首页 > 文献资料
-
应用ARIMA模型和圆分布分析病毒性脑炎病例数动态规律
目的 探讨构建并应用自回归求和移动平均模型结合圆分布法分析病毒性脑炎病例数动态规律的时间序列模型方法.方法 建立2001年1月至2011年12月病毒性脑炎逐月病例数的数据库.应用圆分布法分析发病高峰.建立2001年1月至2010年12月自回归求和移动平均模型的季节乘积模型ARIMA(p,d,q)×(P,D,Q)s,并利用模型预测2011年各月的病毒性脑炎病例数.结果 圆分布法分析显示各年度病毒性脑炎病例数多发生于7月份,病例数高峰在7月28日,具有明显的集中趋势(P＜0.001)；建立ARIMA(1,1,1)×(0,1,1)12为优模型,该模型Ljung-Box Q statistic值为16.628,P值为0.342,Normalized BIC为6.590.结论 ARIMA乘积模型结合圆分布法是病毒性脑炎进行时间序列分析的重要方法；应用该方法对病毒性脑炎流行趋势及病例数进行预测,为卫生资源合理分配,采取开展健康教育和干预措施提供科学依据.
关键词： 病毒性脑炎 时间序列 自回归求和移动平均模型 圆分布 -
南宁市2000-2009年道路交通伤害时间序列分析
目的 建立广西自治区南宁市道路交通伤害的预测模型,掌握南宁市道路交通伤害的发生和变化趋势,为预防和控制南宁市道路交通伤害提供参考依据.方法 收集南宁市2000-2009年道路交通伤害资料,进行时间序列分析,建立自回归求和移动平均模型(ARIMA模型),对南宁市2010-2011年道路交通伤害发生情况进行预测.结果 建立了南宁市道路交通伤害事故发生次数、死亡人数、受伤人数和直接经济损失各自的ARIMA模型,模型拟合与预测效果良好,预测模型均为ARIMA(1,0,0),2010年各指标的预测值依次为472次、145人、562人、157.0436万元；2011年各指标的预测值依次为464次、141人、527人、161.1209万元.结论 ARIMA模型在道路交通伤害预测中具有较好的应用价值.
关键词： 道路交通伤害 时间序列分析 自回归求和移动平均模型 -
ARIMA模型在上海市崇明区病毒性肝炎预测中的应用效果研究
目的 探讨ARIMA模型在病毒性肝炎预测方面的应用,为崇明区病毒性肝炎的防控措施提供参考依据.方法 利用崇明区2002年1月-2014年12月病毒性肝炎发病数资料,通过Eviews8.0和SPSS21.0软件建立自回归求和移动平均模型(autoregressive integrated moving average,ARIMA);并对2015年1-12月病毒性肝炎发病数进行比较及验证.结果 建立了ARIMA(0,1,1)×(1,0,1)12模型,模型Q统计量为17.294 (P＞0.05),模型实际值基本在预测值95％的可信区间范围内,证实了该模型的适用性.结论 本ARIMA模型可用于崇明区病毒性肝炎发病的动态分析和短期预测.
关键词： 自回归求和移动平均模型 时间序列 病毒性肝炎 预测 -
自回归求和移动平均模型在湖北省戊型病毒性肝炎发病率预测中的应用
目的:应用自回归求和移动平均模型(ARIMA模型)对湖北省戊型病毒性肝炎疫情报告数据进行分析、预测,为戊型病毒性肝炎的监测、预警提供理论依据.方法:采用SAS 9.2对2004年1月至2015年12月湖北省戊型病毒性肝炎的报告疫情数据进行ARIMA 模型的参数估计、拟合检验,预测2016年1月至12月戊型病毒性肝炎的月发病数,并用实际数据验证评估预测效果.结果:ARIMA(1,1,1)×(0,1,1)12模型拟合误差RMSE为0.045,2016年1月至12月戊型病毒性肝炎预测值平均相对误差为14.23%,能较好地拟合原始序列数据,预测精度较高.结论:ARIMA模型对湖北省戊型病毒性肝炎报告发病率短期预测精度良好,具有实际应用价值.
关键词： 戊型病毒性肝炎 自回归求和移动平均模型 发病率 预测 湖北省 -
自回归求和移动平均模型在湖南省食物中毒预测中的应用
目的:探索自回归求和移动平均模型(autoregressive integrated moving average,ARIMA)在湖南省食物中毒预测中的应用,为食物中毒的预防和控制提供依据.方法:收集2003年1月至2009年12月湖南省食物中毒人数进行ARIMA模型拟合,用2010年的中毒资料验证模型的预测效果,并预测201 1年湖南省食物中毒人数.结果:ARIMA(0,1,1)(0,1,1)12较好地拟合了既往时间段中毒人数的时间序列,拟合预测误差为9.59％,2011年湖南省食物中毒预测人数为834人.结论:ARIMA预测模型能较好地拟合短期内食物中毒人数在时间序列上的变化趋势,若用于长期预测,应根据长期监测数据不断调整模型参数.
关键词： 自回归求和移动平均模型 食物中毒 预测 -
基于ARIMA模型的流感样病例预警预测分析
目的 探索建立适合于流感样病例预测的自回归求和移动平均模型(ARIMA模型).方法 采集深圳市南山区2006-2011年流感样病例监测数据,绘制序列图,差分使序列平稳化,通过自相关分析和偏相关分析进行模型识别,根据AIC(赤池信息准则)和BIC(贝叶斯信息准则)确定模型参数,建立ARIMA预测模型,用Q统计量法对模型适用性进行检验,用2012年全年实际监测数据与模型预测值进行比较,评价模型预测效果.结果 2006-2011年流感样病例累计报告199 360例,月发病大值9 765例,月发病小值594例,平均月发病2 769例.通过对2006-2011年各月的监测数据进行分析发现,各年度流感样病例发病呈现明显的高峰和低谷,高峰在每年5-8月份,低谷在当年的11月份至次年2月份,不同年度略有波动.对序列进行一阶差分后可得到较为平稳的序列,适合进行模型拟合,经过模型拟合诊断发现ARIMA(0,1,1)×(0,0,1)12模型为优模型,AIC值和BIC值小,分别为1 239.19和1245.98,Box-Ljung检验结果Q值为19.07,P＞0.05,通过2012年拟合值与实际值比较,结果差异无统计学意义(P＞0.05).结论 ARIMA模型可以较好地对流感样病例进行拟合分析预测.
关键词： 流感样病例 自回归求和移动平均模型 流行病学 -
自回归求和移动平均模型在流感发病预测中的应用
目的 探讨应用自回归求和移动平均季节模型(ARIMA)进行流感发病率的拟合和预测,为流感疫情预警提供依据.方法 运用统计分析软件对陕西省2008-2014年每月的流感网络报告发病率数据进行模型拟合,建立ARIMA模型,用2015年的数据来检验ARIMA模型的预测效果.结果 陕西省2008年1月-2014年12月流感的平均年发病率为0.74/10万,将时间序列分解为总体趋势、季节趋势及随机误差,流感发病整体呈缓慢上升,发病率存在明显的季节性,冬春季出现高峰,随机误差保持在一定水平;ARIMA(0,0,1)×(0,1,1)12模型能较好拟合既往时间段内流感的发病率,且对2015年1-12月流感月发病率的预测值与实际值基本吻合,模型预测值与实际值的绝对误差、相对误差平均值分别为0.18和0.26.结论 ARIMA(0,0,1)×(0,1,1)12模型可以作为陕西省流感月发病率的短期预测模型.
关键词： 流感 自回归求和移动平均模型 发病率 预测 -
ARIMA季节乘积模型在预测医院月住院量的应用
目的:探讨ARIMA季节乘积模型在时间序列资料分析中的应用,建立住院量的预测模型.方法:利用重庆市某医院2002～2005年的月住院量,采用条件小二乘法估计模型参数,按照残差不相关原则、简洁原则确定模型结构,依据AIC和SBC准则确定模型阶数,建立ARIMA预测模型.结果:模型参数有统计学意义.方差估计值为0.003 175,AIC=-94.245 1,SBC=-91.252 1.对模型进行白噪声残差分析,拟合优度结果表明ARIMA的优模型为:(1一B)(I-B12)Zt=(1-0.543 02B)(1-B12)at.结论:用所建立模型对月住院量进行预测,结果表明ARIMA是一种短期预测精度较高的预测模型.
关键词： 时间序列 预测 自回归求和移动平均模型
