首页 > 文献资料
-
基于ARIMAX模型的海西州地区高血压月发病率预测
目的 探讨ARIMAX模型在时间序列资料中的应用,建立海西州地区高血压月发病率的预测模型.方法 利用时间序列分析方法对海西州地区2001年1月至2007年12月高血压月发病率数据进行了分析.利用主成分分析法分析出了气象因素中对高血压月发病率影响大的两个因素:月平均气温和月平均气压,并将这两个因素作为引入ARIMA模型中的回归项.经过数据平稳化、模型识别确立了15种ARIMA模型和15种ARIMAX模型,并借助于AIC和SC准则,选出了佳模型ARIMA(4,1,5和ARIMAX(4,1,5).后,对两个模型进行了模型诊断检验,并选出了优模型ARIMAX(4,1,5),通过模型预测,确保了所建ARIMAX(4,1,5)模型的合理性.结果 与传统的趋势模型和ARIMA模型相比,ARIMAX模型的拟合效果更佳,ARIMAX(4,1,5)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,实际值都落入了预测值的可信区间范围,结果比较理想.结论 ARIMAX(4,1,5)模型可作为海西州地区高血压月发病率的预测模型,且通过此模型可帮助了解高血压月发病率的发展趋势,有重点地对高血压进行健康防治工作,有效地降低高血压对人们的危害,保障生活质量.
-
基于ARIMAX模型的乌鲁木齐市流感样病例预测分析
目的 探讨ARIMAX模型(autoregressive integrated moving average model-X,ARIMAX)在流感发病趋势预测方面的效果,为提高此模型在传染病发病预测方面的使用提供依据.方法 收集乌鲁木齐市(乌市)2013年1月～2016年12月的流感样病例(ILI)病例数和大气颗粒物PM2.5及PM10浓度数据,用R软件建立ARIMA及ARIMAX模型,并对2017年前10周ILI病例数做预测.结果 乌市2013年1月～ 2016年12月ILI病例总数161 773例,周平均发病数为777例;时序图显示呈冬春季高发的特点.流感周发病数建立ARIMA( 1,0,0)模型,赤池信息准则(akaike information criterion,AIC ) =2 549.03 ;以大气颗粒物PM2.5及PM10为影响变量,带入转换函数建立ARIMAX模型,AIC =2 535.51,且模型各参数有统计学意义.使用迭代法对前10期(10周)数据进行预测,预测结果显示仅预测3期(3周)误差小;两模型预测误差百分比绝对值均值(mean absolute percentage error,MAPE)分别为12.019 74％,12.014 17％,显示两模型均有较好的预测精度.结论 ARIMA模型和ARIMAX模型均能较好预测短时间内ILI病例数的发病趋势,为流感监测和预防控制提供依据.
-
遥感技术结合宿主动物监测的肾综合征出血热多元时间序列模型研究
目的 使用遥感技术结合宿主动物监测对肾综合征出血热(HFRS)的传播进行预测.方法 以长沙市2005-2009年逐月HFRS病例、逐月鼠密度监测数据和同期遥感数据(提取归一化植被指数,NDVI)为基础数据,确定多变量时间序列模型(ARIMAX)的构成形式并进行模型检验、预测.结果 时滞相关性分析结果显示,不同地类NDVI变化与HFRS发病存在0～1个月的时滞期(耕地0～1个月、园地1个月、林地1个月、居民地1个月),与鼠密度的相关性则在当月达到高.NDVI与鼠密度均作为输入序列,ARIMAX模型模拟效果好,且预测值与实际观测值基本一致.结论 NDVI与鼠类宿主密度监测可以实现对HFRS传播的预测.
