ARIMA模型在乙肝发病预测中的应用

目的 拟合ARIMA模型对迁安市乙肝发病趋势进行时间序列分析和预测,为乙肝预警系统提供决策依据.方法 收集迁安市2004年1月～2010年12月乙肝月发病率资料,利用SPSS统计分析软件拟合ARIMA模型并预测2011年乙肝逐月发病率.结果 拟合最佳模型为ARIMA(0,1,1)(1,1,0)12,残差为白噪声序列,预测值与实际值的平均相对误差为0.133,预测结果较为可靠.结论 利用ARIMA模型进行乙肝发病率的短期预测,预测结果符合当前的发病现状及采取的防治措施,能够对乙肝的早期预警模型的建立提供借鉴,从而有针对性地采取相应的控制措施.     

ARIMA模型在合肥市疟疾发病预测中的应用

目的探讨自回归求和移动平均(ARIMA)模型预测合肥市疟疾发病率的可行性,并预测疟疾月发病趋势。方法应用SPSS 13.0软件对合肥市疟疾逐月发病率建立ARI-MA模型,利用2011年疟疾月发病率对模型参数进行校正从而预测2012年疟疾月发病率。结果模型ARIMA(1,1,1)(1,1,0)12是合肥市疟疾拟合的最佳模型,预测值与实际值基本吻合,且实际值均在预测值95%可信区间范围内,其外推预测的平均相对误差为2.57%。结论用时间序列模型对疟疾发病情况的拟合结果满意,预测效果良好,可用于预测未来疟疾的变动趋势,为疟疾预防控制措施的制定提供重要依据。     

基于ARIMA模型的江苏省不同地区肺结核发病趋势的预测

目的：应用差分自回归移动平均（autoregressive integrated moving average,ARIMA）模型对江苏省常州市和盐城市的肺结核发病情况进行预测,探索其用于预测江苏地区肺结核疫情的可行性,为今后结核病防控工作提供参考依据。方法：收集并整理江苏省常州市和盐城市2005年1月—2016年12月肺结核月登记发病数资料,使用R3.5.2软件建立ARIMA模型,分别对两市2017年1—12月肺结核月登记发病数进行预测,以平均绝对百分比误差（mean absolute percent error,MAPE）、均方根误差（root mean square error,RMSE）和平均绝对误差（mean absolute error,MAE）评估ARIMA模型预测的准确性。结果：常州市的最优预测模型为ARIMA（0,1,1）（0,1,1）12,盐城市的最优预测模型为ARIMA（1,1,1）（0,1,1）12。用于预测2017年肺结核月登记发病数时,两市的MAPE分别为8.718 6和16.727 8,RMSE分别为14.061 7和39.487 2,MAE分别为11.381 3和33.349 8。结论：ARIMA模型预测常州市肺结核月登记发病数的拟合效果相对较好,故推测该模型更适用于苏南地区肺结核疫情的短期预测和动态分析。     

ARIMA模型在流行性感冒预测中的应用

目的 探讨ARIMA模型在流感预测方面的应用,建立流感发病预测模型,并证明模型的适用性. 方法利用重庆市2002年1月-2006年6月流感发病数资料,通过SPSS拟合ARIMA模型,用Q统计量法对模型适应性进行检验. 结果建立ARIMA(1,1,1)模型,模型Q统计量<χ2α(m),P>0.05,证实了该模型的适用性.结论 ARIMA模型可用于流感发病的动态分析和短期预测.     

ARIMA乘积季节模型在我国甲肝发病预测中的应用

目的:应用求和自回归移动平均模型(ARIMA)乘积季节模型对我国病毒性甲型肝炎进行预测分析,为甲型肝炎的防治提供决策依据?方法:对1994~2012年我国甲型肝炎月发病数的历史疫情数据建立ARIMA乘积季节模型,应用Eviews 6.0软件进行模型拟合,对2013年上半年甲型肝炎的月发病数进行预测,并用实际数据评估模型预测效果?结果:ARIMA(1,1,0)(2,1,2)12模型较好地拟合了既往甲肝的实际发病序列,也获得了较好的预测效果?结论:ARIMA模型能够较好地模拟我国甲型肝炎的发病趋势,预测效果良好,可为甲肝疫情的防控提供一定的科学数据?     

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...     

ARIMA乘积季节模型预测我国戊肝的发病趋势

目的：根据戊型肝炎（戊肝）季节性、趋势性流行现象,建立求和自回归移动平均（autoregressive integrated moving average,ARIMA）乘积季节模型对我国戊肝发病进行预测。方法：应用SPSS23.0软件对2004年1月—2018年6月我国戊肝传染病疫情月度数据建模,对2018年下半年戊肝发病数进行预测,以该时段疫情数据评估模型的预测效果。结果：将ARIMA（2,1,0）（0,1,1）12和ARIMA（0,1,2）（0,1,1）12两个模型预测的平均值作为预测值,预测结果的平均相对误差为4.69%,标准差为3.27%。结论：ARIMA乘积季节模型拟合及预测效果良好,能够较好地描述该时段我国戊肝的发病趋势,为戊肝预防控制措施的制定以及卫生资源的合理配置提供一定的科学依据。     

应用ARIMA模型预测昭通市麻疹发病趋势

目的预测昭通市麻疹的发病趋势,为制定防治措施提供参考依据。方法应用SPSS17．0软件对2005年1月至2013年3月麻疹发病率进行ARIMA模型建模拟合,用所得到的模型对2013年各月发病率进行预测,并与实际发病率进行比较。结果采用ARIMA（1,2,1）（0,1,0）12预测昭通市麻疹的发病趋势,2013年发病率为12．26／10万。结论ARIMA模型能很好地模拟麻疹发病率在时间序列上的变动趋势,并对未来的发病率进行预测。     

ARIMA模型在预测重庆市医院日住院量中的应用

目的建立预测与监测的求和自回归移动平均模型(ARIMA)的时间序列模型,研究日住院量的变化规律。方法通过对2009年2～4月重庆市逐日住院患者量分析用Box-Ljung统计量评价ARIMA模型的拟合度,用平均预测相对误差作为预测效果的评价指标。结果重庆市住院患者量以周为时间周期,每周中以周一、二住院量达到高峰,周六、日为低谷。ARIMA(0,1,1)(1,1,1)7是重庆市2009年2～4月住院量预测最优拟合预测模型,一周和两周外推预测的平均相对误差分别为6.27%和9.14%。结论对住院患者量的历史数据进行时间序列分析是用于住院患者量监测的一个重要的内容。本研究所建立的ARIMA模型适用于重庆市住院患者量预测,预测精度较高。     

ARIMA模型在梅毒发病预测中的应用

目的：探讨时间序列分析方法ARIMA模型在梅毒发病预测中的应用,为传染病防控提供科学依据。方法2010年1月—2014年5月深圳市盐田区梅毒发病资料建立时间序列分析模型,拟合ARIMA最优模型,根据模型预测2014年6月—12月发病率。结果模型ARIMA（1,1,0）（0,0,0）为本次预测最优模型,预测2014年6月—12月深圳市盐田区梅毒发病率分别为0.23/10万、0.26/10万、0.25/10万、0.26/10万、0.25/10万、0.26/10万、0.26/10万,发病平稳。结论可以用时间序列分析方法ARIMA模型对梅毒发病情况进行预测,预测和预警效果良好。     

ARIMA乘积季节模型在上海市甲肝发病预测中的应用

 目的 应用自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型分析季节性时间序列,建立上海市病毒性甲型肝炎发病率的预测模型。方法 利用上海市1990年至2011年甲肝按月发病数的历史疫情数据,采用非条件最小二乘法估计模型参数,模型阶数确定后,建立甲肝按月发病数ARIMA乘积季节预测模型。结果 非季节和季节移动平均的参数分别是0.6341和0.9999,季节自回归的参数是0.4059,t检验的P值均<0.0001,方差估计值是0.1593,AIC=282.1478,SBC=292.7242,对建立的模型进行残差的白噪声检验,χ2检验统计量的P值均>0.05,据此建立ARIMA(0,1,1)(1,1,1)12NOINT乘积季节模型,模型表达式(1-0.405 9B12) (1-B) (1-B12)Yt=(1-0.634 1B) (1-0.999 9B12)εt,并开展上海市甲肝发病数的预测。结论 ARIMA(0,1,1)(1,1,1)12NOINT乘积季节模型可用于预测上海市病毒性甲型肝炎发病的季节模型。     

2004-2012年中国丙型肝炎报告数据ARIMA模型及其趋势预测

目的利用季节自动回归移动平均混合模型（ARIMA模型）对我国丙型病毒性肝炎（丙肝）报告数据进行分析、拟合和预测。方法对2004年1月-2012年7月我国丙肝报告数据进行差分以达到平稳化,采用季节ARIMA模型对数据进行分析、拟合和预测。结果2004年1月-2012年7月我国丙肝发病数呈逐年上升趋势,且呈现明显的以年为单位的周期性变化;对丙肝报告数据进行平稳化检验、差分、模型识别、模型诊断,获得季节序列ARIMA（1,1,1）×（1,1,1）12为最优模型,该模型残差检验为白噪声序列,且拟合数据在95％置信区间;对2012年7月-2014年12月全国丙肝发病数进行预测,显示全国丙肝发病数呈继续上升且具有明显的周期性波动趋势。结论季节ARIMA模型能较好地拟合和预测我国丙肝发病数在时间上的变化趋势,可为疫情的防治提供借鉴。     

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。     

应用ARIMA模型预测宜昌市手足口病的发病趋势

目的探讨ARIMA模型在宜昌市手足口病发病预测中的应用,为进一步采取干预措施提供科学依据。方法基于宜昌市2008~2013年手足口病发病率的数据建立一个原始时间序列,采用求和自回归移动平均模型(ARIMA模型),对2014年手足口病的发病率进行预测。结果 ARIMA(0,0,1)(1,1,0)12为最优模型,宜昌市手足口病的实际值与预测值及其95%置信区间基本一致,ARIMA模型的拟合效果较好。结论手足口病在临床上具有很高的发病率,常易引起托幼机构、学校等聚集场所的暴发流行,严重时可引起患儿死亡,对婴幼儿的影响较大,ARIMA模型能较好地模拟宜昌市手足口病发病在时间序列的变化趋势,为制定防控措施和策略提供科学的依据。     

自回归移动平均乘积季节模型在甲型肝炎发病数中的应用

目的 建立自回归移动平均(ARIMA)乘积季节模型,利用该模型预测并分析全国甲型肝炎发病情况,为全国甲型肝炎疫情防控提供决策依据。 方法 利用中国疾病预防控制中心2011年1月~2016年12月全国甲型肝炎月报告数据,建立甲型肝炎ARIMA乘积季节预测模型,并用2017年1~12月发病数评估模型的预测效果。 结果 非季节和季节移动平均的参数分别是0.282 、0.530,赤池信息量准则(AIC)=815.710,许瓦玆贝叶斯准则(SBC)=819.865,最优模型显著性检验结果显示P均<0.05,模型残差白噪声检验的6、12、18、24阶的χ2值分别为6.83、12.38、15.12和18.28,差异无统计学意义(P均>0.05),据此建立ARIMA(0,1,1)(0,1,1)₁₂模型,模型表达式为∇∇₁₂x_t=(1-0.282B)(1-0.530B12)ε_t,以此开展甲型肝炎发病数预测。 结论 ARIMA(0,1,1)(0,1,1)₁₂乘积季节模型能够较好地拟合甲型肝炎发病趋势,可用于全国甲型肝炎发病预测,为全国甲型肝炎疫情防控提供一定的科学依据。     

时间序列ARIMA模型在医院剖宫产统计中的预测研究

目的建立医院剖宫产统计的预测模型,为医院决策提供依据。方法根据湖南省妇幼保健院2005~2012年产房剖宫产统计的数据,运用时间序列ARIMA模型预测分析医院未来两年剖宫产的发展趋势。结果 2009年之后医院的数据波动很频繁,上升趋势较强,最终利用2009年以后的原始数据序列进行分析建模。建立ARIMA(1,1,1)(0,1,1)模型,模型方程为▽▽12Xt=(1+0.705B)(1+0.705B12)/(1+0.874B)×at。结论 ARIMA(1,1,1)(0,1,1)模型预测未来两年医院剖宫产趋势呈明显的季节性、周期性,7~9月呈现出高峰点,10~12月呈现全年的最高峰值。结论本预测模型可为决策者对医院政策调整提供科学、合理的依据。     

运用时间序列模型对麻疹流行趋势的预测与分析

目的:应用时间序列模型对江苏省麻疹疫情进行预测分析,并探讨提高预测实用性的思路?方法:以1980年~2005年江苏省麻疹发病资料建立时间序列分析模型,以2006年的发病资料作为模型预测效果的考核样本?先采用差分方法对序列资料进行平稳化,然后进行定阶并估计参数,建立ARIMA模型,最后对预测结果进行分析,并利用模型对2009年强化免疫效果进行简单评价,探讨对疫情进行预警的方法和思路?结果:江苏省麻疹的发病趋势自2005年明显上升之后保持平稳,但有小幅波动,这与实际情况吻合?结论:用时间序列模型对传染病发病情况的拟合结果满意,预测效果良好,可为麻疹的防治提供一定的科学依据?