共查询到16条相似文献,搜索用时 234 毫秒
1.
目的探讨自回归移动平均模型(ARIMA)乘积季节模型在手足口病预测中的应用,对手足口病的月发病数进行趋势预测。方法收集南昌市2009年1月至2012年12月手足口病的月发病数资料建立ARIMA乘积季节模型,并对预测结果进行评价。结果在手足口病预测中建立ARIMA乘积季节模型的最优模型为ARIMA(0,1,1)×(1,1,0)12模型,正态化的BIC为(贝叶斯信息准测)12.31。结论建立的ARIMA模型能较好地拟合和预测南昌市手足口病的月发病数,为手足口病的防治提供参考依据。 相似文献
2.
目的 探讨自回归移动平均(autoregressive integrated moving average model,ARIMA)乘积季节模型在盐城市手足口病发病趋势预测的可行性。方法 利用盐城市2009年1月至2015年12月的手足口病月发病率建立ARIMA乘积季节模型,并对2016年手足口病发病趋势进行预测。结果 盐城市手足口病预测模型为ARIMA(1,0,1)(1,1,0)12,该模型的参数估计具有统计学意义,拟合优度检验统计量最小Normalized BIC=2.997,残差序列检验统计量Ljung-Box=20.692(P0.05),残差为白噪声,模型能够拟合出手足口病的发病趋势,且实际值都在95%可信区间内,但模型拟合的平均误差率为41.296%,检验模型预测效果的平均误差率为23.998%,模型预测精度高于拟合精度。结论 运用ARIMA乘积季节模型能够对盐城市手足口病发病趋势进行预测和动态分析,对手足口病预防控制产生积极的指导作用。 相似文献
3.
目的 探讨时间序列模型预测传染性疾病发病率的可行性,应用时间序列求和自回归移动平均(ARIMA)模型对江西省结核病发病率进行预测,为制定结核病防治策略提供依据。 方法 利用ARIMA乘积季节模型(p,d,q)(P,D,Q)s对2006-2011年江西省结核病分月发病数据进行ARIMA模型的建立与分析,并对预测效果进行评价。 结果 江西省2006-2011年结核病分月发病数即含有长期递减趋势又含有以年为周期的季节效应,拟合的相对最佳模型为ARIMA(0,1,1)(0,1,1)12。 结论 ARIMA乘积季节模型能有效的预测江西省结核病发病率的短期变化趋势。 相似文献
4.
5.
6.
目的 分析我国2010—2019年流行性感冒的流行特征和分布规律,预测各亚型流感发病趋势。方法 采用ARIMA乘积季节模型,对流感数据进行原始序列预处理、模型识别、参数估计和统计建模,预测流感发病趋势。结果 构建流感自回归移动平均模型(ARIMA)乘积季节模型,预测模型为ARIMA(1,2,1)(0,1,1)12,数据信息提取充分(Q=14.257,P>0.05),相对误差约10%;甲型流感预测模型为ARIMA(2,1,1)(0,2,2)12,数据信息提取充分(Q=13.236,P>0.05),预测2018年12月至2019年3月的甲型流感发病率较高,4月开始,发病率迅速下降,与实际情况相似,相对误差控制在10%以内;乙型流感预测模型为ARIMA(1,2,1)(1,0,1)12,数据信息提取充分(Q=9.841,P>0.05),但模型预测2019年乙型流感发病率较低,相对误差较高。结论 流感、甲型流感ARIMA乘积季节模型预测效果较好;乙型流感预测模型数据信息提取充分,但相对误差较高,可能与乙型流感发病... 相似文献
7.
目的 探讨ARIMA季节乘积模型在济南市猩红热月发病率预测中的应用,并预测猩红热月发病趋势,为制订防控策略提供依据。方法 对济南市2006-2014年猩红热月发病率资料建立ARIMA季节乘积模型,利用2015年1-6月发病资料检验模型的精度,并预测2015年各月发病率。结果 构建ARIMA(1,0,0)(0,1,1)12模型可以用于济南市猩红热月发病率的拟合和预测,模型决定系数R2=0.64。结论 2015年济南市猩红热处于高流行期,应警惕出现流行和暴发的可能,在高发时间、高发地点做好猩红热的监测和应对工作,防止暴发流行。 相似文献
8.
目的 分析四川省2010—2021年乙型肝炎(乙肝)流行特征,建立自回归移动平均(ARIMA)模型并预测乙肝发病趋势,为四川省乙肝防控提供理论依据。方法 采用描述性流行病学方法分析四川省2010—2021年乙肝流行特征;运用R 4.0.2软件建立ARIMA模型并预测四川省乙肝月发病情况。结果 2010—2021年四川省累计报告乙肝536 017例,年均报告发病率为54.44/10万,整体呈先下降后上升的趋势;急性乙肝发病率呈逐年下降的趋势;无明显季节性发病高峰;凉山彝族自治州、巴中市和甘孜藏族自治州为高发地区;发病人群主要以农民为主(占62.85%),发病年龄段主要集中在35~54岁(占41.83%),男女性别比为1.95∶1。ARIMA(0,1,1)(0,1,1)12为最优模型,2022年1—6月的实际发病数均落入模型预测值95%CI内,模型的平均绝对百分比误差为4.86%。结论 四川省乙肝疫苗母婴阻断工作已有效遏制急性乙肝的发病,但总乙肝发病率居高不下;男性、35~54岁年龄组以及农民是乙肝防控重点人群;建立的ARIMA(0,1,1)(0,1,1)12模型能较好地预测四川省乙肝发病... 相似文献
9.
目的 采用自回归移动平均(autoregressive integrated moving average, ARIMA)模型对中国(未含香港、澳门和台湾地区)的手足口病月发病率进行预测,为手足口病预防控制提供参考依据,为ARIMA在传染病预防控制中的运用提供新的领域。 方法 根据2008-2011年全国手足口病月报告发病率时间序列,以2012年1-7月的月发病率作为验证数据,建立中国手足口病月发病率的ARIMA模型。 结果 我国手足口病月发病率模型为ARIMA(1,0,0)(0,1,0)12,模型自回归参数AR1=0.779 (t=7.315,PQ=10.328,P=0.889),提示残差为白噪声。2012年1-7月实际值与预测值的相对误差平均值为28.62%,最大44.57%,最小4.92%。 结论 ARIMA可用于我国手足口病月发病率的预测,模型预测效果的优化有待原始数据进一步积累。 相似文献
10.
《中国输血杂志》2017,(10)
目的分析成都地区临床月供血量的规律,以此建立临床血液月供血量预测的时间序列ARIMA模型和乘积季节ARIMA模型,并动态进行模型的分析对比,为血液中心管理工作提供科学依据。方法收集2006年至2016年成都市血液中心临床血液月供血量,建立ARIMA模型和乘积季节ARIMA模型,预测2016年10-12月和2017年1-3月临床血液月供血量。对备选的模型进行拟合优度的比较,筛选出最优的模型,并对模型的相对误差进行评价。结果 ARIMA(0,1,1)模型预测2016年10-12月和2017年1-3月的相对误差为1.71%、-7.45%、-3.14%、-7.66%、-15.25%、-9.74%。而ARIMA(0,1,1)×(1,1,1)12模型相对误差为2.51%、-3.75%、-2.58%、-5.21%、-8.11%、-7.34%。结论乘积季节ARIMA模型能够较好的预测短期临床供血量,持续修正的乘积季节ARIMA模型能更好的预测下一季度临床血液月供血量。 相似文献
11.
《疾病监测》2014,29(10):827-832
目的探讨应用时间序列基于季节性差分的自回归移动平均模型(autoregressive integrated moving average,ARIMA)预测全国手足口病的发病情况。方法利用"中国疾病预防控制信息系统"中的"疾病监测信息报告管理系统"(又称"传染病疫情信息网络直报系统")的资料,应用SPSS 19.0统计软件、采用ARIMA,对全国2009年1月至2012年12月手足口病逐月发病情况进行建模和拟合,利用所得到的模型对2013年1-6月的发病情况进行预测,并评价其预测效果。结果分析结果显示,手足口病发病以年为周期,1年中5-6月为高发月。非季节移动平均参数滞后两次后为0.532,t检验的P值为0.003,差异有统计学意义。BIC=21.955,Ljung-Box统计量检验残差序列为白噪声序列。最佳ARIMA(0,1,2),(0,1,0)12预测的平均相对误差为0.52,预测效果一般。按照不同发病模式分为两层后分别建立ARIMA,平均相对误差为0.12,预测效果好。结论对监测数据进行时间序列分析是用于传染病预测的一个重要的工具。分析发现中国不能用一个ARIMA拟合手足口病资料,因地区间发病的变异和模式不同;按手足口病的发病模式将各省分为单峰和双峰两层,分别拟合ARIMA,模型拟合效果更好。 相似文献
12.
目的 利用时间序列分析方法动态研究手足口病发病趋势,探讨合理的预测模型,为宝鸡市制定手足口病的预防控制措施提供决策依据。方法 应用时间序列分析方法对宝鸡市2008-2014年手足口病月发病数据进行分析并建立预测模型,对建立的预测模型进行参数估计、模型诊断、模型评价,选择最优预测模型,利用所得到的模型对2015年1-6月的发病情况进行预测,并评价其预测效果。结果 通过参数和模型拟合优度检验以及残差白噪声序列检验,得到模型ARIMA (1,1,1) (0,1,1)12,R2=0.820,标准化的BIC=10.507,Ljung-Box=4.631(P=0.995),2015年1-6月手足口病月发病数预测值和实际值的平均相对误差仅为2.34%,实际值都在95%可信区间内,建立的ARIMA模型的拟合精度和预测效果较为理想。结论 ARIMA模型能较好的模拟宝鸡市手足口病的发病趋势,预测效果可信。 相似文献
13.
14.
15.
16.