排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
目的:探讨ARIMA模型在河南省AIDS疫情预测中的可行性。方法:收集河南省2005年至2013年AIDS发病率和病死率数据,分别建立ARIMA模型,通过模型拟合优度统计量筛选最优模型,采用平均误差率评估模型预测效果,并用所构建的模型预测2014年至2016年河南省AIDS疫情。结果:河南省AIDS发病率和病死率的最优ARIMA模型分别为ARIMA(0,1,1)和ARIMA(0,2,1);模型的拟合值均符合其实际流行趋势,平均误差率分别为0.16和0.25;预测2014年至2016年河南省AIDS发病率分别为3.40/10万、3.91/10万和4.50/10万,病死率分别为15.34%、8.82%和7.64%。结论:ARIMA模型很好地模拟了河南省AIDS疫情的演变趋势,可用于河南省AIDS发病率和病死率的预测。 相似文献
4.
几种预测模型对中国梅毒发病率预测效果的比较 总被引:1,自引:0,他引:1
目的:比较3种预测模型在中国梅毒疫情预测中的效果,筛选最优预测模型。方法:收集2004年至2012年中国梅毒发病率数据,构建灰色模型[GM(1,1)]、趋势外推模型和求和自回归滑动平均(ARIMA)模型,比较预测值和实际值的吻合程度;用2013年发病率数据回代验证,选择相对误差最小的模型预测2014年至2016年的梅毒发病率。结果:中国梅毒发病率呈整体上升趋势,年平均发展速度为1.173,但环比增长速度逐年降低。趋势外推模型中Cubic函数的拟合效果优于GM(1,1),二者对历史数据拟合的平均相对误差分别为1.431%和7.560%。梅毒年发病率序列为白噪声序列(χ2=7.990,P=0.239),不适合用ARIMA模型来预测。采用Cubic函数预测2014年至2016年中国梅毒的发病率,分别为29.553/10万、26.293/10万和20.831/10万。结论:Cubic函数对中国梅毒发病率的预测效果最好。 相似文献
1