首页 > 文献资料
-
时间序列分析在北京市东城区艾滋病病毒感染者和艾滋病患者发病率预测中的应用
目的 探讨应用时间序列差分自回归移动平均模型(ARIMA)预测北京市东城区艾滋病病毒感染者/艾滋病患者(HIV/AIDS)发病率的可行性.方法 应用SAS 9.3软件对北京市东城区2005-2014年HIV/AIDS月发病率构建ARIMA模型,用得到的模型对2015年HIV/AIDS月发病率进行预测,评价模型的拟合和预测效果.结果 ARIMA(0,1,1)×(0,1,1)12模型拟合效果较好,但仍有优化的空间,月发病率的实际值均在预测值的95％可信区间内,预测值与实际值拟合趋势一致.结论 ARIMA模型可以对北京市东城区HIV/AIDS月发病率进行预测,为艾滋病疫情预测提供依据.
关键词： 时间序列 差分自回归移动平均模型 预测 获得性免疫缺陷综合征 -
利用ARIMA模型对2007-2011年四川口岸出境人员中HBsAg阳性疫情分析和预测
目的 应用差分自回归移动平均模型(Autoregressive Integrated Moving Average model,ARIMA),分析和预测四川口岸出境人员中乙肝表面抗原(HBsAg)阳性疫情,为制定防治对策和措施提供科学依据.方法 利用2007年-2011年四川国际旅行卫生保健中心出境人员HBsAg逐月监测数据,使用SAS9.1统计软件,建立ARIMA模型.结果 ARIMA(0,1,1)(0,1,1)12模型较好地拟合了既往时间段上的阳性检出率序列,各参数估计均有统计学意义,用该模型进行回代预测,预测检出率与实际检出率吻合程度较高.结论 ARIMA模型可用于四川口岸出境人员HBsAg阳性检出率的动态分析和短期预测.
-
基于蚊密度差分自回归移动平均模型预测流行性乙型脑炎的贝叶斯判别分析研究
目的 利用贝叶斯(Bayes)判别分析方法探讨河北省流行性乙型脑炎(乙脑)发生与蚊密度时间序列预测模型的关系,验证差分自回归移动平均(ARIMA)模型在病媒生物监测信息管理系统中对蚊密度的预测及关联乙脑病例的预警作用.方法 收集河北省2009-2016年乙脑报告病例资料和蚊密度监测资料进行统计分析,采用ARIMA模型进行建模拟合及预测分析;利用Bayes判别分析论证蚊密度预测模型与乙脑的关系.结果 通过ARIMA模型对总蚊密度进行拟合得出优模型ARIMA(0,1,1)×(0,1,1)12;2009-2016年河北省总蚊密度与乙脑呈正相关(r=0.101,P=0.043);将Bayes判别分析用于河北省总蚊密度时间序列模型预测值判别2个月后的乙脑发病情况,与实际乙脑发生情况比较符合率为0.631 6,总蚊密度监测值与ARIMA模型的预测值对密度高峰后2个月的乙脑发病状况Bayes判别结果符合率为100％.结论 Bayes判别分析可应用于河北省总蚊密度时间序列模型预测值对乙脑疫情的预警,通过建立模型对蚊密度预测,可以利用病媒生物监测信息管理系统蚊虫监测数据对蚊媒传染病的防控工作提供预警支撑.
关键词： 流行性乙型脑炎 蚊密度 差分自回归移动平均模型 贝叶斯分析 -
长沙市2007-2015年成蚊密度监测及趋势分析
目的 调查长沙市2007-2015年成蚊密度,分析其季节消长规律,为蚊虫防制提供科学依据.方法 2007-2015年每年4-12月采用诱蚊灯法捕获蚊类,计算蚊密度;利用差分自回归移动平均(ARIMA)模型,预测2016年各月成蚊密度.结果 共捕获成蚊94 515只,成蚊总密度为6.48只/(灯·h);不同生境的优势蚊种差异明显,牲畜棚以三带喙库蚊为优势种,占捕获总数的50.83％;其他各生境中均以致倦库蚊为优势种,构成比均＞51.00％;9年中成蚊密度高峰在6月,6-9月为成蚊密度高峰期.ARIMA模型较好地拟合了既往成蚊密度序列,构建ARIMA(1,0,0)(2,1,1)12模型,残差序列通过白噪声检验,差异无统计学意义(P＞0.05),模型决定系数为0.61.结论 基本掌握了长沙市蚊虫种群构成及其季节消长情况,构建的ARIMA(1,0,0)(2,1,1)12模型可较好地模拟长沙市成蚊密度变化趋势;建议对农村地区加大蚊虫消杀力度,在成蚊密度高峰来临前的4、5月进行全面的灭蚊工作.
关键词： 蚊密度 监测 差分自回归移动平均模型 -
差分自回归移动平均模型在河北省鼠密度监测信息系统中的应用研究
目的 探讨差分自回归移动平均(ARIMA)模型在鼠密度信息系统预测分析中的应用.方法 利用SPSS21.0软件对2008-2014年河北省鼠密度逐月资料进行统计,采用ARIMA模型相关模块进行建模拟合及预测分析.结果 河北省城镇主要鼠种褐家鼠和小家鼠的季节分布差异无统计学意义(x2=19.601,P=0.051),选用ARIMA模型对鼠类监测信息进行预测,以ARIMA(3,1,0)×(0,1,1)12模型为优,2015年各月鼠密度实际值均在预测值的95％CI范围内.结论 ARIMA模型能较好地拟合鼠密度变化趋势,可用于鼠密度的预测预警,结合当地鼠传疾病疫情,为传染病防控工作提供依据.
关键词： 鼠密度 差分自回归移动平均模型 预测 预警 -
长沙市2006-2015年鼠密度监测分析
目的 掌握长沙市鼠类分布情况,为制定科学合理的鼠类防制方案提供依据.方法 2006-2015年随机选取长沙市居民区、特殊行业和农村3种类型的监测点各1个,采用夹夜法,全年每月监测1次,并对数据进行统计学分析.利用差分自回归移动平均模型预测2016-2017年鼠密度.结果 共捕获鼠类676只,平均密度为1.06％,褐家鼠为优势鼠种,占捕获总数的50.15％(339/676);不同生境鼠密度依次为特殊行业＞农村＞居民区;10年的月平均鼠密度高峰在3月,次高峰在6月;鼠密度随时间推移呈降低趋势.结论 基本掌握了长沙市鼠类种群构成及季节消长情况,应根据不同生境及季节消长规律,合理制定鼠类防制方案,并坚持长期监测.
关键词： 鼠密度 监测 差分自回归移动平均模型 -
乌鲁木齐市男男同性性行为人群艾滋病病毒感染危险因素分析及流行趋势预测
目的 通过分析乌鲁木齐市男男同性性行为人群(MSM)人类免疫缺陷病毒(HIV)感染危险因素,预测流行趋势,为防治工作提供参考依据.方法 利用乌鲁木齐市2009-2016年MSM艾滋病感染率数据,采用logistic回归分析MSM感染HIV的危险因素,应用差分自回归移动平均(ARIMA)模型,预测乌鲁木齐市MSM 2017-2019年HIV感染率.结果 MSM与同性发生性行为时使用安全套(OR=0.60,CI:0.46～0.77)及近1年内做过HIV检测(OR=0.69,CI:0.55～0.86)是感染HIV的保护因素;＞40岁的MSM感染HIV的风险是≤30岁的1.63倍(OR=1.63,CI:1.16～2.31),维吾尔族感染HIV的风险是汉族的1.85倍(OR=1.85,CI:1.27～2.68);预测MSM艾滋病感染率的模型为ARIMA,拟合效果较好为ARIMA(3,0,0),利用模型外推预测乌鲁木齐市2017-2019年的MSM HIV感染率分别为10.13％、5.48％、5.64％.结论 运用ARIMA(3,0,0)模型模拟和预测MSM HIV感染率在时间序列上的变化趋势较为方便适用,乌鲁木齐市MSM HIV流行形式依然严峻.
关键词： 男男同性性行为人群 人类免疫缺陷病毒 危险因素 差分自回归移动平均模型 预测 -
差分自回归移动平均与广义回归神经网络组合模型在丙型肝炎月发病率中的预测应用
目的：探讨差分自回归移动平均（ARIMA）与广义回归神经网络（GRNN）组合模型在丙型肝炎月发病率中预测建模效果及应用前景，为疫情预测提供依据。方法2015年5月—2016年5月，选取山东省疾病预防控制中心法定传染病直报系统2004—2014年丙型肝炎月度发病率数据及山东省统计局发布的同期人口资料。对2004—2014年山东省丙型肝炎月发病率数据构建 ARIMA 模型，验证拟合精度并外推预测；将 ARIMA 模型拟合值作为 GRNN 模型的输入，实际值作为 GRNN 模型的输出，对样本进行训练和预测。比较单纯 ARIMA 模型和ARIMA-GRNN组合模型在丙型肝炎月发病率中的预测效果。结果2004—2014年山东省丙型肝炎年均发病率为17.28/10万，并随着时间的推移呈上升趋势（Z ＝29.05，P ＜0.01）。ARIMA（1，2，1）模型预测2014年山东省丙型肝炎发病率与实际发病率基本一致，落在95％置信区间内，拟合效果较好。以 ARIMA（1，2，1）模型拟合值作为 GRNN 模型的输入，丙型肝炎月发病率实际值作为 GRNN 模型的输出，取优光滑因子0.12训练模型，ARIMA-GRNN组合模型预测的拟合值与实际值基本吻合。ARIMA 模型和ARIMA-GRNN组合模型的平均误差率（MER）分别为16.87％、15.30％；决定系数（R2）分别为0.53、0.60；平均绝对误差（MAE）分别为0.17、0.09；平均绝对百分误差（MAPE）分别为1.18、0.35。结论ARIMA-GRNN组合模型对山东省丙型肝炎月发病率拟合及预测效果优于单纯 ARIMA 模型，具有较高的拟合精度，有较为广阔的应用前景，对于疫情预测工作有一定的实用性意义。
关键词： 丙型肝炎 发病率 预测 差分自回归移动平均模型 广义回归神经网络 -
差分自回归移动平均模型及其在寄生虫病等传染病预测中的研究及应用
通过时间序列分析可对传染病的发生、发展进行及时准确地预测预警,对有效防治传染病具有重要意义.该文在分析时间序列分析特点的基础上,就其中精度较高的差分自回归移动平均模型(auto regressive integrated moving average model,ARMIA)的分类和建模过程及其在寄生虫病等传染病预测中的应用等方面进行阐述,以为科研与防治工作者提供参考.
关键词： 时间序列 差分自回归移动平均模型 传染病 -
ARIMA模型在盐城市肺结核发病率预测中的应用
目的:探讨差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型在盐城肺结核发病率预测中的应用.方法:利用盐城市2011年1月—2016年12月的肺结核月发病率建立乘积季节ARIMA模型,并评价模型的预测效能.结果:盐城市肺结核预测模型为ARIMA(1,1,0)(2,1,0)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标准化贝叶斯信息准则(Normalized BIC)=-0.144,残差序列检验统计量Ljung-Box=0.247(P>0.05),残差为白噪声,模型能够拟合出肺结核的发病趋势.结论:ARIMA模型可以应用于盐城市肺结核发病趋势的预测,对肺结核的预防控制有积极的意义.
关键词： 差分自回归移动平均模型 肺结核 发病率 预测 盐城 -
ARIMA模型与指数平滑法预测门诊量效果比较
目的 比较差分自回归移动平均(ARIMA)模型与指数平滑法对医院门诊量的预测效果.方法 利用扬州市某综合性三甲医院2010—2016年门诊量数据分别拟合ARIMA模型和指数平滑模型,以2017年该院门诊量数据评价两种模型的预测效果.结果 拟合佳的ARIMA模型为ARIMA(2,1,0)(2,1,0)12,拟合的均方根误差(RMSE)、平均绝对百分比误差(MAPE)和平均绝对误差(MAE)分别为5062.47、2.83％和3473.96;对2017年门诊量预测的RMSE、MAPE和MAE分别为8243.26、4.42％和6084.00.拟合佳的指数平滑模型为Holt-Winters加法指数平滑模型,拟合的RMSE、MAPE和MAE分别为4605.15、2.79％和3296.90;对2017年门诊量预测的RMSE、MAPE和MAE分别为9585.25、5.50％和7733.58.ARIMA(2,1,0)(2,1,0)12预测的3个误差指标值均小于Holt-Winters加法指数平滑模型.结论 ARIMA模型预测精度更高,可应用于医院每月门诊量的短期预测.
关键词： 差分自回归移动平均模型 指数平滑法 门诊量 -
差分自回归移动平均模型在伤害预测中的应用
目的 探讨差分自回归移动平均(ARIMA)时间序列模型在伤害预测中的应用,建立伤害发生率预测模型.方法 利用伤害监测系统,收集城阳区2006～2012年伤害月病例数,建立ARIMA模型.结果 ARIMA(1,0,0)(0,1,1)12模型可以较好拟合伤害月发病率时间序列.利用ARIMA模型预测2013年伤害发生率为253.93/万.结果 ARIMA模型具有适用性,可以用于伤害短期预测.
关键词： 伤害 差分自回归移动平均模型 预测
