首页 > 文献资料
-
基于ARIMA乘积季节模型的苏州市介水传染病发病预测研究
目的 探讨运用自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型对苏州市介水传染病发病率进行预测.方法 利用R软件对苏州市2008年1月-2015年12月的介水传染病发病率数据进行拟合,构建ARIMA乘积季节模型,对苏州市2016年1-6月介水传染病的发病率进行预测.结果 构建了ARIMA(2,1,2)×(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=18.478,P=0.779),模型适用于短期预测,2016年1-6月苏州市常见介水传染病实际发病率均在预测结果95％可信区间内,预测结果相对误差的平均值为-0.024.结论 ARIMA(2,1,2)×(0,1,1)12季节乘积模型可用于苏州市介水传染病发病率的短期预测.
关键词： ARIMA乘积季节模型 介水传染病 发病预测 -
ARIMA乘积季节模型在盐城市手足口病疫情预测中的应用
目的 探讨自回归移动平均(autoregressive integrated moving average model,ARIMA)乘积季节模型在盐城市手足口病发病趋势预测的可行性.方法 利用盐城市2009年1月至2015年12月的手足口病月发病率建立ARIMA乘积季节模型,并对2016年手足口病发病趋势进行预测.结果 盐城市手足口病预测模型为ARIMA(1,0,1)(1,1,0)12,该模型的参数估计具有统计学意义,拟合优度检验统计量小Normalized BIC=2.997,残差序列检验统计量Ljung-Box=20.692(P＞0.05),残差为白噪声,模型能够拟合出手足口病的发病趋势,且实际值都在95％可信区间内,但模型拟合的平均误差率为41.296％,检验模型预测效果的平均误差率为23.998％,模型预测精度高于拟合精度.结论 运用ARIMA乘积季节模型能够对盐城市手足口病发病趋势进行预测和动态分析,对手足口病预防控制产生积极的指导作用.
关键词： ARIMA乘积季节模型 手足口病 预测 -
自回归移动平均模型乘积季节模型在南昌市手足口病疫情预测中的应用
目的 探讨自回归移动平均模型(ARIMA)乘积季节模型在手足口病预测中的应用,对手足口病的月发病数进行趋势预测.方法 收集南昌市2009年1月至2012年12月手足口病的月发病数资料建立ARIMA乘积季节模型,并对预测结果进行评价.结果 在手足口病预测中建立ARIMA乘积季节模型的优模型为ARIMA(0,1,1)×(1,1,0)12模型,正态化的BIC为(贝叶斯信息准测)12.31.结论 建立的ARIMA模型能较好地拟合和预测南昌市手足口病的月发病数,为手足口病的防治提供参考依据.
关键词： 手足口病 ARIMA乘积季节模型 预测 -
ARIMA乘积季节模型在细菌性痢疾月发病率预测和防治中的应用
目的 探讨ARIMA乘积季节模型在细菌性痢疾月发病率预测和防治中的应用.方法 根据2007~2011年我市收集的细菌性痢疾月发病率数据建立ARIMA乘积季节模型,预测2012年我市细菌性痢疾月的发病率.结果 2007~2011年细菌性痢疾月发病率实际值和预测值基本吻合,同时ARIMA乘积季节模型提示与前几年细菌性痢疾月发病率相比,2012年我市细菌性痢疾月发病率处于基本平稳的状态,不会有较大的变动.结论 ARIMA乘积季节模型能够准确地预测我市细菌性痢疾月的发病率,对防治起一定的作用.
关键词： ARIMA乘积季节模型 细菌性痢疾 发病率 预测 防治 -
ARIMA模型在乌鲁木齐市儿童呼吸系统疾病发病趋势预测中的应用
目的 应用时间序列分析方法建立差分自回归移动平均模型,也叫求和自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA),分析和预测2011年1月-2015年12月乌鲁木齐市儿童呼吸系统疾病的月门诊人次并作短期预测,为儿童呼吸系统疾病的预防和控制提供支持.方法 以2011年1月2015年12月乌鲁木齐市儿童呼吸系统疾病的月门诊人次为原始序列,用ARIMA(p,d,q)(P,D,Q)S拟合序列,根据自相关图(ACF)和偏自相关图(PACF)对模型定阶并估计参数,再对模型及其参数做显著性检验,应用小信息量准则AIC及SBC进行评价,建立优ARIMA乘积季节模型.结果 ARIMA(0,1,2)(1,1,0)12模型模拟2011年1月-2015年6月儿童呼吸系统疾病月门诊人次,计算得平均绝对百分比误差MAPE=10.91,在可接受的范围内.运用该模型预测出2015年7月-12月的儿童呼吸系统疾病月门诊人次,MAPE=11.39,模型预测效果较好.该模型预测2016年全年的儿童呼吸系统疾病月门诊人次,大值出现在12月,预测月门诊人次为8 963(5 431～12 494).结论 ARIMA(0,1,2)(1,1,0)12模型可用于拟合并且短期预测乌鲁木齐市儿童呼吸系统疾病月门诊人次,为儿童呼吸系统疾病的预防和治疗提供依据.
关键词： 呼吸系统疾病 时间序列分析 ARIMA乘积季节模型 儿童 -
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o.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.
关键词： ARIMA乘积季节模型 其他感染性腹泻 发病预测 -
应用ARIMA乘积季节模型分析我国布鲁菌病时间分布特征及趋势预测
目的 探讨ARIMA乘积季节模型在分析我国布鲁菌病(布病)月发病率时间分布特征中的应用,预测其发病趋势.方法 通过国家公共卫生科学数据中心和国家卫生计生委疾病预防控制局网站,收集并计算布病月发病率数据.分析布病时间分布特征,对2004年1月-2016年12月发病率数据建立ARIMA乘积季节模型,用2016年1-12月发病率数据拟合模型,选出优模型,并预测2017年月发病率数据.结果 我国布病月发病率数据整体处于上升趋势且具有明显的季节特征,每年5、6月属于高发病期,10月至次年2月发病率较低.拟合ARIMA(2,1,1)(1,1,1)12模型为预测我国布病的佳模型,拟合值与实际值进行比较,2016年12个月的平均相对误差为8.79％,按全年发病率计算,相对误差为4.05％,显示模型的预测精度较高,并预测2017年1-12月发病率.结论 ARIMA乘积季节模型能很好地拟合布病的长期趋势和季节趋势,回代拟合和短期预测效果较理想.
关键词： 布鲁菌病 ARIMA乘积季节模型 时间趋势 预测 -
自回归求和移动平均乘积季节模型在我国布鲁菌病短期月发病人数预测中的应用
目的：研究我国布鲁菌病（布病）月发病人数的趋势性和季节性，探讨自回归求和移动平均（ARIMA）乘积季节模型预测我国布病短期月发病人数的效果。方法收集2004年1月—2015年5月我国布病月发病人数（共137组），进行时间序列分析。数据来自国家卫生和计划生育委员会公布的疫情监测数据。观察我国布病月发病人数的趋势性和季节性，以我国2004—2013年的布病月发病人数作为训练样本，拟合 ARIMA 乘积季节模型；用2014年1月—2015年5月的发病数据作为校验样本，验证模型；确定优模型后，预测2015年6—12月我国布病月发病人数。结果2004—2008年我国布病月发病人数相对平稳，从2009年以后有了明显的上升趋势。从季节性来看，每年的6、7、8月属高发病期，每年的1月和12月处于全年的低发病期。选取的优模型为 ARIMA（0，1，0）（1，1，0）12，其平均绝对百分误差（MAPE）＝13.60，决定系数（R2）＝0.881；对模型进行参数显著性检验，一阶季节自回归项（SAR）参数估计值＝-0.292，P ＝0.048。运用 ARIMA（0，1，0）（1，1，0）12对2015年6—12月我国布病月发病人数进行预测，其预测值分别为7709、7524、6113、4458、3450、3576、3760例。结论从2009年以后，我国布病月发病人数有明显的上升趋势；季节性表现在6～8月为高发病期，12月至来年1月为低发病期。ARIMA乘积季节模型拟合我国布病月发病人数的时间序列模型精度较高，可以用来预测我国布病短期月发病人数。
关键词： 布鲁菌病 发病率 ARIMA乘积季节模型 预测 -
三种预测模型在出生缺陷发生趋势预测中的可行性研究
目的 探讨ARIMA乘积季节模型、Holt-Winters季节模型、多层感知器模型在出生缺陷发生趋势预测中的可行性.方法 本文采用2009年10月至2016年9月西安市妇幼保健院出生缺陷监测及围产儿数据进行研究.选择2009年10月至2015年8月出生缺陷月发生率时间序列进行模型拟合,应用2015年9月至2016年9月出生缺陷月发生率对模型进行评价.结果 三种模型均通过了检验.ARIMA(0,0,1)(0,1,1)12模型预测平均绝对误差和相对误差分别为11.64和0.11.Holt-Winters加法模型预测平均绝对误差和相对误差分别为14.21和0.14.Holt-Winters乘法模型预测平均绝对误差和相对误差分别为16.64和0.16.多层感知器模型预测平均绝对误差和相对误差分别为20.58和0.20,通过比较模型预测能力,优模型为ARIMA(0,0,1)(0,1,1)12.结论 ARIMA乘积季节模型更加灵活,结果可能较优.同时,随着预测时间的延长,模型预测的准确性降低.
-
恶性肿瘤住院量与住院费用的ARIMA乘积季节模型预测研究
目的 探讨自回归求和移动平均(ARIMA)乘积季节模型在恶性肿瘤住院量与住院费用中的应用,为医院恶性肿瘤业务管理提供科学依据.方法 收集某院2007-2016年逐月恶性肿瘤住院患者资料,采用ARIMA乘积季节模型对2007-2015年逐月恶性肿瘤的住院人次和住院费用进行模型拟合,用2016年逐月数据评价其预测效果,并预测2017年恶性肿瘤逐月住院人次与住院费用.结果 ARIMA(0,1,1)(1,1,0)12是恶性肿瘤住院人次与住院费用的佳拟合预测模型,拟合相对误差分别为1.1％和1.47％.根据ARIMA(0,1,1)(1,1,0)12预测结果,2017年恶性肿瘤住院量将达7631人次,住院费用将达3.36亿元.结论 ARIMA季节乘积模型能很好地应用于医院业务管理预测中.
关键词： 恶性肿瘤 ARIMA乘积季节模型 住院量 住院费用 预测 -
2004-2015年中国狂犬病发病数据ARIMA乘积季节模型的建立及预测
目的 了解我国大陆地区2004-2015年狂犬病的发病情况,建立狂犬病发病的时间序列模型,利用模型进行短期预测,为狂犬病的预防和控制提供参考.方法 通过查阅2004-2015年每月的《中华人民共和国卫生和计划生育委员会公报》,获得狂犬病发病的月统计数据,利用2004-2014年的数据建立ARIMA乘积季节模型,并利用建立的模型预测2015年数据,与实际发病数据比较.结果 中国2004-2015年总计报告狂犬病25561例,年平均发病率为0.1592/10万,总计报告死亡病例22196例,年平均死亡率为0.1383/10万,2004年-2007年,狂犬病的发病人数和死亡人数逐年上升,2008年至2015年,持续下降.狂犬病具有一定的季节趋势,其中夏秋季节报告发病人数较多,而冬春季节发病人数较少.根据2004-2014年发病资料建立的优时间序列模型为ARIMA(0,1,1)(0,1,1)12,模型预测2015年发病人数为764,相对误差7.73％.结论 我国大陆地区狂犬病发病在2007年达到峰值之后,之后年发病率持续降低.ARIMA乘积季节模型能很好地拟合狂犬病发病的长期趋势和季节趋势,回代拟合和短期预测效果较理想.
关键词： 时间序列 ARIMA乘积季节模型 狂犬病 -
应用ARIMA乘积季节模型预测青岛市甲肝发病
目的 探索应用自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型分析时间序列对青岛市甲型病毒性肝炎(简称甲肝)发病进行预测分析,为地区甲肝防治提供决策依据.方法 利用青岛市自1996以来19年甲肝疫情数据,建立青岛市甲肝ARIMA乘积季节预测模型,并以2015年第一季度月发病数评估模型预测效果.结果 季节自回归参数为0.2639,t检验P＜0.01,AIC=370.2511,SBC=392.6405,模型残差白噪声x2检验P值均＞0.05,建立ARIMA乘积季节模型ARIMA(1,1,1)(1,1,2)12,模型表达式(1-0.2639L)(1+1.1814L12)(1-L)(1-L12)Ly=(1+0.1625L12-1.2344L24)εt,以此开展甲肝发病数预测.结论 ARIMA乘积季节模型能够较好地模拟青岛市甲肝发病趋势,可用于短期预测该地区甲肝发病,为疫情防控提供一定的科学依据.
关键词： 甲肝 ARIMA乘积季节模型 时间序列 预测 -
ARIMA乘积季节模型在医院门急诊人次预测中的应用
目的 用ARIMA乘积季节模型(p,d,q)(P,D,Q)s预测门急诊人次,为医院管理策服务.方法 数据源于某院HIS,选取2002年1月--2014年10月逐月门急诊人次数据,其中2002-2013年各月数据用于建立模型,2014年1-10月数据用于验证所建立的模型,然后用所建立模型预测2015年门急诊人次.用平均相对误差绝对值(MAPE)评价模型的预测精度.结果 建立了ARIMA(2,1,1)(0,1,1)12模型,模型预测的MAPE为7.01％,2015年门急诊人次预测值为550 121.结论 ARI-MA乘积季节模型(p,d,g)(P,D,Q)s预测医院门急诊人次的效果理想,可以为医院管理者提供有价值的信息.
关键词： ARIMA乘积季节模型 医院门急诊人次 预测 -
ARIMA乘积季节模型在我国甲肝发病预测中的应用
目的:应用求和自回归移动平均模型(ARIMA)乘积季节模型对我国病毒性甲型肝炎进行预测分析,为甲型肝炎的防治提供决策依据.方法:对1994～2012年我国甲型肝炎月发病数的历史疫情数据建立ARIMA乘积季节模型,应用Eviews 6.0软件进行模型拟合,对2013年上半年甲型肝炎的月发病数进行预测,并用实际数据评估模型预测效果.结果:ARIMA(1,1,0)(2,1,2)12模型较好地拟合了既往甲肝的实际发病序列,也获得了较好的预测效果.结论:ARIMA模型能够较好地模拟我国甲型肝炎的发病趋势,预测效果良好,可为甲肝疫情的防控提供一定的科学数据.
关键词： ARIMA乘积季节模型 时间序列 甲肝 预测 -
基于ARIMA乘积季节模型预测产超广谱β-内酰胺酶大肠埃希菌流行趋势研究
目的 利用产超广谱β-内酰胺酶(ESBLs)大肠埃希菌监测数据建立求和自回归移动平均(ARIMA)乘积季节模型,分析并预测ESBLs大肠埃希菌流行趋势.方法 使用2010—2016 年浙江医院产ESBLs大肠埃希菌感染的逐月检出例数拟合ARIMA乘积季节模型,以平均绝对百分误差(MAPE)及贝叶斯信息准则(BIC)评价模型的可行性.以2017—2018年2月产ESBLs大肠埃希菌感染的逐月检出例数作为评估模型的样本,验证模型的预测效果.结果 筛选出的优模型为ARIMA (0, 1, 1) (0, 1, 1)12, MAPE为14.76, BIC为2.01,模型残差序列的Ljung-Box统计量Q=16.79 (P=0.40),模型拟合良好.所选模型预测的2017—2018年2月产ESBLs大肠埃希菌感染检出例数与实际值的平均相对误差为14.08%,实际值均在预测值95%CI内.结论 ARIMA 乘积季节模型对产ESBLs大肠埃希菌感染检出例数的拟合情况较好,可用于产ESBLs大肠埃希菌感染的短期预测和动态分析.
关键词： 超广谱β-内酰胺酶 大肠埃希菌 耐药性 ARIMA乘积季节模型 -
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.
关键词： 其他感染性腹泻 ARIMA乘积季节模型 流行预测 -
基于时空大数据的甲型肝炎发病率分布特征分析及预测模型
目的 了解我国甲型病毒性肝炎(以下简称甲肝)发病率在时间和空间上的分布特征,探讨乘积季节模型在甲肝发病率预测中的可行性.方法 收集我国2006-2017年甲肝发病数据和人口学资料,利用MapInfo 11.0绘制甲肝发病率时空分布柱状图;并采用SPSS 23.0对2006-2016年数据建立自回归移动平均模型(autoregressive integrated moving average model,ARIMA),选取2017年数据评价模型的预测效果.结果 2006-2016年,全国共报告甲肝病例430 962例,发病率逐年递减,且西部地区明显高于东部地区.经数据平稳化处理、定阶、参数估计与模型检验后建立了优模型ARIMA(0,2,2)(0,1,1)12.且对2017年1～12月的预测值和实际发病率基本吻合,相对误差在2.0％～39.7％之间.结论 我国甲肝发病率逐年递减且东西部地区甲肝发病率表现出明显差异.ARIMA乘积季节模型对我国甲肝发病率具有很好的短期预测能力.
关键词： 甲肝 发病率 时空分布特征 ARIMA乘积季节模型 -
ARIMA乘积季节模型在食源性疾病月发病率预测中的应用
目的 探讨ARIMA乘积季节模型在食源性疾病发病率预测中的可行性,并预测食源性疾病的月发病率趋势.方法 对云南省2004年1月至2010年12月食源性疾病月发病率资料建立ARIMA乘积季节模型,利用2011年月发病率资料进行回代,预测2012年食源性疾病月发病率趋势.结果 ARIMA(0,1,1)×(0,1,1)12的BIC值小,可以认为该模型的拟合优度相对优;对该模型的残差进行白噪声检验,QLB(18)为20.225(P＝0.210),提示残差属于白噪声.结论 ARIMA乘积季节模型可以用于食源性疾病月发病率趋势的拟合和预测.
关键词： 食源性疾病 发病率 ARIMA乘积季节模型 预测 -
ARIMA乘积季节模型在辽阳市乙型肝炎发病预测中的应用
目的 应用自回归移动平均(auto-regressive moving average,ARIMA)乘积季节模型对辽阳市乙型肝炎(hepatitis B,简称乙肝)发病数据进行分析预测,为乙肝预警系统及防控策略提供科学依据.方法 对中国疾病预防控制信息系统中辽阳市2001年1月-2015年12月乙肝月发病数建立ARIMA乘积季节模型,应用EViews 8.0软件进行模型拟合,并对2016年1-12月乙肝月发病数进行预测评价.结果 所构建的ARIMA(1,1,1)(1,1,2)12模型为佳模型,预测值与实际值拟合效果较好,相对误差较小.结论 ARIMA乘积季节模型能够反映辽阳市乙肝发病的时间趋势,适用于短期预测,预测效果理想.
关键词： ARIMA乘积季节模型 乙型肝炎 预测 评价 -
ARIMA乘积季节模型在河南省风疹疫情预测中的应用
目的：建立自回归求和移动平均( ARIMA)乘积季节模型,探讨其在河南省风疹发病趋势预测应用中的可行性。方法收集河南省2004—2013年报告的各月风疹病例数,建立ARIMA乘积季节模型,用2014年1—12月报告的风疹病例数,验证模型预测效果。结果河南省2004—2013年报告的风疹病例数呈现明显的季节效应,2009年前呈现逐年增多的趋势,2009年后呈现逐年减少的趋势；模型ARIMA(1,0,0)(0,1,1)12能较好的拟合既往的风疹病例数,且对2014年1—12月份风疹病例数的预测值与实际值基本吻合。结论 ARIMA乘积季节模型对河南省风疹发病趋势的预测具有可行性。
关键词： ARIMA乘积季节模型 风疹 预测
