ARIMA乘积季节模型在上海市甲肝发病预测中的应用

 目的 应用自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型分析季节性时间序列,建立上海市病毒性甲型肝炎发病率的预测模型。方法 利用上海市1990年至2011年甲肝按月发病数的历史疫情数据,采用非条件最小二乘法估计模型参数,模型阶数确定后,建立甲肝按月发病数ARIMA乘积季节预测模型。结果 非季节和季节移动平均的参数分别是0.6341和0.9999,季节自回归的参数是0.4059,t检验的P值均<0.0001,方差估计值是0.1593,AIC=282.1478,SBC=292.7242,对建立的模型进行残差的白噪声检验,χ2检验统计量的P值均>0.05,据此建立ARIMA(0,1,1)(1,1,1)12NOINT乘积季节模型,模型表达式(1-0.405 9B12) (1-B) (1-B12)Yt=(1-0.634 1B) (1-0.999 9B12)εt,并开展上海市甲肝发病数的预测。结论 ARIMA(0,1,1)(1,1,1)12NOINT乘积季节模型可用于预测上海市病毒性甲型肝炎发病的季节模型。     

ARIMA乘积季节模型在出院人数预测中的应用

目的了解医院住院量的变动趋势,对医院出院人数进行预测分析,为科学决策提供依据。方法应用乘积季节ARIMA模型对某院2003年1月-2013年12月出院人数进行模型拟合,预测2014年各月出院人数,用2014年1月-6月份实际资料评估模型的预测效果。结果该院出院人数呈明显的季节效应,且出院人数逐年小幅递增;乘积季节ARIMA(1,1,1)×(0,1,1)12(不含常数项)模型为最优模型,标准化的BIC(标准化贝叶斯信息量)和平均绝对误差百分比(MAPE)值最小,BIC值为11.98,MAPE值为5.43。Ljung-Box检验无统计学意义(Q18=10.575,P=0.782)。结论乘积季节ARIMA模型可以较好地拟合出院人数的变化趋势,是一种短期预测精度较高的预测模型。     

ARIMA乘积季节模型预测我国戊肝的发病趋势

目的：根据戊型肝炎（戊肝）季节性、趋势性流行现象,建立求和自回归移动平均（autoregressive integrated moving average,ARIMA）乘积季节模型对我国戊肝发病进行预测。方法：应用SPSS23.0软件对2004年1月—2018年6月我国戊肝传染病疫情月度数据建模,对2018年下半年戊肝发病数进行预测,以该时段疫情数据评估模型的预测效果。结果：将ARIMA（2,1,0）（0,1,1）12和ARIMA（0,1,2）（0,1,1）12两个模型预测的平均值作为预测值,预测结果的平均相对误差为4.69%,标准差为3.27%。结论：ARIMA乘积季节模型拟合及预测效果良好,能够较好地描述该时段我国戊肝的发病趋势,为戊肝预防控制措施的制定以及卫生资源的合理配置提供一定的科学依据。     

ARIMA乘积季节模型在河北省唐山市布鲁氏菌病发病预测中的应用

目的了解唐山市2007-2017年布鲁氏菌病(简称布病)月发病数的趋势性和季节性,建立布病分析模型,为布病短期预测与防治提供决策依据。方法收集唐山市2007-2017年布病月发病人数,构建ARIMA乘积季节模型,并进行短期预测预报。结果唐山市2007-2017年布病疫情呈逐步上升趋势,尤其2013年后大幅攀升。从季节性来看,每年的5～7月为发病高峰。选取的最优模型为ARIMA(0,1,0)(1,1,0) 12。运用此模型对2018年1～6月唐山市布病月发病数进行预测,各月预测值分别为11、12、16、16、24、20例。结论 ARIMA乘积季节模型拟合唐山市布病月发病数的时间序列模型精度较高,适合唐山市布病发病数的短期预测。     

ARIMA乘积季节模型在山东省肺结核发病预测中的应用

目的 根据山东省肺结核的季节性、趋势性建立求和自回归移动平均(ARIMA)乘积季节模型,预测山东省肺结核发病趋势,调整防控措施.方法 应用R软件对2010年1月至2019年12月山东省肺结核传染病疫情月度数据建立最优模型,预测2020年1月至10月肺结核发病数,并与实际值进行比较,以此评估模型的预测效果,预测2020年...     

时间序列资料ARIMA季节乘积模型及其应用

目的　用ARIMA季节乘积模型 (p ,d ,q) (P ,D ,Q)s对季节性时间序列资料建模并预测 ,并与指数平滑法进行比较 ,考察ARIMA乘积模型的预测效果。方法　用Box Ljung统计量评价ARIMA模型的拟和度 ,用平均预测相对误差作为预测效果的评价指标。结果　对所分析的季节性时间序列建立了乘积ARIMA(0 ,1,1)× (0 ,1,1) 12 模型 ,平均预测相对误差为 4 89% ,指数平滑法的平均预测相对误差为 8 14 %。结论　对所分析的时间序列 ,ARIMA乘积模型的预测效果优于指数平滑法     

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发病率预测中的可行性,并预测食源性疾病的月发病率趋势.方法 对云南省2004年1月至2010年12月食源性疾病月发病率资料建立ARIMA乘积季节模型,利用2011年月发病率资料进行回代,预测2012年食源性疾病月发病率趋势.结果 ARIMA(0,1,1)×(0,1,1)12的BIC值最小,可以认为该模型的拟合优度相对最优;对该模型的残差进行白噪声检验,QLB(18)为20.225(P＝0.210),提示残差属于白噪声.结论 ARIMA乘积季节模型可以用于食源性疾病月发病率趋势的拟合和预测.     

ARIMA模型在乙肝发病预测中的应用

目的 拟合ARIMA模型对迁安市乙肝发病趋势进行时间序列分析和预测,为乙肝预警系统提供决策依据.方法 收集迁安市2004年1月～2010年12月乙肝月发病率资料,利用SPSS统计分析软件拟合ARIMA模型并预测2011年乙肝逐月发病率.结果 拟合最佳模型为ARIMA(0,1,1)(1,1,0)12,残差为白噪声序列,预测值与实际值的平均相对误差为0.133,预测结果较为可靠.结论 利用ARIMA模型进行乙肝发病率的短期预测,预测结果符合当前的发病现状及采取的防治措施,能够对乙肝的早期预警模型的建立提供借鉴,从而有针对性地采取相应的控制措施.     

ARIMA模型在预测重庆市医院日住院量中的应用

目的建立预测与监测的求和自回归移动平均模型(ARIMA)的时间序列模型,研究日住院量的变化规律。方法通过对2009年2～4月重庆市逐日住院患者量分析用Box-Ljung统计量评价ARIMA模型的拟合度,用平均预测相对误差作为预测效果的评价指标。结果重庆市住院患者量以周为时间周期,每周中以周一、二住院量达到高峰,周六、日为低谷。ARIMA(0,1,1)(1,1,1)7是重庆市2009年2～4月住院量预测最优拟合预测模型,一周和两周外推预测的平均相对误差分别为6.27%和9.14%。结论对住院患者量的历史数据进行时间序列分析是用于住院患者量监测的一个重要的内容。本研究所建立的ARIMA模型适用于重庆市住院患者量预测,预测精度较高。     

2004-2012年中国丙型肝炎报告数据ARIMA模型及其趋势预测

目的利用季节自动回归移动平均混合模型（ARIMA模型）对我国丙型病毒性肝炎（丙肝）报告数据进行分析、拟合和预测。方法对2004年1月-2012年7月我国丙肝报告数据进行差分以达到平稳化,采用季节ARIMA模型对数据进行分析、拟合和预测。结果2004年1月-2012年7月我国丙肝发病数呈逐年上升趋势,且呈现明显的以年为单位的周期性变化;对丙肝报告数据进行平稳化检验、差分、模型识别、模型诊断,获得季节序列ARIMA（1,1,1）×（1,1,1）12为最优模型,该模型残差检验为白噪声序列,且拟合数据在95％置信区间;对2012年7月-2014年12月全国丙肝发病数进行预测,显示全国丙肝发病数呈继续上升且具有明显的周期性波动趋势。结论季节ARIMA模型能较好地拟合和预测我国丙肝发病数在时间上的变化趋势,可为疫情的防治提供借鉴。     

运用时间序列模型对麻疹流行趋势的预测与分析

目的:应用时间序列模型对江苏省麻疹疫情进行预测分析,并探讨提高预测实用性的思路?方法:以1980年~2005年江苏省麻疹发病资料建立时间序列分析模型,以2006年的发病资料作为模型预测效果的考核样本?先采用差分方法对序列资料进行平稳化,然后进行定阶并估计参数,建立ARIMA模型,最后对预测结果进行分析,并利用模型对2009年强化免疫效果进行简单评价,探讨对疫情进行预警的方法和思路?结果:江苏省麻疹的发病趋势自2005年明显上升之后保持平稳,但有小幅波动,这与实际情况吻合?结论:用时间序列模型对传染病发病情况的拟合结果满意,预测效果良好,可为麻疹的防治提供一定的科学依据?     

ARIMA模型在深圳市病毒性肝炎发病趋势预测的应用

目的 通过探讨单纯求和自回归滑动平均模型(ARIMA模型)应用于病毒性肝炎发病率预测的可行性,为当前的防控工作提供科学依据.方法 采用SAS9.2软件对深圳市2004～2013年的病毒性肝炎的月发病率进行ARIMA模型的建模拟合,预测2014年病毒性肝炎的月发病率,利用预测值和实际值的均方误差、平均绝对误差、平均绝对百分误差评价拟合效果,选择合适的模型预测深圳市2015年病毒性肝炎的月发病率.结果 最终拟合为ARIMA 《12),1,1)模型,残差为白噪声序列,预测值与实际值的均方误差为1.742,平均绝对误差为1.159,平均绝对百分误差为0.092,2015年深圳市病毒性肝炎发病率延续了自2011年以来的逐年上升的趋势.结论 ARIMA模型对病毒性肝炎的时间序列变动趋势的拟合效果较好,并对未来的发病率进行预测,可为病毒性肝炎防治提供科学依据.2015年预测结果提示病毒性肝炎的发病有上升的趋势,需要进一步调整相应防控策略.     

状态空间模型在我国肝炎发病率预测中的应用

目的:应用状态空间模型对我国甲肝?乙肝?丙肝的月发病率进行拟合和预测,分析预测准确率与发病周期规律的关系,为肝炎发病率的预测提供新方法?方法:对2005—2013年我国甲肝?乙肝?丙肝的月发病率建立状态空间模型,应用MATLAB软件中的SSM工具包对模型进行拟合,并对2014年1—12月的发病率进行预测;通过数据标准化,建立发病率周期规律性评价指标?结果:甲肝?乙肝和丙肝的月发病率预测相对误差的平均值分别为17.03%?6.30%和2.03%,标准化数据周期标准差均值分别为0.214 3?0.195 2和0.172 4?结论:状态空间模型能较好地应用于肝炎发病率的拟合和预测,标准化数据周期评价指标的标准差越小,预测效果越好?     

ARIMA模型在涂阳肺结核月发病预测中的应用

目的 探讨重庆市涂阳肺结核月发病数随时间的变化规律,为控制和预防肺结核提供科学依据。方法 采用SPSS13.0软件对2005～2009年重庆市涂阳肺结核月发病数资料建立ARIMA模型,利用该模型预测2010年1月～12月的涂阳肺结核月发病数,对模型的短期预测及其效果进行初步评价。结果 建立的ARIMA(1,1,0)×(0,1,1)₁₂模型是拟合重庆市涂阳肺结核月发病数的合适模型,2005～2009年观测值落在拟合值95%的可信区间内,2010年预测值的平均相对误差为6.31%。结论 ARIMA(1,1,0)×(0,1,1)₁₂模型能很好地预测重庆市涂阳肺结核月发病情况,为控制和预防肺结核提供了可靠依据。     

基于ARIMA乘积季节模型的科室级常规耗材需求量预测研究

目的 探讨季节性因素的时间序列分析方法在科室常规耗材库管理中的应用,分析和预测未来一段时间内医用常规耗材的使用需求.方法 采用整合移动平均自回归(Autoregressive Integrated Moving Average,ARIMA)乘积季节模型对北京市某医院某科室某品牌注射器2014年1月至2018年12月的逐...     

乘积季节自回归积分滑动平均模型在长沙市手足口病发病率预测中的应用

目的：建立长沙市手足口病发病率的乘积季节自回归积分滑动平均模型(autoregressive integrated moving average model,ARIMA),探讨乘积季节ARIMA模型在手足口病疫情预测的可行性。方法：运用EVIEWS 6.0软件对长沙 市2008年5月至2013年8月的手足口病发病率资料建立乘积季节ARIMA模型,以2013年9月至2014年2月的发病资料作为 模型预测效果的检验样本,最后再用所得到的模型对2014年3月至2014年8月的月发病率进行预测。结果：经过序列 平稳化、模型识别以及模型诊断后,建立乘积季节ARIMA模型(1,0,1)×(0,1,1)12,模型拟合度R2=0.81,预测均方 根误差为8.29,平均绝对误差为5.83。结论：乘积季节ARIMA模型是一种较好的预测模型,所建模型拟合度较好,能 为手足口病的防治工作提供参考。     

时间序列ARIMA模型在艾滋病疫情预测中的应用

目的探讨应用时间序列求和自回归移动平均(ARIMA)模型预测艾滋病发病率的可行性。方法利用重庆市疾病控制部门提供的1993～2009年艾滋病发病情况数据建立ARIMA预测模型。结果 ARIMA(1,1,1)×(0,1,0)12很好地拟合了艾滋病发病率,2009年7～12月的预测值符合实际发病率变动趋势。结论 ARIMA模型很好地模拟艾滋病发病率在时间序列上的变动趋势,可以为疫情防控提供借鉴。