首页 > 文献资料
-
北京市"十二五"人均期望寿命预测与分析
目的:预测"十二五"期间北京市人均期望寿命,描述其变化趋势,为政策分析提供依据.方法:利用北京市卫生局公布的北京市2003-2010年人均期望寿命数据,应用一阶自回归模型,对"十二五"期间北京市人均期望寿命进行预测.结果:在本研究模型的既定水平下,2015年北京市人均期望寿命预测值为81.73岁,低于预期目标值0.1岁左右,预测值的90%可信区间为[81.13,82.33]岁,相比预期目标值上限预测值则较为乐观.结论:近年来北京市人均期望寿命的增长趋缓已进入平台期,"十二五"期间人均增长1岁的目标基本可以实现,未来应当重视健康期望寿命的研究与应用.
-
基于贝叶斯方法的年龄-时期-队列预测模型的介绍
年龄-时期-队列模型(age-period-cohort model,以下简称APC模型)广泛应用于对慢性病发病率和死亡率变化趋势的分析[1-2]及预测未来疾病负担变化[3-4],并在传染性疾病的分析中也有应用[3-5].该模型考虑的因素包括年龄、时期、队列3个因素,由于3个因素之间存在线性关系而导致参数估计比较困难,若无一定的条件限制,同样的数据用APC模型估计的变化趋势甚至可能出现相反的情况[6].关于APC模型参数估计的方法较多,包括非线性模型法、惩罚函数法、估计函数法、自回归模型等[1],但各种方法均存在不足,且传统的参数估计方法一般只利用样本信息.贝叶斯方法在参数估计时不仅能利用样本信息,还能利用样本外已知的其他信息,即先验信息.笔者将结合肿瘤登记数据的情况,介绍APC模型在预测中的应用及基于贝叶斯马尔可夫链蒙特卡罗算法(MCMC)估计参数.
-
自回归模型和隐马尔可夫模型在癫痫脑电识别中的应用
目的 研究自回归(autoregressive model,AR)模型和隐马尔可夫模型(hidden Markov model,HMM)在癫痫脑电(electroencephalogram,EEG)识别中的应用,以期减轻医生工作量,减少人工识别主观因素的影响.方法 使用基于联合信息准则(combined information criterion,CIC)的佳阶数AR模型对脑电信号进行特征提取,连续密度隐马尔可夫模型(continuous density hidden Markov model,CD-HMM)作为正常脑电和癫痫脑电的分类工具,对南京军区总医院的临床脑电数据(8组采样频率为512 Hz的16导正常、癫痫脑电信号)进行分析和识别.实验时对每一例样本选取T3、T4、FP1、FP2、C3、C4六个导联的数据.使用训练集中的15段样本进行HMM建模,剩下35段用作测试.结果 癫痫脑电的识别率可达90%.结论 AR模型结合HMM建模的方法对正常脑电信号和癫痫脑电的识别率较高,在脑-机接口设备的开发中有一定的应用前景.
-
基于AR模型和Lempel-Ziv复杂度的癫痫发作预报
目的 癫痫是由多种病因引起的慢性脑功能障碍综合征,及时的发作预报,对于建立新的治疗方法和改善患者的生活质量有着至关重要的作用.目前大部分脑电分析算法存在计算速度慢、适应性差等问题,无法满足癫痫脑电发作预报的要求.方法 本文应用自回归模型对脑电信号进行特征提取,支持向量机(support vector machine,SVM)作脑电各个时期分类器,并与Lempel-Ziv复杂度分析计算相结合,准确识别发作前期,以实现癫痫的发作预报.结果 应用弗莱堡大学数据对上述方法的有效性进行验证.仿真结果表明,该方法得到的发作漏检率、误报率较低,预报提前时间较长.结论 将AR模型和Lempel-Ziv复杂度相结合,对癫痫发作预报的实现,有一定参考价值和意义.
关键词： 癫痫 脑电信号 自回归模型 Lempel-Ziv复杂度 发作预报 -
利用神经网络估计针电极肌电信号的AR模型参数和功率谱
本文介绍利用隐层神经元为线性传递函数的三层人工神经网络对针电极肌电信号(NEMG)的AR模型参数和功率谱进行估计的方法.实验结果显示,由神经网络法估计的NEMG信号AR 模型参数和功率谱与自相关法基本一致,表明了这种方法的有效性.
-
基于自回归模型和关联向量机的癫痫脑电信号自动分类
癫痫脑电信号自动分类方法的研究具有重要意义.基于自回归模型和关联向量机,实现癫痫脑电信号的自动分类.采用自回归模型,进行脑电信号特征提取；通过引入主成分分析和线性判别分析两种特征变换方法,降低特征空间维数；采用关联向量机作为分类器,提高模型稀疏性并可以得到概率式输出.在对波恩大学癫痫研究中心脑电信号的分类中,所提出的方法高准确率可以达到99.875％；在将特征空间维数降至原始维数的1/15时,分类准确率仍可达到99.500％；采用关联向量机作为分类器,模型稀疏性大幅提高,与支持向量机相比,同等条件下关联向量数仅为支持向量数的几十分之一.所提方法可以很好地应用于癫痫脑电信号的自动分类.
-
基于自回归模型表面肌电信号检测肌肉疲劳研究
针对表面肌电信号的非平稳特性,采用自回归模型对表面肌电信号进行分析,对短时间内的表面肌电信号肌肉疲劳迅速做出判定.应用非平稳时间序列的时变系统建模方法对10例受试者疲劳前、疲劳后表面肌电信号进行特征提取.建立时变参数自回归模型,通过引入Legendre基函数将线性非平稳过程参数辨识转化为线性时不变系统参数辨识,结合相关指数可以获得时变系统参数估计的优Legendre基函数维数,进而可以获得佳模型拟合效果,并采用小二乘法解出时不变参数.用疲劳前、后的自回归模型的第一个时变参数(ARCl)的变化率作为检测肌肉疲劳敏感性指标,并采用双尾t检验,分别与平均功率频率(MPF)和中值频率(MF)的变化率进行统计学对比分析.结果表明,ARC1、MPF和MF疲劳前后的变化率分别为34.33％±2.41％、25.68％±2.03％、22.80％±2.19％,且ACR1的变化率分别显著高于MPF和MF(P ＜0.05).所提出的方法通过表面肌电信号对肌肉疲劳检测时,具有时间短和敏感性高等优点,可用于在线实时分析肌肉疲劳程度,为肢肌肉劳损的评估、康复治疗及人体工效学的研究提供一个潜在的分析工具.
-
江苏省昆山市1981-2014年期望寿命时间序列分析
目的：探究江苏省昆山市1981—2014年期望寿命发展趋势。方法收集1981—2014年各年年初及年末人口数以及死因报表。采用SAS 9.3软件进行数据处理，以时间趋势与自回归模型结合的方法拟合昆山市1981—2014年总观察人年数及期望寿命的预测模型。结果昆山市1981—2014年年均观察人年数由1981年的527337人年增加到2014年的761336人年。≥60岁人口比例由1981年的8.2％上升到2014年的20.6％，上升趋势明显〔年度变化百分比(APC）＝2.56％，95％CI (2.29％，2.83％）〕。≥65岁人口比例由1981年的5.1％上升到2014年的14.0％，上升趋势明显〔APC＝2.99％，95％CI (2.63％，3.35％）〕。昆山市期望寿命由1981年的69.67岁上升到2014年的82.86岁，提高了13.19岁，上升趋势明显〔APC＝0.51％，95％CI (0.47％，0.55％）〕。时间趋势与自回归模型对期望寿命进行预测，结果显示未来年份其继续上升，2015—2024年昆山市期望寿命分别为82.82、83.05、83.28、83.49、83.70、83.89、84.07、84.25、84.41、84.56岁。结论昆山市人口老龄化与期望寿命呈上升趋势，应更加关切主要死因对期望寿命的影响，以明确疾病预防控制的方向。
-
残差自回归模型在中国人口出生率预测中的应用
时间序列是将某一指标在不同时间上的数值按时间先后顺序排列而成的数列(1).时序分析中对非平稳时间序列的处理有两种方法:(1)确定性分析方法,假定序列的变化不是变化莫测的,而是可以用一条趋势线来加以刻画的,即序列的趋势是时间t的确定函数,常用的方法有线性模型、指数模型等(2).该方法只能提取确定性信息,没有利用随机性信息.(2)随机性分析方法,ARIMA模型是典型代表,通过差分方法提取确定性信息,能提高非平稳序列的拟合精度,但难以对模型进行直观解释.
-
中位数回归模型及自回归模型在北京市SARS发病预测中的应用
目的探讨北京SARS发病的动态变化规律.方法建立北京市SARS发病长期预测的中位数回归模型以及短期预测的自回归模型.结果以4月24日～5月11日的数据建模,对SARS进行长期预测的中位数回归模型为:Yi0.5=129.2-4.7ti,预测其新增临床诊断病例数将于5月22日降至零病例;同时考虑时间(ti)、前一天的新增临床疑似病例数(Zi-1),对SARS进行短期预测的二阶自回归模型(第一步)为:Yi=79.9526-0.2773Yi-1+0.3582Yi-2+0.2848Zi-1-2.8175ti.预测其新增临床诊断病例数将于5月21日降至零病例.结论SARS发病长期预测用中位数回归较一般线性回归稳健;SARS发病短期预测的自回归模型取二阶较适宜.长期预测与短期预测中新增临床诊断病例数降至零病例的时间基本一致.在传染病的发病预测中使用中位数回归模型及自回归模型的方法具有广阔的应用前景.
-
用改善的自回归预测方法预测门诊人数
时间序列资料,建立自回归模型进行预测时,为了提高预测的准确性,要求数据列{x(k)}(k=1,…,n)为光滑离散函数,其主要条件是:(A)ε＞0,(E)ko,当k＞ko时,有x(k)/k-1∑i=1x(i)＜ε[1].
-
用自回归模型的预选方法预测门诊人数
对时间序列资料建立自回归模型进行预测的传统方法是:先建立模型再利用"残差平方和"标准选择优模型,这种方法计算量比较大.为了减少计算量,本文通过分析自回归模型建立的必要条件来研究时间序列资料{X1}的特点,进而给出了一种先筛选模型再选择优模型的预选方法.
-
误差为平稳m-相依的线性模型的移动区段再抽样法
引言对于一般的线性回归模型Y＝Xβ+ε,假定误差ε独立且服从正态分布,才能进行有效的参数区间估计及假设检验,当ε的分布未知时,若按通常的方法,参数的区间估计与假设检验就不稳健,1981年Freedman将Bootstrap法应用回归模型,提出参数及其方差的Bootstrap估计,1986年Wu又进一步加以改进,使方差的Bootstrap估计达到稳健,假设检验也能够顺利实现.然而,当误差ε或响应变量序列存在一定的相依关系时,上述方法就失效,而误差或响应变量序列为相依情形的线性模型是广泛存在的,比如目前引起卫生统计研究者高度重视的时间序列模型. 1984年Freedman对动态回归模型的Bootstrap法做了深入讨论,假定有自回归模型 Yt=Yt0+Yt-11+…+Yt-mm +Xtβ+εt, t=0,1,2,…,n (1)
-
自回归数学模型对疟疾疫情预测的研究
在时间序列的分析与预报中,广泛应用的线性回归模型是自回归模型,通过自相关来分析数据的结构和类型,如果数列是纯随机的,那么,其相继数值之间的自相关系数等于零,假如数据具有明显的时间变动和周期变化,就会有很高的自相关系数,从中找出规律,就可以应用自回归数学模型对今后的发展潜势作出预警和预报.本研究选用自回归模型的三阶参数建立了江苏省1990～2002年疟疾疫情预测方程,并对今后几年发病情况作外推预测,为卫生职能部门制定防治措施提供参考依据.
-
残差自回归模型及SAS程序实现
时间序列,是将某一指标在不同时间上的数值按时间先后顺序排列而成的数列[1].随着社会的发展和计算机技术的进步,时间序列分析技术的应用越来越广泛,已在经济、气象、地质、水文、军事等领域产生了显著的经济效益和社会效益.
-
3种模型在肾综合征出血热发病率拟合预测中的比较研究
目的 探讨3种不同的模型在肾综合征出血热(HFRS)发病率拟合预测中的应用,并选用合适的模型预测HFRS在该地区未来的发病趋势,为合理调配HFRS防治的卫生资源提供科学依据.方法 采用灰色GM(1,1)模型、自回归模型、ARIMA模型对1990～2007年沈阳市HFRS的发病率资料进行数据拟合,并比较3个模型的拟合效果,选择优模型预测沈阳地区未来几年的HFRS发病趋势.结果 针对沈阳市HFRS发病率建立的GM(1,1)模型、自回归模型和ARINA模型的平均误差率(MER)分别为52.76%、20.53%和6.75%,R2分别为0.466、0.945和0.991;预测在2012年前后沈阳市HFRS发病将会出现一个高峰,达到4.4035/10万.结论 对于隐含波动周期并且不稳定的循环型时间序列,无论拟合还是预测,ARIMA模型的效果都优于灰色GM(1,1)模型和自回归模型.目前沈阳市HFRS正处于发病率的低谷期,预测未来几年呈上升趋势,应引起注意.
-
达乌尔黄鼠鼠疫预报的数学模型(Ⅷ)
目的研究动物鼠疫的前瞻性预报.方法分别建立1957～2000年吉林省通榆县黄鼠密度、体蚤指数和洞干蚤指数的自回归模型和判别分析模型.结果对2001～2002年动物鼠疫做出了前瞻性预报.结论使用自回归模型和判别分析模型,可以进行动物鼠疫的前瞻性预报.
-
吉林省达乌尔黄鼠密度的前瞻性预测
目的 了解鼠疫主要宿主密度的变化规律.方法 利用时间序列分析中的自回归模型,建立吉林省各鼠疫监测县预测黄鼠密度的数学模型,预测吉林省各鼠疫监测县2005-2007年黄鼠密度.结果 成功地建立了12个前瞻性预测黄鼠密度的数学模型,预测结果显示,2005、2006、2007年,每年4月份吉林省黄鼠密度分别在0.0369～0.9507、0.0682～0.9298、0.0581～0.9214只/hm2.结论 使用自回归模型,可以前瞻性预测鼠疫主要宿主密度的变化.
-
1950-1998年中国和美国人间鼠疫动态模型
目的研究中国和美国人间鼠疫动态规律。方法建立两国人间鼠疫动态的自回归模型。结果在1950-1998年，中国和美国人间鼠疫病例分别为7 923例、398例。在二阶差分后，得到了1950-1998年中国人间鼠疫动态的1阶自回归模型ARIMA（1，2，0）。给出了美国1950-1998年人间鼠疫动态的1阶自回归模型AR（1）。结论在1999-2001年，中国的人间鼠疫病例发生的趋势是上升的，美国的人间鼠疫病例发生的趋势是相对稳定的。
-
中国1901-2000年人间鼠疫动态规律
目的研究中国1901-2000年人间鼠疫动态规律.方法建立人间鼠疫动态的自回归模型.结果在20世纪, 人间鼠疫病例为1 167 379例, 死亡1 038 970例.分别得到了人间鼠疫病例动态的自回归模型Arima(2,1,0) 和死亡病例动态的自回归模型Arima(3,1,0).结论在1901-1960年,人间鼠疫病例主要集中在福建、广东、内蒙古、吉林、云南、黑龙江、台湾、陕西、山西省(自治区);1961-2000年主要集中在云南、青海省,西藏自治区、贵州省.在2001-2002年,人间鼠疫病例发生的趋势是上升的,死亡病例的趋势是稳定的.
