传递函数模型在我国城市卫生技术人员预测中的应用

目的探讨传递函数模型在卫生人力资源预测中的应用价值.方法利用1983～2000年国家有关统计年鉴数据拟合传递函数模型,同时采用求和自回归移动平均模型(ARIMA)进行预测,并比较两者的拟合结果.结果传递函数模型与实测值比较而言,其预测误差为-0.15%,较ARIMA模型低.结论传递函数模型在预测中可以纳入有关影响因素,该预测结果理论上更符合实际情况.     

广东省1986～2005年各初筛实验室汇总HIV检测阳性率时间序列分析

[目的]利用时间序列分析广东省1986～2005年各初筛实验室汇总HIV检测阳性率变化趋势。[方法]利用SAS9．0软件对资料进行ARIMA模型的模拟建模，用所得的模型对HIV阳性率进行预测，并与实际资料进行比较。[结果]数据分析显示ARIMA（0，3，2）模型拟合效果较好，并预测2006年的HIV检测的阳性率为0．222％（O．095％-0，350％）。[结论]ARIMA（0，3，2）模型较好的拟合了HIV检测阳性率的变化趋势，并对未来的HIV检测阳性率进行预测。为艾滋病的防治工作提供了一定的依据。     

差分自回归移动平均模型在肾综合征出血热发病预测中的应用研究

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。     

ARIMA模型预测医院感染发病状况研究

目的 探讨ARIMA季节乘积模型在时间序列资料中的应用,建立金坛市中医院医院感染发病率的预测模型. 方法 收集本院2005-2012年住院病人病案资料,应用SFSS18.0软件中的ARIMA模型预测模块对数据进行分析建立ARIMA预测模型,并预测2013年医院感染情况. 结果 ARIMA（1,0,1）（0,1,1）4能够较好的拟合本院医院感染发病率情况,利用此模型预测2013年本院4个季度的医院感染率分别为2.67％、2.03％、2.68％和1.93％. 结论 ARIMA模型能够较好的拟合和预测医院感染的发病情况,可以为医院决策提供科学依据.     

GM(1,1)灰色预测模型和ARIMA模型在拟合山东省心脑血管疾病死亡率中的应用

目的 运用GM(1,1)灰色模型和ARIMA模型对山东省心脑血管疾病死亡率进行拟合,对拟合结果行进比较。为心脑血管疾病预防提供科学依据。 方法 利用山东省全人群监测点2002-2014年心脑血管疾病死亡率数据分别建立GM(1,1)灰色模型和ARIMA模型,对建立的模型进行拟合,同时运用该模型对2015-2017年心脑血管疾病死亡率进行预测。两种模型拟合评价指标为误差平方和（SSE）、平均绝对百分误差(MAPE)两个指标。 结果 心脑血管疾病死亡率GM(1,1)灰色模型和ARIMA模型SSE和MAPE分别为1236、1189和2.75%、2.73%。2015-2017年心脑血管疾病预测死亡率（1/10万）分别为340.56、349.80、359.03。 结论 心脑血管疾病死亡率呈波动性上升趋势。ARIMA模型拟合效果优于GM(1,1),模型拟合要充分考虑数据特征。     

基于ARIMA-GRNN组合模型预测我国甲肝发病率

目的 探讨ARIMA-GRNN组合模型在甲肝发病序列预测中的应用,并比较其与ARIMA模型和BPNN模型的预测效果。方法 通过收集2004年1月～2014年12月我国甲肝发病序列资料,用SPSS 13.0建立ARIMA模型,用Matlab 8.0建立BPNN模型和ARIMA-GRNN组合模型,并用2014年数据对模型的预测效果进行评价。结果 针对我国甲肝发病序列建立的三种预测模型拟合的平均相对误差的值依次为:ARIMA模型（7.29 785）相似文献   

ARIMA模型在医院出院患者预测中的应用

目的：分析医院出院患者变化规律,预测其变化趋势。方法：应用SPSS 13．0软件对1999-2007年逐月出院患者进行ARIMA模型建模拟合,用所得到的模型预测2008年出院患者数据。结果：ARIMA（0,1,1）×（1,1,0）12模型很好的拟合了既往出院患者序列,参数有统计学意义。结论：ARIMA模型能很好的拟合出院患者的变动趋势,为医院管理提供决策依据。     

ARIMA模型应用于月门诊量预测

目的探讨季节性时间序列ARIMA预测模型在时间序列资料分析中的应用，建立门诊量的预测模型。方法采用最小二乘法估计模型参数，通过对数转换及差分方法使原始序列平稳，按照残差不相关原则、简洁原则确定模型结构．依据AIC和SBC准则确定模型阶数，建立ARIMA预测模型。结果季节自回归参数有统计学意义。方差估计值为0．001956．AIC=-443．26．SBC=-437．51。对模型进行白噪声残差分析，拟合优度统计量表中表明ARIMA的估计具体模型为：（1-B）（1-B^12）Zt=（1—0．24269B）（1—0．30096B^12）a1是适合的。结论用所建立模型对月门诊量进行预测。结果表明ARIMA是一种短期预测精度较高的预测模型。     

ARIMA模型与残差自回归模型在手足口病发病预测中的应用

目的 探讨求和自回归滑动平均混合模型（autoregressive integrated moving average model,ARIMA）和残差自回归模型在我国手足口病月发病率预测中的应用,并对它们的预测效果进行比较。方法 收集2008年1月～2014年12月我国手足口病月发病率资料,用SPSS 13.0和EViews 8.0分别拟合ARIMA模型和残差自回归模型,并用2014年7月～12月的数据评价模型的预测效果。结果 ARIMA模型拟合及预测的平均相对误差（average relative error,MRE）,均方误差（mean square predict error,MSE）,均方根误差（root mean squared predict error,RMSE）和平均绝对误差（mean absolute error,MAE）分别为14.006,4.689,2.165,0.147; 13.565,4.416,2.101,0.133。残差自回归模型拟合及预测的MRE,MSE,RMSE和MAE分别为16.793,7.247,2.692,0.171,16.206,6.639,2.577,0.164。结论 ARIMA模型拟合及预测效果优于残差自回归模型。     

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。     

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模型和GM（1,1）模型在全国艾滋病发病率预测中的比较研究

目的利用ARIMA模型和GM（1,1）模型对全国艾滋病发病率进行预测并进行效果比较。方法利用1999-2011年全国艾滋病发病率分别建立ARIMA模型和GM（1,1）模型,进行回代拟合,并预测2012和2013年艾滋病发病率。同时,比较2个模型的拟合和预测效果。结果利用ARIMA模型拟合艾滋病发病趋势效果较好,预测2012年和2013年艾滋病发病率分别为1.51/10万、1.49/10万,即未来2年艾滋病发病率将维持在一个较高水平。GM（1,1）模型显示拟合精度为二级,预测2012年和2013年全国艾滋病发病率为2.88/10万和3.70/10万,结果提示,艾滋病发病率呈明显上升趋势。结论 2种预测模型结果存在差异,均显示未来2年我国艾滋病发病率未有减缓之势,有关卫生部门应改进卫生策略与措施,争取控制进而遏止艾滋病流行趋势。     

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。     

基于ARIMA模型的流感样病例预警预测分析

目的探索建立适合于流感样病例预测的自回归求和移动平均模型（ARIMA模型）。方法采集深圳市南山区2006--2011年流感样病例监测数据,绘制序列图,差分使序列平稳化,通过自相关分析和偏相关分析进行模型识别,根据AIC（赤池信息准则）和BIC（贝叶斯信息准则）确定模型参数,建立ARIMA预测模型,用Q统计量法对模型适用性进行检验,用2012年全年实际监测数据与模型预测值进行比较,评价模型预测效果。结果2006--2011年流感样病例累计报告199360例,月发病最大值9765例,月发病最小值594例,平均月发病2769例。通过对2006--2011年各月的监测数据进行分析发现,各年度流感样病例发病呈现明显的高峰和低谷,高峰在每年5—8月份,低谷在当年的11月份至次年2月份,不同年度略有波动。对序列进行一阶差分后可得到较为平稳的序列,适合进行模型拟合,经过模型拟合诊断发现ARIMA（0,1,1）×（0,0,1）12模型为最优模型,AIC值和BIC值最小,分别为1239．19和1245．98,Box-Ljung检验结果Q值为19．07,P〉0．05,通过2012年拟合值与实际值比较,结果差异无统计学意义（P〉0．05）。结论ARIMA模型可以较好地对流感样病例进行拟合分析预测。     

时间序列分析法在肺结核发病率预测中的应用

目的探讨ARIMA模型在肺结核发病率预测中的应用,为制定肺结核防控策略提供科学数据。方法利用深圳沙井街道2006年1月-2011年6月的肺结核月发病率数据建立ARIMA模型,采用2011年7-12月的月发病率数据验证模型的预测效果。结果建立的ARIMA(1,0,0)(1,1,0)12模型预测效果较好,实际值均在预测值的95%可信区间内,对2011年7-12月发病率的预测值基本符合实际发病率的变动趋势。结论 ARIMA模型能较好地模拟在短期内肺结核发病率的变动趋势。     

伤寒副伤寒发病趋势的ARIMA模型和GM（1,1）模型预测

目的采用求和自回归滑动平均模型（ARIMA模型）和灰色模型GM（1,1）分别对常州市伤寒副伤寒发病率进行预测,并比较两者预测的准确性。方法根据2001—2010年的月发病率数据分别建立ARIMA模型和GM（1,1）模型。通过比较2011年实际发病率和模型预测发病率间的相对误差验证模型预测的准确性。采用准确性高的模型预测2012—2013年伤寒副伤寒的年发病率。结果 GM（1,1）模型对伤寒副伤寒的年发病率预测准确率较高。2012年和2013年伤寒副伤寒预测的年发病率分别为2.52/105和2.33/105。结论对于伤寒副伤寒发病率的预测,应同时拟合几种模型,选择拟合效果最好的一种模型。     

基于ARIMA 模型的贵州省2017年流行性乙型脑炎发病预测

目的 探讨ARIMA模型用于预测流行性乙型脑炎发病的可行性,并利用模型预测贵州省2017年乙脑发病趋势。方法 采用SPSS20.0对贵州省2007 - 2016年乙脑报告病例数进行分析并构建ARIMA模型,使用筛选的最优模型预测贵州省2017年乙脑发病。结果 ARIMA（0,0,1）（1,1,0）12模型为最优模型,模型BIC = 6.769,稳定的R2 = 0.496;除常数项外,该模型各参数均有统计学意义,残差序列为白噪声序列。用该模型拟合贵州省2008 - 2016年乙脑月发病数,拟合数与报告数的变化趋势基本相同,差异均无统计学意义（Ｐ＞0.05）;贵州省2017年乙脑预测病例数为41例,高峰仍在7、8月。结论 ARIMA模型可以较好地拟合贵州省乙脑的发病趋势,可用于短期预测;与2016年相比,预测2017年乙脑发病相对平稳。