青海省海西州肺心病月发病率的ARIMA模型及预测

目的探讨季节时间序列自回归集成滑动平均（ARIMA）模型在时间序列资料中的应用,建立青海省海西州地区肺心病月发病率的预测模型。方法用SPSS 13.0软件对肺心病发病监测资料进行统计分析,对海西州2001年1月—2007年12月肺心病月发病率资料绘制时序分布图,观察疾病发展趋势,作发病人数的自相关和偏相关图,根据模型定阶原则且残差没有相关性,建立ARIMA模型,并进行预测值比较。结果海西州地区肺心病月发病率成逐年上升趋势,有明显的季节性特征,发病高峰在每年的1月及附近;作偏相关和自相关图,进行时间序列模型拟合;最终得到时间序列模型ARIMA及其相关数学表达式,列表进行实际值与预测值的比较,得到预测的相对误差和绝对误差。作实际值与预测值的序列图,预测值虽然与实际值有差异,但基本趋势一致。结论通过时间序列模型得到的数学表达式,可以算出未来1年的海西州地区肺心病的月发病人数,通过预测出的数据考虑各季节的发病特征,更有重点的进行季节性健康防治工作。     

基于ARIMA模型的张家川地区胃炎发病情况研究

[目的]有关胃炎发病情况的时间序列分析研究较少,通过建立数学模型,研究胃炎发病的相关情况,可以做到及时预防。[方法]通过SPSS软件对甘肃张家川地区胃炎发病病例监测登记资料进行统计分析,同时进行时间序列模型拟合,观察疾病发展趋势。[结果]得到最优时间序列模型ARIMA(1,1,1)及其数学表达式Yt=0.843Yt-1+0.157Yt-2+at-0.558at-1并进行了实际值与预测值比较。[结论]研究胃炎发病的相关情况,有重点地进行健康防治工作,有效地降低胃炎对人类的危害,从而保障了人类的生活品质。     

应用ARIMA模型预测青海海西州地区肺心病的发病率

背景：由于肺心病发病率受多种因素的影响,且各种因素之间又保持着错综复杂的联系。因此,用确定性数学模型来分析和预测比较困难。 目的：探讨ARIMA模型在时间序列资料中的应用,建立海西州地区肺心病发病率的预测模型。 方法：利用时间序列分析方法对海西州地区2003-01/2008-12肺心病发病率数据进行了分析。经过数据平稳化、模型识别确立了3种ARIMA模型,并借助于AIC和SC准则,选出了最佳模型ARIMA(2,1,1)。最后,对该模型进行了模型诊断检验和模型预测,确保了所建模型的合理性。 结果与结论：ARIMA(2,1,1)模型预测值的动态趋势和实际情况基本一致,整体效果不错,结果比较理想。提示：ARIMA(2,1,1)模型可作为海西州地区肺心病发病率的预测模型,且通过此模型可帮助人们了解肺心病发病率的发展趋势,有重点地对肺心病进行健康防治工作,有效地降低肺心病对人们的危害,保障人们的生活质量。     

基于人工神经网络的非稳态心肌病发病率的预测模型

目的 提高非稳态心肌病发病率预测精度.方法 根据心肌病发病率与其影响因素之间存在的映射关系,建立反向传播神经网络(BP神经网络)模型,用于非稳态心肌病发病率的预测.结果 得到由4个输入单元、1个输出单元、11个隐含单元组成的BP神经网络非稳态心肌病发病率预测模型,预测值最大相对误差和平均误差都低于传统预测模型,达到满意效果.结论 BP神经网络模型作为心肌病发病率早期预测的工具,具有一定的推广价值.     

ARMA模型在胆结石病发病率预测中的应用

目的探讨应用时间序列自回归移动平均模型（ARMA）预测胆结石病发病率的可行性。方法应用EV iews3.1软件对青海海西自治州2001~2006年逐月发病率进行ARMA建模拟合;按照残差不相关和简洁的原则确定模型结构,依据赤池信息准则（AIC）与施瓦茨准则（SC）、拟合优度确定模型的阶数。对所得模型的残差进行统计验证,依据残差序列图中实际值与拟合值的拟合效果确定最终模型。利用最终模型预测2007年的胆结石病月发病率,比较预测值和实际值,检验预测效果。结果AR IMA（1,1,1）模型能够较好地拟合及预测胆结石病月发病率值,除个别观测数据与模型预测数据相差较大外,模型所得结果与实际值非常接近。结论ARMA模型可以较好地模拟胆结石病发病率在时间序列上的变动趋势,可用于预测未来的胆结石病发病率趋势,是一种短期预测精度较高的预测模型。     

临夏州胃溃疡月发病人数时间序列拟合

目前国家有关胃溃疡发病情况的时间序列分析研究较少,通过建立数学模型,研究胃溃疡发病的相关情况,可以做到及时预防。通过SPSS软件对甘肃张家川地区胃溃疡发病例监测登记资料进行统计分析,同时进行时间序列模型拟合,观察疾病发展趋势,建立时间序列模型,并进行预测值比较。在此得到最优时间序列模型,并给出数学表达式。至此应该充分考虑人在各时间段的发病特征,更有重点的进行健康防治工作,有效地降低胃溃疡对人类的危害,从而保障了人类的生活品质。     

时间序列模型在胆结石月发病率预测中的应用

目的在时间序列模型理论的基础上,通过时间序列模型对海西州地区的胆结石月发病率进行研究,建立相应的ARIMA模型和ARCH模型并进行预测和评价。方法通过EViews软件对青海海西州地区胆结石发病例监测登记资料进行统计分析,利用原数据建立ARIMA模型和ARCH模型,并通过所建模型对胆结石月发病率的变化趋势和原始序列的预测,确定所建ARIMA模型和ARCH模型的优劣性。结果 ARCH模型的预测结果较ARIMA模型理想,适合描述海西州地区胆结石月发病率的变动趋势。结论 ARCH模型可作为海西州地区胆结石月发病率的预测模型,且通过此模型可帮助人们了解胆结石月发病率的发展趋势,有重点地对胆结石进行健康防治工作,有效地降低胆结石对人们的危害。     

基于ARCH族模型的海西州地区呼吸道感染发病情况研究

呼吸道感染是危害人们健康的一种发病率较高的疾病,由于人们生活水平的提高、工作压力的增大和不良的饮食习惯及其他原因,近年来呼吸道感染发病率有增加的趋势.通过建立数学模型,研究呼吸道感染和平均气温之间的相互关系,可以帮助我们更好地认识和及时预防呼吸道感染,有效地降低呼吸道感染对人们的危害,从而保障人们的生活质量.     

ARIMA模型的张家川地区病毒性脑炎月发病率情况研究

目的：探讨建立数学模型,研究病毒性脑炎发病的相关情况,做到及时预防。方法：通过SPSS软件对甘肃张家川地区病毒性脑炎发病例监测登记资料进行统计分析及进行时间序列模型拟合。结果：得到时间序列模型及其相关数学表达式,进行了实际值与预测值的比较。结论：充分考虑人在各时间段的发病特征,更有重点的进行健康防治工作,有效地降低病毒性脑炎对人类的危害,从而保障了人类的生活质量。     

应用ARIMA模型预测青海海西州地区肺心病的发病率

背景:由于肺心病发病率受多种因素的影响,且各种因素之间又保持着错综复杂的联系.因此,用确定性数学模型来分析和预测比较困难.目的:探讨ARIMA模型在时间序列资料中的应用,建立海西州地区肺心病发病率的预测模型.方法:利用时间序列分析方法对海西州地区2003-01/2008-12肺心病发病率数据进行了分析.经过数据平稳化、模型识别确立了3种ARIMA模型,并借助于AIC和SC准则,选出了最佳模型ARIMA(2,1,1).最后,对该模型进行了模型诊断检验和模型预测,确保了所建模型的合理性.结果与结论:ARIMA(2,1,1)模型预测值的动态趋势和实际情况基本一致,整体效果不错,结果比较理想.提示:ARIMA(2,1,1)模型可作为海西州地区肺心病发病率的预测模型,且通过此模型可帮助人们了解肺心病发病率的发展趋势,有重点地对肺心病进行健康防治工作,有效地降低肺心病对人们的危害,保障人们的生活质量.