SARIMA模型在河南省急性出血性结膜炎发病预测中的应用

目的:应用SARIMA模型预测河南省急性出血性结膜炎发病人数.方法:使用河南省2013年1月至2020年6月急性出血性结膜炎月发病数建立SARIMA模型,利用2020年7至12月的逐月发病数据验证SARIMA模型的预测效果,并进一步预测2021年1至12月河南省急性出血性结膜炎发病人数.结果:急性出血性结膜炎具有明显的...     

SARIMA模型在医院门诊量预测中的应用

目的了解医院2000年一2011年门诊量的趋势,建立预测月门诊量的时间序列模型,为优化医疗资源配置提供科学的统计学依据。方法根据医院2002年1月至2012年12月年门诊量数据,应用SPSSl8．0软件建立季节自回归滑动平均模型（Seasonal Auto Regressive Integrated Moving Average model,SARIMA模型）,并验证2012年7至12月份的门诊量。结果预测值与实际值的上升下降趋势基本吻合,SARIMA（O,1,1）（0,1,1）12模型为最优模型,标准化贝叶斯信息标准（Normalized Bayesian Information Criteria,BIC）值与平均绝对误差百分比（Mean absolute percentage error,MPE）值最小,BIC值为13．82,MPE为7．70,Box-Ljung检验无统计学意义（Q18=17．93,P=0．3281〉0．05）。结论SARIMA模型能很好的拟合门诊量的变动趋势,在无外界因素影响的情况下,医院门诊量将会继续上涨。     

SARIMA等模型在乌鲁木齐市其他感染性腹泻病发病预测中的应用

目的 构建乌鲁木齐市其他感染性腹泻病的时间序列模型,比较季节性差分自回归滑动平均(seasonal autoregressive integrated moving average, SARIMA)模型、霍尔特温特斯(Holt-Winters)模型和先知(Prophet)模型的预测能力,为乌鲁木齐市其他感染性腹泻病的防控提供理论参考。方法 根据2010年1月至2021年12月乌鲁木齐市其他感染性腹泻病的发病率分别建立SARIMA模型、Holt-Winters模型和Prophet模型,比较三种模型的拟合效果,以均方根误差(root mean squared error, RMSE)、平均绝对误差(mean absolute error, MAE)、平均绝对百分比误差(mean absolute percentage error, MAPE)、决定系数(coefficient of determination, R²)作为评价指标选取最优模型。结果 季节指数显示,5～10月为乌鲁木齐市其他感染性腹泻病的流行季节;SARIMA(0,0,3)(0,1,1)_12<...     

ARIMA模型在涂阳肺结核月发病预测中的应用

目的 探讨重庆市涂阳肺结核月发病数随时间的变化规律,为控制和预防肺结核提供科学依据。方法 采用SPSS13.0软件对2005～2009年重庆市涂阳肺结核月发病数资料建立ARIMA模型,利用该模型预测2010年1月～12月的涂阳肺结核月发病数,对模型的短期预测及其效果进行初步评价。结果 建立的ARIMA(1,1,0)×(0,1,1)₁₂模型是拟合重庆市涂阳肺结核月发病数的合适模型,2005～2009年观测值落在拟合值95%的可信区间内,2010年预测值的平均相对误差为6.31%。结论 ARIMA(1,1,0)×(0,1,1)₁₂模型能很好地预测重庆市涂阳肺结核月发病情况,为控制和预防肺结核提供了可靠依据。     

基于乘积SARIMA模型的肺结核发病率预测

目的 应用乘积季节自回归移动平均(seasonal autoregressive integrated moving average,SARIMA)模型对肺结核发病率进行预测研究,探讨其可行性并为肺结核病的防治工作提供科学依据.方法 应用EViews 7.0.0.1软件对我国2004年1月至2012年12月的肺结核逐月发病率建立乘积SARIMA模型并进行拟合,选取2013年1月至12月肺结核发病率数据评价模型的预测性能.结果 建立的SARIMA(2,0,2)×(0,1,1)12模型能较好地拟合既往时间段内肺结核的发病率,对2013年1月至12月肺结核发病率的预测与实际发病率趋势基本吻合,平均误差绝对值为0.416 992,平均误差绝对率为5.350 8％.结论 乘积SARIMA模型能较好地模拟和预测肺结核发病率在时间序列上的变动趋势,将其应用于肺结核发病预测是可行的,具有推广应用前景.     

香港地区流行性腮腺炎月发病例数SARIMA模型预测分析

目的研究季节性差分自回归滑动平均模型（SARIMA）拟合季节时间序列的方法,并将其应用于预测香港流行性腮腺炎疫情趋势。方法利用R软件对2000年1月至2012年8月香港流行性腮腺炎月发病例数资料进行建模,用所构建模型进行预测分析。结果流行性腮腺炎发病呈上升趋势,SARIMA（2,1,1）×（1,1,1）。：模型较好地拟合了香港流行性腮腺炎的月发病例数,模型残差为白噪声序列,回代考核平均相对误差为17．5％;后8个月的数据作为前瞻性预测考核,平均相对误差为16．4％。结论SARIMA模型较好地模拟腮腺炎的流行特征,并进行中、短期预测。     

SARIMA模型在流行性腮腺炎发病预测中的应用

目的 利用SARIMA模型预测未来山东省济宁市流行性腮腺炎发病情况,为流行性腮腺炎防控提供决策依据。 方法 收集山东省济宁市2009年1月至2013年7月流行性腮腺炎月发病数据资料,利用时间序列分析方法,构建SARIMA模型,并对2013年8月至12月的发病数资料进行预测。 结果 济宁市2009至2013年共报告流行性腮腺炎病例数8 520例,且发病具有明显的周期性和季节性特征。最终建立的最优模型为SARIMA(0,1,1)(0,1,1)₁₂,赤池信息准则(AIC)为74.45,且通过了统计学检验,模型残差为白噪声。实际月发病数与拟合月发病数进行相关性分析结果显示为显著性相关(r=0.75,P<0.000 1)。对2013年8月至12月发病数进行预测,均在95%置信区间内,且与实际发病数变动的趋势一致,验证了模型合理性。 结论 SARIMA模型能较好地拟合济宁市流行性腮腺炎月发病数动态变化,可用于流行性腮腺炎的短期预测。     

ARIMA乘积季节模型在山东省肺结核发病预测中的应用

目的 根据山东省肺结核的季节性、趋势性建立求和自回归移动平均(ARIMA)乘积季节模型,预测山东省肺结核发病趋势,调整防控措施.方法 应用R软件对2010年1月至2019年12月山东省肺结核传染病疫情月度数据建立最优模型,预测2020年1月至10月肺结核发病数,并与实际值进行比较,以此评估模型的预测效果,预测2020年...     

基于SARIMA模型的小儿神经内科医院感染发病率预测

目的:选择季节性差分自回归滑动平均(SARIMA)模型预测小儿神经内科病房院内感染发病率.方法:统计湖北省某三级甲等儿童专科医院小儿神经内科院内感染发病率数据,运用时间序列中的SARIMA(p,d,q)X(P.D,Q)s方法构建模型,对模型中的参数进行估计、检验,确定最佳模型,并采用该模型对小儿神经内科病房院内感染发病...     

应用ARIMA模型预测肺结核报告发病率的研究

目的探讨ARIMA模型在宜昌市肺结核预测方面的应用,为进一步采取预防控制措施提供科学依据。方法基于宜昌市1997~2013年肺结核发病率的数据建立一个原始时间序列,对1998~2013年的发病进行预测,并与实际发病进行比较。结果最终得出ARIMA(1,0,1)(2,1,0)12为最优模型,实际发病与预测值及其95%置信区间基本一致,模型的拟合效果较好,可以对2014年发病率进行预测。结论肺结核具有很高的发病率,ARIMA模型能较好的模拟肺结核发病在时间序列的变化趋势,为制定防控措施提供科学的依据。     

ARIMA模型与GRNN模型对肺结核发病率预测的对比研究

目的 比较自回归移动平均(ARIMA)模型与广义回归神经网络(GRNN)模型对于肺结核发病率的预测性能.方法 根据我国2004年1月至2012年12月的肺结核逐月发病率数据资料,应用Eviews 7.0.0.1建立ARIMA模型,应用Matlab 7.1的神经网络工具箱建立GRNN模型;选取2013年肺结核逐月发病率数据对两种预测模型进行检验,比较预测结果.结果 ARIMA模型和GRNN模型的Theil不等系数(TIC)分别是0.034和0.059,说明ARIMA模型对我国2013年肺结核逐月发病率的拟合程度优于GRNN模型,ARIMA模型相对误差绝对值仅为GRNN模型的57.19％.结论 ARIMA预测模型更适合用于我国肺结核发病率的预测;建议尝试组合模型预测肺结核发病率.     

自回归求和移动平均模型在流感发病预测中的应用

目的探讨应用自回归求和移动平均季节模型(ARIMA)进行流感发病率的拟合和预测,为流感疫情预警提供依据。方法运用统计分析软件对陕西省2008—2014年每月的流感网络报告发病率数据进行模型拟合,建立ARIMA模型,用2015年的数据来检验ARIMA模型的预测效果。结果陕西省2008年1月—2014年12月流感的平均年发病率为0.74/10万,将时间序列分解为总体趋势、季节趋势及随机误差,流感发病整体呈缓慢上升,发病率存在明显的季节性,冬春季出现高峰,随机误差保持在一定水平;ARIMA(0,0,1)×(0,1,1)12模型能较好拟合既往时间段内流感的发病率,且对2015年1—12月流感月发病率的预测值与实际值基本吻合,模型预测值与实际值的绝对误差、相对误差平均值分别为0.18和0.26。结论 ARIMA(0,0,1)×(0,1,1)_(12)模型可以作为陕西省流感月发病率的短期预测模型。     

3种模型在肺结核发病率预测中的比较研究

目的对GM（1,1）模型、霍尔特双参数指数平滑预测模型和ARIMA模型在肺结核发病率预测中的效果进行比较。方法利用1980-2007年北京市肺结核的发病率分别建立GM（1,1）灰色预测模型、霍尔特双参数指数平滑预测模型和ARIMA模型,对建立的模型进行拟合。比较3个模型的拟合效果,同时利用ARIMA模型对2008年北京市的肺结核发病率进行预测。结果针对北京市肺结核发病率建立的GM（1,1）模型、霍尔特双参数指数平滑预测模型和ARIMA模型的平均误差率（MER）分别为15.11%、9.51%、9.52%,决定系数R2分别为0.935、0.964、0.969。结论 ARIMA模型对于隐含波动周期并且不稳定的循环型时间序列拟合效果优于GM（1,1）模型,对解决时间序列类型的肺结核发病率等资料有很好的实用价值。     

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值最小,可以认为该模型的拟合优度相对最优;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.     

极端学习机模型在张家口市手足口病发病率预测中的应用

摘要：目的 探讨极端学习机模型模型在手足口病发病率预测中的应用,并与神经网络模型进行比较。方法 收集2008年5月至017年7月张家口市手足口病月发病率资料,并组成具有111个数据的时间序列,随机选择数据集中75%的数据进行学习建模,剩余25%数据作为预测的检验数据,并对两种模型的预测效果进行验证。结果 ELM学习的MRE为0.05,预测的MRE为：0.07,神经网络学习的MRE为：0.09,预测的MRE为0.12。结论 ELM模型学习效果和预测效果优于神经网络,它可以提高预测的精度,具有较高的实用价值。