估计值ma1=-0.824,sma1=-0.999,2个参数经检验差异均有统计学意义(P0.05)。sarima()函数自带的残差诊断图显示模型残差为白噪声序列。2015年各月预测结果误差率最高为-25.00%,最低为0.00%,平均误差率为10.75%,2015年每月实际发病数均在预测值的95%可信区间内。结论 SARIMA(0,1,1)(0,1,1)12模型拟合效果较好,可用于奉化区缺血性脑卒中发病情况的短期预测。     

ARIMA乘积季节模型在全国布鲁菌病发病预测中的应用

目的应用求和(差分)自回归移动平均(Autoregressive Integrated Moving Average Model,ARIMA)乘积季节模型分析季节性时间序列,建立全国布鲁菌病发病数的预测模型。方法利用中国疾病预防控制中心2011年1月—2016年12月按月报告的布鲁菌病发病数历史疫情数据,采用最大似然法估计模型参数,模型定阶后,建立布鲁菌病按月发病数ARIMA乘积季节预测模型。结果非季节和季节移动平均参数分别为0.357 35、0.666 64,均P0.05,AIC=911.337 2,SBC=917.569 8,均P0.05,据此建立ARIMA(0,1,1)(0,1,1)12乘积季节模型,模型表达式荦荦12xt=(1-0.357 35B)(1-0.666 6412)εt,并开展全国布鲁菌病发病数的预测。结论 ARIMA(0,1,1)(0,1,1)12乘积季节模型可用于预测布鲁菌病的发病情况。     

ARIMA乘积季节模型在湖南省HIV感染的应用研究

目的 研究ARIMA乘积季节模型对湖南省HIV感染的适用性,并进行预测。 方法 本文以湖南省2005-2014年HIV月感染数据建立模型,以2015年月数据进行模拟。首先采用差分的方法对序列进行平稳化,然后进行模型识别、定阶,再对模型进行检验并预测未来3年的发病情况。 结果 对时间序列进行自然对数转换,一阶差分和一阶季节差分得到ARIMA乘积季节模型,结果显示ARIMA(1,1,1)(0,1,1)₁₂很好地拟合了HIV的感染情况(R²=0.894)。残差序列经Ljung-Box 检验为白噪声序列,P=0.472。预测结果显示未来3年全省HIV感染人数仍有增长趋势。 结论 利用乘积季节ARIMA模型对湖南省HIV感染拟合效果较好,可以为卫生工作者采取控制措施提供依据。     

季节性ARIMA模型在江门市手足口病疫情预测中的应用

目的构建时间序列ARIMA乘积季节性模型,预测江门市手足口病发病趋势,探讨该模型在预测手足口病发病率中的应用。方法根据2009年1月～2017年6月手足口病月报告发病率时间序列构建模型,以2017年7～12月手足口病发病率为验证数据,验证预测模型效果。结果模型ARIMA(1,0,1)(0,1,1)_(12)为最优模型,其BIC=9.87,Ljung-Box=21.76,P=0.11,2017年7～12月手足口病月发病率预测值和实际值的平均相对误差为18.14%,实际值都在预测值95%置信区间内。结论 ARIMA模型能较好预测手足口病发病变化趋势,模型预测效果有待进一步优化。     

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。     

江西省肾综合征出血热发病率ARIMA模型及其趋势预测

目的探讨自回归求和移动平均模型(Auto Regressive Integrated Moving Average,ARIMA)在江西省肾综合征出血热月发病率预测的可行性,为制定出血热防控策略提供依据。方法基于江西省2006-2015年肾综合征出血热(Hemorrhagic Fever with Renal Syndrome,HFRS)逐月发病率资料建立ARIMA模型,利用2016年各月发病率检验模型预测效果,再以2006-2016年HFRS逐月发病率构建模型预测2017年HFRS发病率。结果本研究构建的ARIMA(0,0,2)(0,1,1)12模型,拟合结果与实际发病情况基本吻合。各项参数均有统计学意义(P0.05),BIC值(Schwarz Bayesian criterion,贝叶斯信息准则)=-6.792,Ljung-Box Q=14.992,P=0.452,模型残差为白噪声;2016年各月HFRS发病率预测值与实际值动态趋势基本吻合。预测2017年江西省HFRS发病率为1.45/10万。结论 ARIMA模型能很好地模拟江西省HFRS发病率在时间序列上的变动趋势,可用于江西省HFRS发病率的短期预测研究。     

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。