共查询到20条相似文献,搜索用时 15 毫秒
1.
目的 探讨自回归滑动平均混合(ARIMA)模型的应用价值,为医院感染的监控和预警模式建立提供辅助信息.方法 以2005年1月-2010年12月宁夏某医院的医院感染发病率建立ARIMA模型,进行样本内回代评价预测模型的可行性,以2011年1-10月的发病率资料作为模型预测评价样本,检测模型预测值和实际值的拟合程度,以相对误差绝对值平均(MAPE)值评价ARIMA模型的预测准确性.结果 ARIMA季节乘积模型(0、1、1)×(0、1、1)12的AIC、SBC值分别为1.9047、1.9752,为最优模型,模型表达式为12 Lnyt=(1+0.6841L)、(1 +0.8003 L12),其样本内拟合MAPE值为23.48%,R2=0.5423,模型具有外推价值,样本外预测MAPE值为12.55%,R2 =0.6213,模型预测精度良好.结论 用ARIMA模型对医院感染发病率的拟合结果满意,预测效果良好,可为医院感染的防治提供参考依据. 相似文献
2.
3.
目的探讨差分自回归移动平均模型(ARIMA)在肾综合征出血热(HFRS)预测分析中的应用。方法用SPSS16.0软件建立1986-2011年河北省HFRS逐月疫情资料数据库,用ARIMA相关模块进行建模拟合并进行预测分析。结果河北省1986-2011年HFRS发病数呈现明显的季节周期性。筛选ARIMA(0,1,1)×(0,1,2)_12模型为最优模型,对河北省2012年各月发病数进行预测,2012年1-12月实际值均落人了预测值的95%可信区间内。结论ARIMA模型可以很好地拟合HFRS发病数的变动趋势,并可用于预测未来疫情,为HFRS防控工作提供依据。 相似文献
4.
肾综合征出血热发病率的预测 总被引:1,自引:0,他引:1
自 1972年以来我县一直是江苏省肾综合征出血热 (简称HFRS)高发区 [1 ]。 90年代初 ,我县采取了以大规模持续科学灭鼠、推广肾综合征出血热疫苗以及高密度、广覆盖开展健康教育为主的综合性防治措施 ,HFRS疫情得到了有效控制 ,取得了良好的社会效益和经济效益。与此同时 ,对 HFRS疫情及时地作出预测预报 ,将对科学地调整防治对策起着重要的指导作用 ,为此 ,应用灰色系统预测模型对赣榆县 HFRS疫情进行了预测分析 ,报告如下 :1 资料来源1993年~ 1999年 HFRS疫情资料来源于赣榆县卫生防疫站疫情室。2 计算步骤及结果2.1 累加生成… 相似文献
5.
6.
目的 探讨应用自回归求和滑动平均(autoregressive integrated moving average,ARIMA)模型预测浦东新区手足口病发病率的可行性.方法 基于2010-2015年浦东新区的逐月手足口病发病率,建立最优ARIMA模型,回代预测2015年的手足口病发病率,比较预测值与实际值的差异,并预测2016年的手足口病发病率.结果 模型ARIMA(1,1,1)(1,1,0)12较好拟合了既往手足口病发病率的时间序列,2015年逐月发病率的预测值符合实际值的变动趋势,全年发病率预测值与实际值的相对误差率为1.81%.预测2016年浦东新区手足口病发病率为269.97/10万.结论 ARIMA模型可用于短期预测未来的手足口病发病率. 相似文献
7.
应用BP人工神经网络模型预测肾综合征出血热发病率 总被引:7,自引:1,他引:6
目的探讨反馈(BP)人工神经网络模型预测肾综合征出血热(HFRS)发病率的应用前景.方法利用沈阳市的气象资料(包括平均气温、相对湿度、降水量和日照)和动物疫情资料(包括鼠密度和鼠带病毒率)共6个指标作为神经网络的输入,将1984~2003年沈阳市HFRS发病率作为神经网络的输出.选择1984~2001年的数据,利用STATISTICA Neural Network(ST NN)建立BP网络预测模型,然后训练网络、预测2002和2003年HFRS的发病率.同时用上述指标建立线性预测模型,其结果与神经网络模型进行比较.结果对于BP神经网络,其平均误差率为7.89%,非线性相关系数为0.896.对于线性回归模型,其平均误差率为24.78%,非线性相关系数为0.711.结论BP人工神经网络可以用于HFRS发病率的预测,效果好于传统的线性回归方法. 相似文献
8.
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。 相似文献
9.
目的 探讨应用自回归滑动平均混合模型(Autoregressive Integrated Moving Average Model,ARIMA)预测甘肃省麻疹发病率的可行性.方法 应用SPSS 13.0软件对甘肃省1995~2006年麻疹逐月发病率进行ARIMA建模拟合;按照残差不相关原则、简洁原则、赤迟准则与贝叶斯准则建立ARIMA麻疹预测模型,用2007年分月发病数检验模型.结果 模型ARIMA(1,0,0)(0,1,1)1>(不含常数项)所有参数都通过统计学检验,残差序列是白噪声,拟合优度相对最好,参数间也无明显相关性(r=0.069).结论 ARIMA模型很好地模拟和预测了麻疹既往发病周期性以及各月发病数,将其应用于甘肃省麻疹发病预测是可行的. 相似文献
10.
目的探讨广义回归神经网络(GRNN)在肾综合征出血热(HFRS)发病率预测上的优势及应用前景。方法利用1984-2002年沈阳市的气象资料(包括平均气温、相对湿度、降水量和日照)和动物疫情资料(包括鼠密度和鼠带病毒率)共6个指标作为神经网络的输入,将1985-2003年沈阳市HFRS发病率作为神经网络的输出。利用Matlab7.0软件中的神经网络工具箱分别构建HFRS发病率的GRNN预测模型和反馈(BP)神经网络预测模型,对样本进行拟合和预测并对两者的拟合和预测性能进行比较。结果GRNN的最优光滑因子为0.35;BP神经网络的隐含层数定为6。从拟合效果来看,GRNN和BP神经网络预测模型的平均误差率(MER)分别为25.42%和25.55%;两者的决定系数r2分别为0.9438和0.9729,总的来说,拟合效果比较满意,两者拟合差异不是很明显。从预测效果来看,两者的MER分别为4.90%和15.16%,GRNN的MER远远小于BP神经网络;两者的r2分别为0.9897和0.9516。结论GRNN充分体现了它在小样本预测中的优势,预测效果优于BP神经网络,对解决HFRS等流行情况影响因素复杂的问题有很好的实用价值。 相似文献
11.
《预防医学论坛》2017,(8)
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。 相似文献
12.
《现代预防医学》2017,(22)
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。 相似文献
13.
目的利用自回归滑动平均混合模型(autoregressive integrated moving average,ARIMA)模型开展长沙市肾综合征出血热(haemorrhagic fever with renal syndrome,HFRS)发病率预测,为相关政策的改进提供科学依据。方法收集长沙市1971-2010年HFRS发病率资料,用Excel 2003软件建立数据库,采用SPSS13.0统计分析软件实现模型构建,经过模型识别、参数估计、诊断检验后,利用建立好的模型对长沙市2011-2015年HFRS发病率进行预测。结果根据模型原理及与实际值的比较,ARIMA(1,0,0)模型适合模拟长沙市HFRS的发病规律,模型拟合值与实际值非常接近,模型回归系数有统计学意义。2011-2015年长沙市HFRS年发病率预测值分别为1.69/10万(95%CI:0.00~9.67/10万)、2.23/10万(95%CI:0.00~12.51/10万)、2.66/10万(95%CI:0.00~14.22/10万)、3.00/10万(95%CI:0.00~15.35/10万)、3.27/10万(95%CI:0.00~16.13/10万)。结论 2011-2015年长沙市HFRS发病有增加趋势,需进一步加大防控策略。 相似文献
14.
用灰色动态模型预测肾综合征出血热发病率发展趋势江西省高安市卫生防疫站(330800)李金根,夏志勇高安市骨综合征出血热是全国高发区之一[1],并居江西省之冠.为了观察我市肾综合征出血热流行趋势,本文应用灰色动态模型GM(1,1),对我市1989~19... 相似文献
15.
16.
《预防医学论坛》2019,(7)
目的利用求和自回归移动模型模拟传染病发病时间序列,提高传染病监测预警能力。方法以HFRS为例,收集2009年8月2019年2月国家法定传染病月度发病数数据,利用SAS 8.0对其做1阶差分12步差分提取周期趋势,对差分后时间序列序列进行ARIMA模型构建,估算参数并预测未来趋势。结果我国HFRS的发病呈现以年为单位的周期趋势,年平均发病总数基本保持在960人。构建的最优模型为ARIMA(2,1,1) 12,预测显示在未来5个月内2019年5月份病例报告数量达到高峰。结论 ARIMA模型通过分析HFRS发病历史数据,对短期发病情况预测精度高,能很好的反应传染病的发病规律及变化趋势,但实际应用过程中动态补充数据来对模型修正。 相似文献
17.
18.
目的预测浙江省肾综合征出血热(HFRS)发病趋势,为卫生工作的决策和防病治病提供科学依据。方法根据浙江省2001-2009年HFRS发病率,建立灰色GM(1,1)与广义回归神经网络组合〔GM(1,1)-GRNN〕模型,与GM(1,1)模型对比,并进行预测。结果 2001-2010年HFRS年发病率组合模型拟合值与实际值的平均相对误差为2.47%,明显低于GM(1,1)模型的平均相对误差(11.19%),组合模型的预测精度相对单一GM(1,1)模型有较大的改善;组合模型预测2011年HFRS年发病率为0.8591/10万。结论浙江省2010-2011年HFRS的发病率呈下降趋势,组合模型的预测精度高,可以提供更为准确的预测数据,从而为防控决策提供可靠依据。 相似文献
19.
目的比较各儿童医院医院感染发生率的差异,并对前期自回归滑动平均混合(autoregressive integrated moving average model,ARIMA)时间序列模型进行进一步的验证。方法收集全国范围内5家三级甲等儿童医院(贵阳市妇幼保健院、河北省儿童医院、青海省妇女儿童医院、郑州市儿童医院、安徽省儿童医院)2013年1月-2016年12月4年间医院感染发生率数据,应用前期安徽省儿童医院数据拟合得到的ARIMA(0,1,1)标准模型,对各个医院感染数据进行标准模型的拟合,比较各个模型的信息准则参数,判断前期标准模型对其他医院是否适用;同时以各医院汇总后的医院感染发生率数据作为验证样本,进一步评估标准模型的可行性。结果 ARIMA(0,1,1)时间序列模型适用于文中5家儿童医院医院感染率的模型拟合,模型信息量准则参数如最小信息量准则(AIC)、贝叶斯信息准则(BIC)值均比前期标准模型小。数据合并后使用ARIMA(0,1,1)模型进行拟合,模型残差序列的Ljung-Box统计量Q=14.28,差异无统计学意义(P=0.578),提示残差为白噪声序列,模型拟合良好;医院感染率实际值与预测值的平均绝对百分误差值(MAPE)为11.6,实际值均在预测值95%可信区间内,未见超出点。结论ARIMA(0,1,1)时间序列模型能较好的拟合儿童医院感染率,具有预测住院患儿医院感染发生情况的实际价值。 相似文献
20.
《中国卫生统计》2015,(2)
目的阐述ARIMA-GRNN模型预测肾综合征出血热发病率的方法和步骤,探讨其在综合征出血热发病率预测中的应用。方法利用辽宁省1962-2008年的肾综合征出血热发病率时间序列数据作为训练集,建立ARIMA模型和ARIMA-GRNN模型,选取2009-2011年的数据作为检验集,评价模型的拟合和预测效果。结果 ARIMA(2,1,1)模型和ARIMA-GRNN模型拟合值的平均误差绝对值分别为1.14和0.77;预测值的平均误差绝对值分别为0.53和0.20。ARIMA-GRNN模型的拟合和预测效果均优于ARIMA模型。结论 ARIMA-GRNN模型能有效模拟、预测肾综合征出血热的发病疫情,具有较强的推广应用价值。 相似文献