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。     

ARIMA模型在耐碳青霉烯类肺炎克雷伯菌医院感染预测中的应用

 目的 探讨ARIMA时间序列模型在耐碳青霉烯类肺炎克雷伯菌（CRKP）医院感染预测中的应用。方法 选取2018年1月-2022年6月某院住院患者每月CRKP医院感染发病率,应用SPSS 19.0建立ARIMA时间序列模型,分析模型的拟合,利用该模型对2021年7月-2022年6月CRKP医院感染数据进行验证,评价预测价值。结果 采用2018年1月-2022年6月住院患者每月CRKP医院感染发病率建模、拟合,建立最优模型ARIMA （0,1,9）,模型拟合值与实际值较吻合,此模型对CRKP医院感染发病率实际值与预测值吻合程度较高,平均相对误差值为7.76%。结论 采用ARIMA模型可有效拟合、预测CRKP医院感染发病率,为CRKP医院感染预防与控制提供科学指导。     

ARIMA乘积季节模型在流行性腮腺炎发病率预测中的应用

目的构建时间序列分析ARIMA乘积季节性模型,预测武汉市2013年流行性腮腺炎发病趋势,探讨该模型在流行性腮腺炎发病率预测中的应用。方法利用中国疾病监测信息报告系统2005年1月至2012年12月武汉市流行性腮腺炎月发病资料,运用PASWStatistics18．0专家建模器,考虑季节性因素建立ARIMA预测模型,并将所建模型对2013年流行性腮腺炎月发病率进行预测。结果模型残差序列为白噪声,ARIMA（0,1,0）（0,1,1）。：模型构建理想,能较好地拟合时间序列,2013年流行性腮腺炎月发病高峰在5～7月,至11、12月出现次要高峰。结论专家建模器构建乘积季节性模型拟合效果较好,但在实际工作中要充分考虑流行性腮腺炎各项防控措施推行等影响因素,综合分析,为防控工作提出理论与实证建议。     

自回归滑动平均混合模型在医院感染发病率预测中的应用研究

目的 探讨自回归滑动平均混合(ARIMA)模型的应用价值,为医院感染的监控和预警模式建立提供辅助信息.方法 以2005年1月-2010年12月宁夏某医院的医院感染发病率建立ARIMA模型,进行样本内回代评价预测模型的可行性,以2011年1-10月的发病率资料作为模型预测评价样本,检测模型预测值和实际值的拟合程度,以相对误差绝对值平均(MAPE)值评价ARIMA模型的预测准确性.结果 ARIMA季节乘积模型(0、1、1)×(0、1、1)12的AIC、SBC值分别为1.9047、1.9752,为最优模型,模型表达式为12 Lnyt=(1+0.6841L)、(1 +0.8003 L12),其样本内拟合MAPE值为23.48％,R2=0.5423,模型具有外推价值,样本外预测MAPE值为12.55％,R2 =0.6213,模型预测精度良好.结论 用ARIMA模型对医院感染发病率的拟合结果满意,预测效果良好,可为医院感染的防治提供参考依据.     

ARIMA模型预测上海市手足口病发病趋势

目的采用ARIMA模型建立上海市手足口病发病预测模型。方法应用SPSS18.0软件对上海市2005-01/2010-06手足口病月发病率进行ARIMA模型建模拟合,并与实际发病率进行比较。结果 ARIMA（1,0,0）（0,1,0）12模型能很好地拟合既往时间段的发病序列,对2010-01/06的预测值符合上海市该病的发病率变动趋势。2011和2012年上海市手预测足口病的年发病率分别为235.32/10万和294.59/10万。结论 ARIMA模型能够较好模拟上海市手足口病在时间序列上的变动趋势,并对未来2年该病发病情况进行预测。     

基于乘积季节性ARIMA模型对神经内科医院感染发病率的预测研究

目的 建立神经内科病房医院感染预警模型，预测神经内科患者发生医院感染的风险，为早期防控提供依据。方法 收集贵州省某三级甲等医院神经内科病房医院感染发病率数据，构建乘积季节性ARIMA（p，d，q）×（P，D，Q）s模型，对建立的模型进行参数估计、模型诊断，选择最优预测模型。利用构建的最佳模型对神经内科病房医院感染发病率进行预测，并对预测效果进行评价。结果 以该院2014-2017年神经内科月度医院感染发病率数据作为训练样本，获得最优预测模型ARIMA（2，1，2）×（1，1，1）₄。以2018年1-5月数据作为模型预测验证样本，结果显示，模型预测值的动态趋势与实际情况基本一致，实际发病率均在预测值的95%置信区间内。用此模型对2018年6-12月神经内科医院感染发病率作预测，预测结果显示预测值均位于95%的置信区间内。结论 ARIMA（2，1，2）×（1，1，1）₄模型能较好地模拟神经内科病房医院感染发病率变化趋势，具有良好的预测效果。     

ARIMA模型在河南省梅毒月发病率预测中的应用

目的 应用自回归移动平均模型(auto-regressive integrated moving average,ARIMA)建立河南省梅毒月发病率预测模型,为制定梅毒防控措施提供参考依据.方法 应用SPSS15.0统计软件包对河南省2006年1月至2011年12月梅毒月发病率进行ARIMA模型拟合,依据BIC准则确定模型的阶数.利用最终模型预测2012年1月至5月梅毒月发病率,比较预测值和实际值,检验预测效果.结果 ARIMA(3,1,0)(0,0,1)12模型能够较好地拟合及预测梅毒月发病率,具有较高的预测精度,模型所得结果与实际值非常接近,实际值均在预测值的95％可信区间范围内.结论 ARIMA模型能较好地模拟梅毒发病率在时间序列上的变化趋势,可用于预测梅毒的发病率趋势,为制定其防控措施提供科学依据.     

利用ARIMA模型预测北京市顺义区手足口病发病趋势

目的探讨利用ARIMA模型预测手足口病发病趋势的可行性和意义,为预警手足口病防控提供依据。方法应用SPSS 19.0对2008-2013年手足口病逐月发病率建立ARIMA模型,并对2013年手足口病各月发病率进行拟合。结果 ARIMA(1,0,0)(1,1,0)12能够较好拟合既往时间段手足口的发病率,2013年各月的预测值符合手足口病实际发病率变动趋势。结论模型能够有效地预测手足口病发病趋势,对预警、预测产生积极指导作用。     

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月发病率研究中的应用,并预测食源性疾病月发病率趋势。方法 采用SPSS 23.0软件对安徽省某市2013年1月至2018年12月的食源性疾病月发病率资料进行ARIMA模型拟合,利用2019年食源性疾病月发病率资料验证模型,并预测2020年食源性疾病月发病率。结果 安徽省某市源性疾病月发病率呈逐年上升趋势,且有明显的周期性。ARIMA（2,0,0）×（0,1,0）12为最优模型（P<0.05）,决定系数（R²）为0.94,贝叶斯信息准则（BIC）为1.862;模型Box-Ljung检验差异无统计学意义（Q=14.682,P＝0.548）,提示残差属于白噪声序列。2019年数据以检验模型外推效果,MAPE= 24.069%,表明模型外推效果较好,且实际值均落在预测值的95%的置信区间,模型预测效果比较理想。结论 ARIMA（2,0,0）×（0,1,0）12模型能够较好的拟合食源性疾病的时间变化,因此可用于食源性疾病月发病率的拟合和预测。     

时间序列模型在医院感染发生率拟合预测中的比较研究

目的 探讨不同的时间序列模型在医院感染发生率预测中的应用价值.方法 以2005年1月至2010年12月宁夏某三甲医院的医院感染发生率建立ARIMA模型、指数平滑模型、灰色模型,以2011年1～10月的医院感染发生率资料检测模型预测值和实际值的拟合程度,评价各模型的预测准确性,确定对特定医院感染发生率的的最优预测模型.结果 ARIMA模型、指数平滑模型、灰色模型的预测MAPE值分别为12.50、10.41、19.03,模型预测评估等级为良好,其中指数平滑模型最优.结论 用时间序列模型对医院感染发生率的拟合预测效果良好,可为医院感染的整体监控提供参考依据.     

浙江省细菌性痢疾月发病率ARIMA模型建立及预测分析

目的构建ARIMA模型预测浙江省细菌性痢疾的月发病率。方法利用SAS 9.0统计软件对浙江省2001—2011年2月的细菌性痢疾发病率数据建立ARIMA模型,并进行预测分析。结果拟合ARIMA(1,0,0)12模型的AIC为227.23,为细菌性痢疾的月发病率最佳模型,该模型预测值与实际值的平均相对误差为15.9%,实际值都在95%的可信限之内,预测值与实际值较为接近。结论 ARIMA模型可以较好的预测细菌性痢疾发病率的变化趋势,能够运用于细菌性痢疾发病趋势的预测及预警,为防控措施的制定提供参考。     

ＡＲＩＭＡ 模型在婴儿死亡率预测中的应用

摘要：目的　探讨应用自回归滑动平均混合模型（ａｕｔｏｒｅｇｒｅｓｓｉｖｅｉｎｔｅｇｒａｔｅｄ ｍｏｖｉｎｇａｖｅｒａｇｅ,ＡＲＩＭＡ） 预
测婴儿死亡率的可行性。方法　运用ＳＰＳＳ１６．０ 对１９９１－２０１２ 年山西省妇幼卫生年报婴儿死亡率建立
ＡＲＩＭＡ 模型,用所建模型比较预测值与实际值差异,并预测２０１３－２０１５年山西省婴儿死亡率。结果　模
型ＡＲＩＭＡ （１,２,０）较好地拟合了既往时间段的婴儿死亡率的时间序列, 模型自回归参数ＡＲ１＝
－０．７５４,犘＜０．０１,有统计学意义, 赤池信息准则（ＡＩＣ） ＝６８．２１３, 许瓦兹贝叶斯准则（ＳＢＣ） ＝
７０．２０４,模型残差为白噪声（犘＞０．０５）, 模型数学函数式为＾ 犢狋＝０．０６７＋１．２４６犢狋－１ ＋０．５０８犢狋－２ －
０．７５４犢狋－３,利用模型预测２０１３－２０１５ 年婴儿死亡率分别为４．７７‰、４．３２‰、３．９６‰。结论　ＡＲＩＭＡ 模
型能够较好地拟合婴儿死亡率的时间变化趋势,并用于短期预测未来婴儿死亡率。
关键词：婴儿死亡率;时间序列;ＡＲＩＭＡ 模型
中图分类号：Ｒ１９５．１　　文献标识码：Ａ　　文章编号：１００９ ６６３９ （２０１４）０３ ０２５６ ０４     

自回归求和移动平均模型在阜阳市手足口病疫情预测预警中的应用

目的探讨自回归求和移动平均模型（autoregressive integrated moving average,ARIMA）在手足口病疫情预测预警中的应用,验证分析模型的可行性与适用性。方法利用安徽阜阳市2009-2013年手足口病发病资料,拟合ARIMA模型,对阜阳市2014年1-3月各月发病情况进行预测评价。结果建立ARIMA（1,2,0）（0,1,0）12模型,预测结果基本符合实际发病变动趋势,验证了该模型的可用性。结论 ARIMA模型可用于模拟手足口病发病在时间序列上的变化趋势,进行短期预测。     

自回归移动平均模型在细菌性痢疾流行趋势预测中的应用

目的探讨时间序列分析中自回归移动平均模型在六安市细菌性痢疾发病预测的可行性和适用性,为早期做好防控工作提供科学依据。方法使用SPSS 17.0软件对六安市2003年1月～2012年12月的细菌性痢疾月发病率建立ARIMA模型,以2013年的1～7月实际发病率作为预测模型的考核样本,验证模型的预测效果。结果六安市细菌性痢疾月发病率模型为ARIMA（0,0,1）×（0,1,1）12,模型移动平均参数MA1=-0.473（t=-5.153,P〈0.05）,季节移动平均参数SMA1=0.937（t=2.494,P=0.014）;残差分析Ljung-BoxQ统计量经检验,差异无统计学意义（Ljung-BoxQ=10.208,P=0.856）,提示残差为白噪声。模型预测的平均相对误差为27.82%,但预测的动态趋势与实际值基本吻合,且实际值均在预测值的95%可信区间内。结论 ARIMA（0,0,1）×（0,1,1）12模型可为六安市细菌性痢疾的防控提供参考。     

基于GRNN的组合预测模型在传染病发病率预测中的应用

目的研究基于GRNN的组合预测模型拟合传染病发病率的优越性和不足。方法以浙中某市1998—2008年的肺结核发病率为研究资料,分别构建了灰色模型和ARIMA模型,以这两种模型为基础构建了基于GRNN的组合预测模型。结果残差修正GM(1,1)模型、ARIMA(1,0,1)*(1,1,0)12模型、基于GRNN的组合预测模型的MSE,MAE,MAPE和MER分别为37.451,5.692,53.69%,48.51%;18.509,3.761,35.13%,32.05%;9.961,2.571,25.6%,21.9%。结论基于GRNN的组合预测模型的预测精度优于两种单项模型。     

伤寒副伤寒发病趋势的ARIMA模型和GM（1,1）模型预测

目的采用求和自回归滑动平均模型（ARIMA模型）和灰色模型GM（1,1）分别对常州市伤寒副伤寒发病率进行预测,并比较两者预测的准确性。方法根据2001—2010年的月发病率数据分别建立ARIMA模型和GM（1,1）模型。通过比较2011年实际发病率和模型预测发病率间的相对误差验证模型预测的准确性。采用准确性高的模型预测2012—2013年伤寒副伤寒的年发病率。结果 GM（1,1）模型对伤寒副伤寒的年发病率预测准确率较高。2012年和2013年伤寒副伤寒预测的年发病率分别为2.52/105和2.33/105。结论对于伤寒副伤寒发病率的预测,应同时拟合几种模型,选择拟合效果最好的一种模型。     

应用ARIMA模型对甲型病毒性肝炎疫情预测的研究

目的探讨时间序列ARIMA模型在浙江省甲型病毒性肝炎疫情预警应用中的可行性。方法利用EViews5.0、SPSS13.0等统计软件对历年疫情资料汇编,《国家疾病报告管理信息系统》报告的浙江省甲肝按月发病数建立ARIMA模型。结果对甲肝发病数序列建立季节模型为ARIMA(1,0,0)(0,1,1)12,对2009年甲肝按月发病疫情拟合较好,能够及时、准确对疫情进行跟踪。结论 ARIMA模型能够较好应用于短期甲肝预测、预警,为疫情防控提供科学依据。     

ARIMA模型和GM（1,1）模型在全国艾滋病发病率预测中的比较研究

目的利用ARIMA模型和GM（1,1）模型对全国艾滋病发病率进行预测并进行效果比较。方法利用1999-2011年全国艾滋病发病率分别建立ARIMA模型和GM（1,1）模型,进行回代拟合,并预测2012和2013年艾滋病发病率。同时,比较2个模型的拟合和预测效果。结果利用ARIMA模型拟合艾滋病发病趋势效果较好,预测2012年和2013年艾滋病发病率分别为1.51/10万、1.49/10万,即未来2年艾滋病发病率将维持在一个较高水平。GM（1,1）模型显示拟合精度为二级,预测2012年和2013年全国艾滋病发病率为2.88/10万和3.70/10万,结果提示,艾滋病发病率呈明显上升趋势。结论 2种预测模型结果存在差异,均显示未来2年我国艾滋病发病率未有减缓之势,有关卫生部门应改进卫生策略与措施,争取控制进而遏止艾滋病流行趋势。