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。     

差分自回归移动平均模型在伤害预测中的应用

目的探讨差分自回归移动平均（ARIMA）时间序列模型在伤害预测中的应用,建立伤害发生率预测模型。方法利用伤害监测系统,收集城阳区2006~2012年伤害月病例数,建立ARIMA模型。结果ARIMA（1,0,0）（0,1,1）12模型可以较好拟合伤害月发病率时间序列。利用ARIMA模型预测2013年伤害发生率为253．93／万。结果ARIMA模型具有适用性,可以用于伤害短期预测。     

SARFIMA模型在肾综合征出血热发病预测中的应用

目的研究季节性自回归分数差分移动平均(SARFIMA)模型预测肾综合征出血热(HFRS)发病率的效果,并与SARIMA模型进行比较。方法收集山东省2009年1月至2018年12月HFRS月发病数据,考虑时间序列的短记忆性和长记忆性,构建SARFIMA模型,以SARIMA模型作为对比,比较两个模型的预测准确性。结果山东省2009-2018年HFRS月发病率具有明显周期性和季节性特征。模型评估表明,SARFIMA模型具有更好的拟合度和预测能力。SARFIMA(1,0.33,3)(1,0,0)₁₂:AIC=-629.76;RMSE=0.028;SARIMA(1,0,3)(1,1,0)₁₂:AIC=-356.43;RMSE=0.033。结论 SARFIMA模型能较好地拟合山东省HFRS月发病率的动态变化,且预测效果优于SARIMA模型。因此,SARFIMA模型可用于HFRS发病率的预测。     

差分自回归移动平均乘积季节模型预测广州市肺结核发病趋势

目的 探讨应用差分自回归移动平均(autoregressive intergrated moving average,ARI-MA)乘积季节模型预测广州市肺结核月发病数的可行性,为制定防控措施提供参考依据.方法 利用2010年1月至2019年6月广州市肺结核月发病数据建立ARIMA模型,并以2019年7-12月数据对模...     

ARIMA模型在肾综合征出血热发病率预测中的应用

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。     

非线性自回归神经网络在肾综合征出血热流行趋势预测中的应用

目的 探讨非线性自回归(NAR)神经网络拟合及预测我国HFRS流行趋势的应用。方法 使用2004－2013年全国HFRS月报告发病数序列建立ARIMA模型和NAR神经网络模型,预测2014年HFRS月发病数,并比较两模型的拟合和预测效果。结果 对于拟合集,ARIMA模型的平均绝对误差(MAE)、均方误差平方根(RMSE)和平均绝对误差百分比(MAPE)分别为148.058、272.077和12.678%, NAR神经网络分别为119.436、186.671和11.778%; 对于预测集,ARIMA模型的MAE、RMSE和MAPE分别为189.088、221.133和21.296%, NAR神经网络分别为119.733、151.329和11.431%。结论 NAR神经网络对于全国HFRS流行趋势拟合及预测效果优于传统的ARIMA模型,具有良好推广应用价值。     

应用自回归移动平均模型预测分析江西省流行性腮腺炎的发病趋势

目的 应用自回归移动平均模型（ARIMA）预测分析江西省流行性腮腺炎的发病趋势。方法 利用ARIMA对江西省2015-2019年每月流行性腮腺炎报告发病数进行建模,预测12个月的发病数,并与2020、2021、2022年报告发病数进行比较分析。结果 最优模型为ARIMA（0,2,1）（1,2,0）₁₂。预测发病数显著高于2020、2021、2022年报告发病数。2020、2021、2022年流行性腮腺炎报告发病数较预测发病数分别减少54.02%、63.40%、66.09%。结论 2020-2022年江西省流行性腮腺炎报告发病数明显低于预测发病数,考虑与非药物干预措施、免疫策略的改变等有关,建议进一步加强流行性腮腺炎监测,以更好应对流行性腮腺炎疫情。     

求和自回归移动平均模型在通辽市成蚊密度预测中的应用

目的 分析通辽市不同年份成蚊密度,通过拟合求和自回归移动平均模型(autoregressive integrated moving average, ARIMA)对未来蚊虫密度进行预测。方法 选用诱蚊灯法监测通辽市2017—2021年不同生境成蚊密度,根据监测结果,建立ARIMA模型,对2022年成蚊密度进行预测。结果 2017—2021年通辽市各监测点平均蚊密度为7.91只/(灯·夜)。其中淡色库蚊为优势蚊种。在五类生境中,除2017年农户蚊密度较高外,其他年份都是牲畜棚密度较高。每年成蚊密度均为单峰曲线,除2017年高峰出现在7月份外,其余年份高峰均出现在8月,根据2017—2021年蚊虫密度结果,拟合ARIMA(1,1,1)×(1,1,0)₁₂模型,残差序列为白噪声序列(Q=14.498,P=0.488),用此模型预测2022年的成蚊密度,5—10月份分别为8.12、7.48、13.79、29.31、22.08和12.37只/(灯·夜)。结论 利用2017—2021年的数据建立ARIMA模型,能够预测2022年的成蚊密度和季节消长趋势,为进一步蚊媒传染病风险...     

自回归移动平均混合模型在中国道路交通伤害预测中的应用

探讨时间序列分析的自回归移动平均混合模型(ARIMA)在中国道路交通伤害(RTI)预测中的应用。收集1951-2011年中国道路交通伤害资料, 进行时间序列分析, 建立ARIMA模型。构建得到RTI事故起数ARIMA(1, 1, 0)预测模型为Yt=eY+0.456Y+e, 其中, et为随机误差, 模型残差序列为白噪声, Ljung.Box检验P>O.05, 统计量无统计学意义, 拟合效果良好。应用该模型预测2011年中国RTI事故起数, 预测值与实际观测结果相符, 实际观测值在预测值95%CI内。用该模型预测2012年中国RTI事故起数, 预测值(95%c, )为207838(107579～401536)。应用ARIMA模型能较好地预测中国道路交通伤害情况。     

自回归滑动平均混合模型在甘肃省麻疹发病预测中的应用

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.     

深圳市ARIMA在肾综合征出血热发病预测中应用

目的 建立时间序列分析的自回归求和移动平均(ARIMA)模型,预测深圳市肾综合征出血热(HFRS)发病趋势。方法 深圳市2005—2013年HFRS逐月发病率建立预测深圳市HFRS的最优ARIMA模型,利用2014年逐月HFRS发病率回代来检验模型预测效果,根据预测值与实际值的相对误差判断模型的预测精度,再以2005—2014年HFRS逐月发病率构建模型预测2015年的HFRS发病率。结果 模型ARIMA(1,0,1)(1,0,1)₁₂较好地拟合既往时间段的发病序列,各项参数(AR=0.993,MA=0.926,SAR=0.967,SMA=0.857)均有统计学意义(P<0.01),BIC值=-3.300,Ljung-Box模型统计量Q=20.794,P=0.107,模型残差为白噪声,2014年逐月HFRS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20.74%。预测2015年深圳市HFRS发病率为4.28/100万 。结论 ARIMA模型能很好地模拟深圳市HFRS发病率在时间序列上的变化趋势,并对未来的发病率进行预测。     

自回归滑动平均混合模型在医院感染发病率预测中的应用研究

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.     

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。     

我国肾综合征出血热研究进展

  目的  基于时间序列分解法研究中国2011 — 2016年肾综合征出血热（HFRS）的发病趋势和季节性,建立预测模型并评价效果。  方法  应用时间序列分解法分解中国2011 — 2016年HFRS的发病趋势和季节性,以剔除季节变动因素（S₂）的非季节性数据建模,再乘以S₂为最终预测模型,回代检验评价其预测精度。  结果  中国2011 — 2016年HFRS的发病趋势为先上升后下降,季节性明显;发病高峰呈双峰型,以5 — 6月和11月 — 次年1月为发病高峰。建立ARIMA （2,1,1）模型,模型AIC = 866.4,各项参数（AR1 = 0.786 7,AR2 = – 0.354 3,MA = – 0.744 1）均有统计学意义（均P < 0.01）, 残差为白噪声序列[Q（20） = 16.364,P = 0.694]。月发病数的预测公式为 Y_i =ARIMA （2,1,1）× S₂ ,中国2011 — 2016年HFRS月发病数回代检验的平均绝对误差（MAE）为71.31,平均绝对百分误差（MAPE）为7.00 %。  结论  时间序列分解法可用来预测HFRS的发病趋势和季节性,以剔除季节变动因素的数据建立HFRS的月发病数预测模型是可行的。     

基于支持向量机的肾综合征出血热疫情预测

目的探讨支持向量机（SVM）在肾综合征出血热（HFRS）发病率预测上的优势及应用前景。方法首先，利用辽宁省葫芦岛市1984～2006的气象资料（包括平均气压、平均气温、平均降雨量、相对湿度、日照时数、日照百分率）和动物疫情资料（包括鼠密度和鼠带病毒率）共8个指标作为解释变量，所有变量均进行归一化到[0，1]区间，将整个数据集分成训练集和检验集，从数据集中随机抽取1／3个体（舍人取整）组成检验集，其余样本作为训练集。其次，利用软件R2．60构造HFRS发病率预测的SVM模型，获得误差平方和。最后，与基于反馈（BP）和径向基函数（RBF）神经网络模型的预测结果进行比较。结果对于训练集，SVM拟合的误差平方和的x^-±s为（0．031±0．009），而BP和RBF神经网络拟合的误差平方和的x^-±s分别为（0．074±0．030）和（0．082±0．018）；对于检验集，SVM预测的误差平方和的x^-±s为（0．067±0．021），而BP和RBF神经网络预测的误差平方和的互±5分别为（0．073±0．022）和（0．089±0．036）。结论SVM作为近年来在统计学理论的基础上发展起来的一种新的模式识别方法，在解决小样本、非线性及高维模式识别问题中具有较高的预测精度和较强的泛化能力。该模型对于发病率的预测是可靠的，可以作为HFRS疫情预测的参考方法。     

九华山地区肾综合征出血热监测预警

目的对九华山地区肾综合征出血热发生流行情况进行监测预警。方法用夹夜法调查获得该地区宿主动物种类、种群密度相关数据;用免疫学方法检测动物血清标本中HV抗体和肺标本中HV抗原;根据带毒指数进行预警。结果该地区捕获9种小型兽类动物,其中在黑线姬鼠、社鼠、小家鼠、褐家鼠和麝鼩标本检测出肺抗原阳性或血抗体阳性。从2005年到2010年宿主动物带毒率和总感染率呈逐年上升趋势,2009年宿主带毒率最高12.00%,2010年宿主动物总感染率最高达12.50%。不同年份宿主带毒指数总体不超过0.05,但2008年室内褐家鼠带毒指数达到0.11。结论宿主动物带毒率上升,麝鼩作为本省新的宿主动物出现,增加了该地区人群感染出血热的风险。必要时开展居民区灭鼠活动,控制室内啮齿动物种群数量来降低感染风险。     

2006年黑龙江省肾综合征出血热监测研究

目的掌握黑龙江省肾综合征出血热(HFRS)人间和动物间流行特征,为制定防治措施提供科学依据。方法收集全省HFRS疫情资料,并在固定监测点及面上常规调查中采集人血清、鼠肺和鼠血做汉坦病毒(HV)抗体和抗原检测。结果2006年黑龙江省共报告HFRS病例3870例,死亡33例,年平均发病率10.13/10万,死亡率为0.09/10万,病死率为0.85%,与2005年相比,病例数下降7.68%,主要发病地区为佳木斯、双鸭山、牡丹江、黑河和鸡西市。在固定监测点捕获小兽10种2554只,采集鼠肺、鼠血各2461份,患者或疑似患者血清598份,健康人血清527份,其中小兽密度为11.19%,野外和村内优势鼠种分别为黑线姬鼠和褐家鼠,患者血清抗体阳性率为63.88%,健康人群隐性感染率较低;鼠带病毒率为7.68%,鼠血清抗体阳性率为10.73%。结论进一步证实黑龙江省是以姬鼠型为主的混合型疫区,人间疫情有下降趋势,但小兽密度和鼠带病毒率仍然较高,需要进一步加强监测和防治,尤其应扩大易感人群的免疫接种范围。