首页 > 文献资料
-
求和自回归移动平均模型在陕西省细菌性痢疾发病预测中的应用
目的 探讨时间序列模型预测传染性疾病发病率的可行性,应用自回归移动平均(autoregressive integratedmoving average,ARIMA)模型对陕西省细菌性痢疾进行预测,为制定细菌性痢疾防治策略提供依据.方法 根据2004-2012年陕西省细菌性痢疾月报告发病率的时间序列,以2013年1-12月的月发病率作为验证数据,建立ARIMA模型,并对预测效果进行评价.结果 陕西省2004-2012年细菌性痢疾月发病率即含有长期递减趋势又含有以年为周期的季节效应,拟合的相对佳模型为ARIMA(0,1,1)×(1,1,0)12.残差分析统计量经检验差异无统计学意义(Ljung-Box Q =21.994,P=0.143),提示残差为白噪声.2013年1-12月实际值与预测值的相对误差平均值为20.75％,大40.37％,小4.94％.结论 ARIMA模型可以较好地预测陕西省细菌性痢疾的发病趋势,模型预测效果的优化有待原始数据的进一步积累.
-
采用自回归移动平均模型预测中国手足口病月发病率
目的 采用自回归移动平均(autoregressive integrated moving average,ARIMA)模型对中国(未含香港、澳门和台湾地区)的手足口病月发病率进行预测,为手足口病预防控制提供参考依据,为ARIMA在传染病预防控制中的运用提供新的领域.方法 根据2008-2011年全国手足口病月报告发病率时间序列,以2012年1-7月的月发病率作为验证数据,建立中国手足口病月发病率的ARIMA模型.结果 我国手足口病月发病率模型为ARIMA(1,0,0)(0,1,0)12,模型自回归参数AR1=0.779(t=7.315,P＜0.001),残差分析统计量经检验差异无统计学意义(Ljung-Box Q=10.328,P=0.889),提示残差为白噪声.2012年1-7月实际值与预测值的相对误差平均值为28.62％,大44.57％,小4.92％.结论 ARIMA可用于我国手足口病月发病率的预测,模型预测效果的优化有待原始数据进一步积累.
-
ARIMA模型预测北京市密云区手足口病发病趋势
目的 采用自回归移动平均(Autoregressive integrated moving average,ARIMA)模型对北京市密云区手足口病月发病率进行预测,为调整防控策略提供依据.方法 应用ARIMA模型对北京市密云区2008年1月-2014年6月手足口病每月报告发病率进行拟合,以2014年7-12月的月发病率作为验证数据,用于评价该模型的预测效果.结果 密云区手足口病月发病率的ARIMA模型为ARIMA(0,1,0)(0,1,1)12,模型的参数估计值为0.609,t =4.116,P=0.000,经检验参数有统计学意义.残差分析统计量经检验差异无统计学意义(Ljung-BoxQ=16.690,P=0.476).模型很好的拟合了既往时间段上的发病率序列,对2014年7-12月手足口病发病率的预测值符合实际发病率变动趋势.结论 ARIMA可用于手足口病月发病率的预测,预测和预警效果良好.
-
季节性ARIMA模型在江门市手足口病疫情预测中的应用
目的 构建时间序列ARIMA乘积季节性模型,预测江门市手足口病发病趋势,探讨该模型在预测手足口病发病率中的应用.方法 根据2009年1月～2017年6月手足口病月报告发病率时间序列构建模型,以2017年7 ～12月手足口病发病率为验证数据,验证预测模型效果.结果 模型ARIMA(1,0,1)(0,1,1)12为优模型,其BIC=9.87,Ljung-Box =21.76,P=0.11,2017年7～12月手足口病月发病率预测值和实际值的平均相对误差为18.14％,实际值都在预测值95％置信区间内.结论 ARIMA模型能较好预测手足口病发病变化趋势,模型预测效果有待进一步优化.
-
2004-2014年全国肺结核月发病率时间趋势分析
目的 探讨求和自回归滑动平均模型(ARIMA)在全国肺结核月发病率中的应用,并利用该模型进行未来肺结核月发病率的预测.方法 利用中国疾病预防控制中心公共卫生科学数据中心网站上公布的2004-2014年全国肺结核月发病率数据建立ARIMA模型,并预测2014年月发病率,并加入2014年的实际月发病率数据对模型进行修正,并预测2015年肺结核月发病率.结果 ARIMA(0,1,0)×(0,1,1)12模型能很好地拟合2004-2014年全国肺结核月发病率数据,模型的决定系数(R2)为0.984,预测2014年肺结核月发病率的效果尚可.加入2014年实际月发病率,修正后的优模型为ARIMA(1,0,2)×(1,0,0)12,决定系数(R2)为0.935.结论 ARIMA模型能很好地对未来的肺结核月发病率进行预测,预测到2015年肺结核疫情基本处于平稳态势.
-
基于ARIMA乘积季节模型和Holt-Winters季节模型的梅毒月发病率预测
目的:探讨ARIMA乘积季节模型和Holt-Winters季节模型在我国梅毒月发病率预测中的应用价值.方法:以2005年1月至2015年12月梅毒月发病率数据为基础,运用SPSS 22.0和Eviews 8.0分别建立ARIMA乘积季节模型和Hoh-Winters季节模型,采用2016年1至6月的实际数据验证模型,评价指标是预测误差和平均绝对误差(MAE).选择精度较高模型预测2016年7至12月梅毒月发病率.结果:MAE的比较结果表明ARIMA乘积季节模型预测精度优于Holt-Winters季节模型,优模型是ARIMA(1,1,1)×(0,1,1)12,模型口径为:(1-B)(1-B12)(1 +0.374B)x1=(1+0.740B)(1+0.775B12)ε1,2016年7至12月梅毒月发病率的预测结果(1/10万)分别为3.107、2.989、2.879、2.658、2.631、2.644.结论:ARIMA乘积季节模型具有较高的预测精度,可较好地拟合全国梅毒月发病率的演变趋势.
关键词： 梅毒 ARIMA Holt-Winters 月发病率 -
手足口病月发病率ARIMA乘积季节模型预测探讨
目的 探讨ARIMA乘积季节模型在HFMD月发病率预测中的应用价值,为手足口病防控工作提供依据.方法 以2009年1月～2015年12月全国HFMD月发病率数据为基础,使用Eviews8.0建立ARIMA乘积季节模型,采用2016年1月～6月实际数据验证,以RMSE、MAE、Theil IC、BP、VP、CP、MRE评估模型预测结果.同法预测2016年7月～ 12月全国HFMD月发病率.结果 2009年1月～2016年6月HFMD月发病率优模型是ARIMA(1,0,1)×(0,1,1)12,模型口径为:(1-B12)(1-0.574B)xt=(1-0.441B)(1+0.919B12)εt,RMSE=4.15,MAE=2.59,Theil IC为0.143,BP=0.045,VP=0.225,CP=0.730,2016年7月～12月发病率(1/10万)预测值分别为24.70、14.96、15.00、14.12、13.05、11.22.结论 ARIMA(1,0,1)×(0,1,1)12模型可较好地拟合全国HFMD月发病率的演变趋势,可用于HFMD发病率的短期预测.
-
2008-2015年北京市密云区手足口病发病趋势分析
目的 对北京市密云区手足口病疫情的发病情况进行分析,为制定防控策略提供依据.方法 收集2008-2015年密云区手足口病发病资料及人口学资料,采用中心移动平均法进行发病趋势预测,利用时间序列分析进行定量预测.结果 手足口病的发病集中在4～8月,发病高峰在6月的年份多,手足口病发病基本上以单峰分布为主;2008-2015年北京市密云区手足口病发病水平总体上呈平稳趋势;2016年手足口病月发病数将在0 ～181例左右徘徊,发病高峰为6月份;2016-01/07手足口病实际发病数均在预测值95％可信区间范围内,但预测精度较低.结论 手足口病重点防控季节为4～8月份;当每月报告发病数超过其当月预测的高值应提高警戒.
-
基于ARIMA模型预测梅毒月发病率的价值
目的 探讨建立A RIM A模型在梅毒月发病率预测中的应用价值,为梅毒防控工作提供依据.方法 运用Eview s8.0软件对2009年1月-2015年12月我国梅毒月发病率数据建立A RIM A模型,利用2016年1月-6月实际数据验证,评价模型精度指标采用均方根误差(root mean squared error,RMSE)、平均绝对误差(mean absolute error,MAE)、平均绝对百分误差(mean absolute percentage error,MAPE)、平均相对误差(mean relative error,M RE).同法外推预测2016年7月-12月全国梅毒月发病率.结果 2009年1月-2016年6月全国梅毒月发病率优模型是ARIMA(2,1,1)×(0,1,1)12,模型表达式为:(1-B)(1-B12)(1+0.820B)(1+0.566B2)x2t=(1+0.365B)(1+0.897B12)εt,R2=0.832,RMSE=0.181,MAE=0.118,MAPE=5.088.外推2016年7月-12月预测结果分别为3.124、3.008、2.906、2.691、2.714、2.717.结论 A RIM A模型具有较高的预测精度,可较好地拟合我国梅毒月发病率的演变趋势并进行短期预测.
