ARIMA预测模型在甘肃省其他感染性腹泻发病预测中的应用

目的 建立并评价甘肃省其他感染性腹泻发病的ARIMA预测模型。 方法 利用2010—2018年甘肃省其他感染性腹泻的发病数据建立ARIMA预测模型,同时利用2019年发病数据评价模型并对2020年甘肃省其他感染性腹泻发病进行预测。 结果 根据模型拟合效果,模型ARIMA(0,1,1)(1,1,0)₁₂为最优模型。R²=0.741,Ljung-Box检验值为25.944,BIC值为11.060。模型拟合甘肃省其他感染性腹泻的发病趋势与实际发病趋势一致,MAPE=17.297%,预测结果显示2020年甘肃省其他感染性腹泻发病时间分布与往年趋于一致。 结论 ARIMA(0,1,1)(1,1,0)₁₂模型能较好地拟合甘肃省其他感染性腹泻的发病趋势,对该病的预防控制、风险评估等具有一定的公共卫生意义。     

ARIMA乘积季节模型在苏州市其他感染性腹泻发病预测中的应用

目的探讨自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型在苏州市其他感染性腹泻发病预测方面的应用。方法利用R软件对苏州市2004年1月—2015年12月的其他感染性腹泻发病率数据构建ARIMA乘积季节模型,预测苏州市2016年1—12月其他感染性腹泻发病率。结果建立了ARIMA(1,1,1)×(0,1,1)12乘积季节模型,模型Ljung-Box检验差异无统计学意义(Q=5.305,P=0.947),模型短期预测效果较好,2016年1—6月苏州市其他感染性腹泻发病率预测值与实际发病率进行比较,相对误差的平均值为0.041,实际发病率均在预测结果 95%可信区间内。结论 ARIMA(1,1,1)×(0,1,1)12季节乘积模型可用于苏州市其他感染性腹泻发病的短期预测。     

ARIMA乘积季节模型预测永嘉县其他感染性腹泻的流行

目的评估求和自回归移动平均(ARIMA)乘积季节模型预测其他感染性腹泻流行的可行性。方法利用2005—2014年永嘉县其他感染性腹泻的发病率数据,采用ARIMA模型结合随机季节模型的方法,建立预测其他感染性腹泻流行的ARIMA乘积季节模型,同时用2015年的数据做模型预测效果验证。结果根据模型拟合效果,模型ARIMA(1,1,1)(0,1,1)12的拟合效果为最优,其Ljung-Box检验值为7.796,BIC值为3.602,MAPE值为36.166%,表明模型拟合程度较好;该模型外推验证2015年发病率的预测效果较好,2015年各月发病率的实际值均落在该模型预测值95%可信区间内,且预测值与实际值间依时间变化的趋势也基本一致。结论ARIMA(1,1,1)(0,1,1)12模型能较好地预测永嘉县其他感染性腹泻的流行趋势,对该病的预警具有一定的价值。     

ARIMA模型在2004—2014年淮安市其他感染性腹泻流行病学特征及发病趋势预测中的应用

目的分析淮安市其他感染性腹泻的流行病学特征,并探讨ARIMA模型拟合淮安市其他感染性腹泻发病趋势预测的可行性。方法采用Excel 2003和Arc Gis 10对淮安市2004—2014年其他感染性腹泻的发病特征进行分析,应用EViews 5.0对月发病数进行拟合与预测。结果淮安市其他感染性腹泻的流行周期为3~5 a,10至11月份为每年的发病高峰;主城区的发病率高于其他地区;0~3岁的男童是高发人群;ARIMA(2,1,3)(1,1,1)12模型较好地拟合了淮安市其他感染性腹泻的月发病数列,预测效果良好。结论淮安市其他感染性腹泻发病具有周期性和季节性等特点,可以应用ARIMA模型进行短期预测,对开展预防控制措施具有指导意义。     

南昌市其他感染性腹泻ARIMA模型的建立及应用

目的 建立南昌市其他感染性腹泻的ARIMA模型,探讨ARIMA模型对南昌市其他感染性腹泻发病数预测的可行性.方法 利用Eviews软件对南昌市2007年1月～2011年6月其他感染性腹泻的发病数资料建立ARIMA模型,并对预测结果进行评价.结果 建立ARIMA(4,2,2)×(0,1,1)12模型,预测结果MAPE为15.56.结论 建立的ARIMA模型较好的反应了其他感染性腹泻的流行趋势,对其他感染性腹泻的防制有一定的借鉴意义.     

上城区其他感染性腹泻ARIMA乘积季节模型的建立与预测

目的 建立上城区其他感染性腹泻病求和自回归移动平均(auto-regressive integrated moving average, ARIMA)乘积季节模型，为早期防控提供参考。方法 利用SPSS 25.0软件对上城区2010—2020年其他感染性腹泻病发病数据构建ARIMA乘积季节模型，通过对2021年月发病数进行回代预测评价模型拟合效果，并用构建的模型对2022年月发病数进行预测。结果 上城区2010—2020年共报告其他感染性腹泻病40 534例，年均报告发病数为3 685例，无死亡病例报告。构建的较优模型为ARIMA(2,1,1)(1,1,1)₁₂,平稳R²=0.870,贝叶斯信息准则(Bayesian information criterion, BIC)=9.524,平均绝对百分误差(mean absolute percentage error, MAPE)=27.351,模型Box-Ljung检验差异无统计学意义(Q=10.420,P=0.659)。模型实测发病趋势与预测发病趋势基本一致，预测值和实测值平均相对误差为23....     

突发公共卫生应急响应对其他感染性腹泻的预防保护作用

目的了解突发公共卫生应急响应对其他感染性腹泻发病的预防保护作用。方法选取《中国疾病预防控制信息系统》中杭州市上城区2010—2021年其他感染性腹泻报告数据, 使用圆形分布法对上城区2010—2019年5岁以下和5岁及以上群体其他感染性腹泻发病时间聚集性进行分析。运用描述性流行病学法分析2020—2021年突发公共卫生应急响应状态下上城区5岁以下和5岁及以上群体其他感染性腹泻发病高峰变化。根据2010—2019年发病数据构建最优求和自回归移动平均(ARIMA)乘积季节模型对上城区2020年非应急响应状态下其他感染性腹泻发病情况进行预测, 将预测结果与2020年同期真实发病数据进行比较。结果 2010—2019年, 上城区5岁以下和5岁及以上群体其他感染性腹泻发病均为单峰分布, 高峰日期分别为12月17日和7月28日。2020—2021年COVID-19疫情突发公共卫生应急响应后, 5岁及以上群体发病无明显高峰, 5岁以下儿童发病高峰较往年明显推迟。最优ARIMA模型分析显示, 2020年5岁以下和5岁及以上群体其他感染性腹泻实际发病率较预测发病率分别下降63.76%和41.74%。结论...     

ARIMA模型在东莞市细菌性痢疾预测中的应用

目的探讨ARIMA模型在东莞市细菌性痢疾发病预测的可行性和适用性,为东莞市细菌性痢疾的防控提供参考依据。方法使用SPSS 17.0对2004年1月至2012年4月东莞市细菌性痢疾发病率资料拟合ARIMA模型,利用所得到的模型对东莞市2012年5～7月细菌性痢疾发病率进行预测评价。结果 ARIMA(0,0,1)(0,1,1)12模型具有较高的预测精度,预测值与实际值基本吻合,且实际值都在95%可信区间内。结论 ARIMA(0,0,1)(0,1,1)12模型较好地反映了东莞市细菌性痢疾发病趋势,可作为东莞市细菌性痢疾发病水平短期预测模型。     

ARIMA模型在细菌性痢疾预测中的应用

目的构建北京市昌平区细菌性痢疾月发病的ARIMA模型,为防控工作提供依据。方法应用SPSS 18.0软件分析2004-2010年北京市昌平区细菌性痢疾月发病数资料,构建ARIMA乘积模型,并预测2011年细菌性痢疾月发病数。结果最优乘积模型为ARIMA(1,0,0)(1,1,1)12,模型具有较高的预测精度,预测值与实际值基本吻合,且实际值均在预测值可信区间范围内。结论 ARIMA模型能够应用于北京市昌平区细菌性痢疾流行趋势的预测及疫情的预警、预报,为实施干预提供依据。     

基于ARIMA模型的上海市其他感染性腹泻发病率预测

目的根据上海市2011年3月-2017年12月的"其他感染性腹泻"发病率数据,并在识别、建立时间序列模型基础上进行发病率预测,为上海市其他感染性腹泻疾病的防治提供科学依据。方法利用SPSS 22.0统计软件进行数据预处理,建立ARIMA预测模型,分析变化趋势。结果拟合最佳模型为ARIMA(1,0,0)(0,1,1)_(12),BIC=-2.025,R~2=0.956,模型拟合及预测效果总体较好。结论利用ARIMA模型进行上海市其他感染性腹泻发病率预测,结果符合当前的发病规律,能够对疾病的早期预防提供借鉴。     

ARIMA模型预测南宁市细菌性痢疾的发病趋势

目的 运用自回归移动平均(ARIMA)模型对南宁市2011 -2013年的细菌性痢疾发病趋势进行预测,探索细菌性痢疾的流行规律.方法 以南宁市2004-2010年的细菌性痢疾月发病率数据为基础,用SPSS13.0建立ARIMA预测模型,以2004-2010年的数据验证模型的预测精度.结果 ARIMA(1,0,1)(0,0,0)12模型可以用于拟合南宁市细菌性痢疾的发病情况.南宁市2011 -2013年细菌性痢疾的发病与2010年相比,没有明显的变化,发病呈平稳流行的趋势.结论 ARIMA模型可用于细菌性痢疾发病趋势的短期预测.     

上海市宝山区细菌性痢疾发病率的ARIMA模型研究

目的构建上海市宝山区细菌性痢疾发病率的差分自回归移动平均模型(autoregressive integratedmoving average model,ARIMA),预测上海市宝山区细菌性痢疾的发病趋势。方法引用1997-2010年上海市宝山区细菌性痢疾年发病率资料,通过SPSS 16.0软件拟合ARIMA模型,采用最大似然法估计模型参数,按照残差不相关原则、简洁原则确定模型结构,依据赤池信息量(Akaike information criterion,AIC)与贝叶斯信息量(Bayesianinformation criterion,BIC)准则确定模型的阶数,用Q统计量对模型适应性进行检验,建立ARIMA预测模型。结果自回归参数差异有统计学意义,AIC=20.331,BIC=22.591,统计量Q=7.060<χ20.05,13(29.819),检验表明ARI-MA(1,1,1)模型是适合的。预测宝山区2011-2013年细菌性痢疾的发病率水平会呈缓慢下降趋势。结论 ARI-MA(1,1,1)模型可用于上海市宝山区细菌性痢疾发病情况的动态分析和短期预测。     

乙型肝炎发病趋势的时间序列分析和预测模型研究

[目的]利用乘积季节模型预测无锡市乙型肝炎(乙肝)的发病趋势,为制订相应的防治措施提供科学依据.[方法]利用最小二乘原理,应用自回归求和移动平均模型与随机季节模型相结合的乘积季节模型,对无锡市1998～2006年乙肝月发病数进行时间序列分析并建立预测模型,用2007年相应数据验证预测效果,并对2008年以后无锡乙肝发病趋势进行预测. [结果]利用1998～2006年资料构建ARIMA(1,1,1)(1,1,1)12模型,所建立模型的预测效果良好,实际值均在预测值的95%可信区间内,预测2008～2012年无锡乙肝发病人数呈下降趋势. [结论]采用ARIMA乘积季节模型预测无锡市乙肝发病情况,拟合及近期预测效果均较好.预测结果符合我市乙肝发病现状及目前采取的乙肝防治措施.     

ARIMA模型与GM(1,1)模型在细菌性痢疾发病率预测中的比较研究

目的评价ARIMA和GM(1,1)模型在细菌性痢疾发病预测的应用效果,为选择适宜的预测方法提供依据。方法利用深圳沙井街道2006-2013年的细菌性痢疾的发病数据构建ARIMA模型和GM(1,1)模型,评价拟合效果。结果建立的ARIMA(1,1,1)(0,1,1)12模型为:(1-0.623B)(1-B)(1-B12)Yt=(1-0.963B)(1-0.72B12)et,GM(1,1)模型为:Y(t+1)=-190.506e-0.23003t+250.126。两个模型的平均误差率(MER)分别为2.91%和6.24%;决定系数分别为0.994和0.967。结论 ARIMA模型对细菌性痢疾发病率预测的效果较好,但在预测传染病发病的时候,尽可能地使用多种模型进行拟合,挑选出效果最好的。     

ARIMA模型在细菌性痢疾预测中的应用

[目的]探讨应用ARIMA模型进行细菌性痢疾预测、预报的可行性。[方法]应用SPSS13.0软件分析1990～2008年广西细菌性痢疾月发病数资料,构建ARIMA乘积模型,并预测2009～2010年细菌性痢疾月发病数。[结果]最优乘积模型为ARIMA(1,1,1)(0,1,1)12,模型具有较高的预测精度,预测值与实际值基本吻合,且实际值均在预测值可信区间范围内。[结论]ARIMA模型是一种行之有效的预测方法,能够应用于广西细菌性痢疾流行趋势的预测及疫情的预警、预报,为实施干预提供依据。     

自回归求和滑动平均模型在宁波市食源性疾病发病人数预测中的应用

目的采用自回归求和滑动平均模型(autoregressive integrated moving average,ARIMA)对宁波市食源性疾病的发病趋势进行预测,为预警和制定、调整食源性疾病防控策略提供依据。方法用SPSS 22. 0软件对宁波市2014年1月-2016年12月的食源性疾病发病人数进行ARIMA模型拟合,2017年的发病人数验证模型并预测2018年发病人数。结果 ARIMA(1,1,1)(0,1,1)12模型较好地拟合了宁波市既往食源性疾病的时间序列,拟合预测误差率为6. 38%,2018年宁波市食源性疾病预测人数为6 968人。结论 ARIMA模型可用于食源性疾病的动态分析和短期预测。     

乙类传染病的ARIMA、灰色模型及组合预测模型比较

目的构建义乌市乙类传染病流行趋势最优预测模型。方法通过对义乌市2010-2012年乙类传染病按月发病率的日平均进行ARIMA时间序列、GM(1,1)灰色模型以及两者的组合模型进行建模,并预测2013年1-4月发病率与实际比较。结果 ARIMA(1,1,1)模型的r(曲)为82.49%,GM(1,1)灰色模型的r(曲)为59.07%,组合预测模型的r(曲)为70.89%;ARIMA(1,1,1)预测的MAPE为118.77%、MSPE为67.07%,GM(1,1)预测的MAPE为15.50%、MSPE为9.33%,组合预测模型预测的MAPE为107.24%、MSPE为60.06%。结论在进行义乌市乙类传染病发病流行趋势建模中,ARIMA是一个较好的方法,但是进行预测不如GM(1,1)。     

ARIMA模型在深圳市法定传染病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)应用于法定传染病发病率预测的可行性,为传染病防控工作提供科学依据。方法采用SAS9.2软件对深圳市2004-2014年的病毒性肝炎、细菌性痢疾的月发病率进行ARIMA模型的建模拟合,预测2015年病毒性肝炎、细菌性痢疾的月发病率。结果 ARIMA模型对病毒性肝炎、细菌性痢疾的拟合效果较好。结论 ARIMA模型对深圳市几种传染病发病的时间序列变动趋势能进行较好的模拟,因此可以为法定传染病的预测提供依据。2015年预测结果提示病毒性肝炎的发病有上升趋势,需进一步调整相应防控策略。     

季节ARIMA模型在无锡市艾滋病发病预测中的应用

目的 预测无锡市艾滋病发病趋势,探讨自回归滑动平均混合模型(autoregressive integrated moving average model, ARIMA model)在无锡市艾滋病早期预测预警中的可行性。方法 以2007—2018年无锡市艾滋病月报告发病数据为基础,构建最优季节ARIMA模型,运用该模型对2019年无锡市艾滋病月报告发病数进行预测,并将实际值与预测值进行比较。结果 研究构建的最优季节ARIMA模型为ARIMA (2,1,1)(1,1,1)₁₂,ADF检验结果显示,差分后序列呈稳定序列(t=-7.39,P=0.01),AIC为932.43,BIC为949.68,RMSE为7.14。白噪声检验结果为χ²=0.001,P=0.97,实际值基本在预测值的95%CI。结论 ARIMA (2,1,1)(1,1,1)₁₂能较好地拟合无锡市艾滋病月报告发病趋势,可应用于无锡市艾滋病发病的短期预测。     

ARIMA模型在深圳市法定传染病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) 应用于法定传染病发病率预测的可行性, 为传染病防控工作提供科学依据.方法 采用 SAS 9.2软件对深圳市2004-2014年的病毒性肝炎,细菌性痢疾的月发病率进行ARIMA模型的建模拟合,预测2015年病毒性肝炎,细菌性痢疾的月发病率.结果 ARIMA 模型对病毒性肝炎,细菌性痢疾的拟合效果较好.结论ARIMA 模型对深圳市几种传染病发病的时间序列变动趋势能进行较好的模拟, 因此可以为法定传染病的预测提供依据.2015年预测结果提示病毒性肝炎的发病有上升趋势,需进一步调整相应防控策略.