首页 > 文献资料
-
应用时间序列模型预测安康市细菌性痢疾的发病率
目的 探讨应用ARIMA模型预测细菌性痢疾发病率的可行性,为细菌性痢疾的防治提供科学依据.方法 应用SPSS 13.0对安康市2005～2009年细菌性痢疾的月发病率进行ARIMA模型拟合,并用所得到的模型对2010年细菌性痢疾的月发病率进行预测,将预测值与实际值进行比较.结果 ARIMA(0,l,1)×(0,l,1)12模型很好地拟合了既往时间段上的发病率序列,对2010年月发病率的预测值符合实际发病率变动趋势.结论 时间序列模型可以模拟细菌性痢疾发病率在时间序列上的变动趋势.
-
ARIMA模型在深圳市病毒性肝炎发病趋势预测的应用
目的 通过探讨单纯求和自回归滑动平均模型(ARIMA模型)应用于病毒性肝炎发病率预测的可行性,为当前的防控工作提供科学依据.方法 采用SAS9.2软件对深圳市2004～2013年的病毒性肝炎的月发病率进行ARIMA模型的建模拟合,预测2014年病毒性肝炎的月发病率,利用预测值和实际值的均方误差、平均绝对误差、平均绝对百分误差评价拟合效果,选择合适的模型预测深圳市2015年病毒性肝炎的月发病率.结果 终拟合为ARIMA 《12),1,1)模型,残差为白噪声序列,预测值与实际值的均方误差为1.742,平均绝对误差为1.159,平均绝对百分误差为0.092,2015年深圳市病毒性肝炎发病率延续了自2011年以来的逐年上升的趋势.结论 ARIMA模型对病毒性肝炎的时间序列变动趋势的拟合效果较好,并对未来的发病率进行预测,可为病毒性肝炎防治提供科学依据.2015年预测结果提示病毒性肝炎的发病有上升的趋势,需要进一步调整相应防控策略.
-
时间序列模型拟合广西麻疹发病趋势的应用研究
目的 探讨不同时间序列预测模型拟合麻疹发病趋势的可行性,分析两种不同时间序列模型的拟合度,建立流行病学数理统计模型,为制定麻疹预防控制策略提供科学依据.方法 收集广西壮族自治区1990 ～ 2009年麻疹疫情报告数据,采用指数平滑模型和ARIMA模型,模拟1990～ 2009年广西麻疹疫情的动态轨迹,比较两种方法的拟合精度,评价拟合及外推效果.结果 1990～2009年广西麻疹的逐年发病率呈递减趋势,具有低水平波动的变化特征,其变动轨迹,以ARIMA模型拟合效果较好(拟合度R2=0.68),其次为指数平滑模型(拟合度R2=0.62),均具有一定的外展预测能力.结论 ARIMA模型适用于拟合类似麻疹发病率的动态趋势,在传染病疫情预测领域具有重要的现实意义.
-
基于库存模型法的药品采购与库存控制策略
目的:探讨利用医疗机构信息管理系统中普遍具有的库存上、下限设定功能,通过模型预测和控制策略来获取药品零库存管理模式下药房药品的优库存运行状态.方法:借鉴运营管理学、时间序列分析和定量管理决策方法,构建"多品种联合订货模型",即基于历史数据和相应的数学模型(固定订货间隔模型与再订货点模型,即FOI与ROP)预测药品库存的上下限,并将结果与真实数据对比检验,在此基础上制订具体的药品采购和库存控制策略,再与模型实施前数据比较以评价其应用效果.结果:建立的模型经误差和重现性检验,缺货率低于3.36%,其中71.24%可以有效预警;在计算机仿真运行和实际执行状态下,紧急补货率分别降低9.33%、13.03%,断货率分别降低11.11%、27.45%,日均库存周转率分别提高30.19%、15.85%,均较模型实施前有显著改善.结论:本模型具备良好的精度和可操作性,可以为零库存管理模式下的药品采购和库存控制提供科学合理的决策支持.
-
运用时间序列模型预测门诊患者抗菌药物使用率趋势
目的:加强抗菌药物门诊应用管理,促进抗菌药物的合理使用,为医院的科学管理决策提供参考.方法:统计我院2008年1月-2016年6月的门诊患者使用抗菌药物例次占同期门诊总例次比例,将2008-2015年的门诊患者抗菌药物使用率数据用于建立自回归移动平均模型(ARIMA),2016年上半年数据用于验证所建立的模型,并预测2016年下半年门诊患者抗菌药物使用率趋势;采用SPSS 20.0软件进行统计分析.结果:建立的ARIMA(2,1,0)(2,1,0)12模型具有较高的拟合度,2016年上半年门诊患者抗菌药物使用率实际值与拟合值相差很小,平均绝对误差为0.72%,平均相对误差为4.20%,且都在拟合值的95%置信区间内;模型预测值的动态趋势与实际值基本一致.结论:ARIMA较好地模拟了医院门诊患者抗菌药物使用率趋势,可用于门诊患者抗菌药物使用率趋势的短期预测和动态分析,但在远期预测时,还应综合多方面因素考虑.
-
ARIMA季节乘积模型在预测医院月住院量的应用
目的:探讨ARIMA季节乘积模型在时间序列资料分析中的应用,建立住院量的预测模型.方法:利用重庆市某医院2002～2005年的月住院量,采用条件小二乘法估计模型参数,按照残差不相关原则、简洁原则确定模型结构,依据AIC和SBC准则确定模型阶数,建立ARIMA预测模型.结果:模型参数有统计学意义.方差估计值为0.003 175,AIC=-94.245 1,SBC=-91.252 1.对模型进行白噪声残差分析,拟合优度结果表明ARIMA的优模型为:(1一B)(I-B12)Zt=(1-0.543 02B)(1-B12)at.结论:用所建立模型对月住院量进行预测,结果表明ARIMA是一种短期预测精度较高的预测模型.
关键词： 时间序列 预测 自回归求和移动平均模型 -
基于时序特征的手足口病疫情模式聚类研究
目的:根据全国31个地区2010至2015年手足口病发病的时间序列特征,划分不同的疫情模式,为该疾病防控的统一规划和实施提供科学依据.方法:提取各地区手足口病发病率的时间序列特征,包括季节波动、趋势、自相关和混沌等;通过层次聚类分析,划分不同的时间序列疫情模式.结果:聚类分析共产生3类疫情模式,分别为非季节模式、单发季节模式和多发季节模式.结论:对非季节模式地区,需随时加强疾病监控,进一步分析其相关因素;对单发季节模式和多发季节模式,仅需在周期性高发来临时作好相应的预防措施,从而降低疾病大面积流行的可能性.
-
重庆市法定报告传染病预测与监测的ARIMA模型
目的:通过对2003年1月～2008年12月重庆市法定报告传染病逐月发病率数据的分析,研究其变化规律,建立预测与监测的ARIMA时间序列模型.方法: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:重庆市法定报告传染病发病以年为周期,1年中4～6月为高发月,尤其是5月和6月为严重.ARIMA(0.1.0)(O,1,1)12模型是重庆市法定报告传染病拟合的佳模型,其拟合残差的方差为12.23,外推预测的平均相对误差为8.3%.结论:对传染病发病率历史数据进行时间序列分析是用于传染病监测的一个重要的内容.本研究所建立的ARIMA模型适用于重庆市传染病发病率预测与监测.
-
应用灰色预测模型GM(1,1)对结核病发病率进行预测
目的:探讨灰色预测模型GM(1,1)在时间序列资料中的应用;建立结核病登记发病率的预测模型.方法:利用重庆市结核病防治所于1993～2003年登记的结核病发病率资料建立灰色预测模型即残差GM(1,1)模型,并对2004年结核病登记发病率进行预测.结果:残差GM(1,1)模型为:(X)(1)(k+1)=89.5776e0.0392k-85.0913+8(k-1)1.6435e-0.306.8k,1993～2003年预测值的相对误差均小于0.05,关联度＞0.6,小误差概率P＞0.8;2004年结核病登记发病率预测为5.2942/10万,相对误差为0.0461,修正后的相对误差为0.0121.结论:残差GM(1,1)模型拟合效果结果较为理想,是一种短期内预测精度较高的预测模型.
-
时间序列资料ARIMA季节乘积模型及其应用
目的用ARIMA季节乘积模型(p,d,q)(P,D,Q)s对季节性时间序列资料建模并预测,并与指数平滑法进行比较,考察ARIMA乘积模型的预测效果.方法用Box-Ljung统计量评价ARIMA模型的拟和度,用平均预测相对误差作为预测效果的评价指标.结果对所分析的季节性时间序列建立了乘积ARIMA(0,1,1)×(0,1,1)12模型,平均预测相对误差为4.89%,指数平滑法的平均预测相对误差为8.14%.结论对所分析的时间序列,ARIMA乘积模型的预测效果优于指数平滑法.
-
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.
-
时间序列分析法预测高温干旱期间住院病例数量
目的 探讨重庆市局部地区高温干旱期间住院病例数量变化趋势,为本市今后建立与完善高温干旱期间住院病例数量预警系统提供依据.方法 通过分析重庆市局部地区高温干旱期间住院病例数量的变化规律,使用时间序列分析法中的ARIMA模型分析和预测住院病例的变化趋势.结果 建立了ARIMA(p,d,q)模型,绝大多数实际值均落在两条预测值的95%置信线内,且该模型进行了短期的预测.结论 时间序列分析法用于高温干旱期间住院病例数量变化的研究中具有较好的适应性和适用性,ARIMA(p,d,q)模型能较好的反应并预测重庆市局部地区该期间病例数的变化趋势.
-
ARIMA模型的张家川地区病毒性脑炎月发病率情况研究
目的:探讨建立数学模型,研究病毒性脑炎发病的相关情况,做到及时预防.方法:通过SPSS软件对甘肃张家川地区病毒性脑炎发病例监测登记资料进行统计分析及进行时间序列模型拟合.结果:得到时间序列模型及其相关数学表达式,进行了实际值与预测值的比较.结论:充分考虑人在各时间段的发病特征,更有重点的进行健康防治工作,有效地降低病毒性脑炎对人类的危害,从而保障了人类的生活质量.
-
基于ARIMA的基层医疗卫生服务需求模型的建立
本文研究自回归移动平均模型(ARIMA)在基层卫生服务机构病床使用率预测中的应用,并探讨提高模型准确性和实用性的途径.以1981～2009年基层卫生服务机构病床使用率建立模型,首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,后对预测结果进行检验和分析.从而更好地掌握未来农民卫生服务需求的发展趋势,对于优化和调整高职教育规模和结构,科学配置和调整高职教育资源具有重要的现实意义.
-
基于ARIMA模型对传染病监测数据异常点的探测研究
目的 介绍基于ARIMA模型的异常点探测方法,研究传染病监测数据中各类异常点的特征,针对异常点诊断结果,作出合理解释,提出处理方法.方法 收集公共卫生科学数据中心提供的2006-2012年某省淋病发病率数据,利用SAS程序中的ARIMA模块探测各类异常点,通过文献查阅,专家咨询等方法分析出现原因,提出基本的处理方法.结果 异常点诊断结果显示2007年1月、2010年3月和2010年4月所对应的观察值为加性异常点.2006年5月、2009年9月和2010年10月对应的观测值属于水平漂移异常点.结论 2006-2012年某省淋病发病率中不仅含有加性异常点还有水平漂移异常点.就加性异常点而言,反查数据后发现,这类异常点的出现可能是由于数据观测与收集误差引起的常规的离群点;而对水平漂移异常点,通过文献查阅、专家咨询等途径发现是由于数据受到新机制的影响,如疾病的暴发流行、新的卫生政策的出台、环境改变引起高危行为的增加等原因.
-
ARIMA模型在宁波市北仑区手足口病发病率预测中的应用
目的 探讨自回归求和移动平均(ARIMA)模型在宁波市北仑区手足口病预测中的应用,并对该区手足口病的月发病率进行预测.方法 应用SPSS19.0软件对北仑区2008年1月-2016年6月的手足口病月发病率时间序列建立ARIMA模型,使用所建模型对2016年7月-12月的发病情况进行拟合,并与实际值比较,评价其拟合效果,应用得到的模型预测2017年上半年宁波市北仑区手足口病发病率.结果 北仑区手足口病以年为发病周期,每年有2个发病高峰,分别为4-7月和9-11月.在手足口病预测中建立的ARIMA优模型为ARIMA(1,0,0)(1,1,0)12,其标准化BIC(贝叶斯信息准则)为5.06,白噪声Ljung-Box检验残差序列为白噪声序列(Ljung-Box=11.00,P=0.81),优拟合模型预测的平均相对误差为23.80％,拟合效果较好.预测出2017年上半年宁波市北仑区手足口病平均月发病率为46.66/10万,明显高于2016年同期发病率.结论 建立的ARIMA模型能有效地拟合北仑区手足口发病率序列,并进行短期预测,可为手足口的防治工作提供参考.
-
江西省肾综合征出血热发病率ARIMA模型及其趋势预测
目的 探讨自回归求和移动平均模型(Auto Regressive Integrated Moving Average,ARIMA)在江西省肾综合征出血热月发病率预测的可行性,为制定出血热防控策略提供依据.方法 基于江西省2006-2015年肾综合征出血热(Hemorrhagic Fever with Renal Syndrome,HFRS)逐月发病率资料建立ARIMA模型,利用201 6年各月发病率检验模型预测效果,再以2006-2016年HFRS逐月发病率构建模型预测2017年HFRS发病率.结果 本研究构建的ARIMA(0,0,2)(0,1,1)12模型,拟合结果与实际发病情况基本吻合.各项参数均有统计学意义(P＜0.05),BIC值(Schwarz Bayesian criterion,贝叶斯信息准则)=-6.792,Ljung-BoxQ=14.992,P=0.452,模型残差为白噪声;2016年各月HFRS发病率预测值与实际值动态趋势基本吻合.预测2017年江西省HFRS发病率为1.45/10万.结论 ARIMA模型能很好地模拟江西省HFRS发病率在时间序列上的变动趋势,可用于江西省HFRS发病率的短期预测研究.
-
支持向量机在传染病发病率预测中的应用
目的 采用支持向量回归方法建立预测模型,以我国内地细菌性痢疾发病率为例,对传染病发病率进行预测,探索传染病预测新方法.方法 采用基于时间序列的支持向量回归机,对2004～2009年全国的细菌性痢疾逐月发病率建立模型,并对2010年1月～12月的细菌性痢疾发病率进行预测.结果 预测效果良好,预测结果与实际发病趋势一致,MSE=0.089 6,MAPE=13.23％.结论 支持向量机可用于初步预测传染病的发病趋势.
-
小波神经网络在季节性时间序列预测中的应用
目的 对季节性时间序列进行建模与预测.方法 用小波神经网络,对冒纳罗亚山天文台测量的1959～2010年大气月平均二氧化碳浓度数据进行建模预测,并在Matlab7.0编程实现.结果 采用小波神经网络对大气二氧化碳浓度进行预测,其平均预测精度为99.852％.结论 小波神经网络的预测精度高,可以较好地应用于季节性时间序列的预测.
-
基于ARIMA模型的张家川地区胃炎发病情况研究
[目的]有关胃炎发病情况的时间序列分析研究较少,通过建立数学模型,研究胃炎发病的相关情况,可以做到及时预防.[方法]通过SPSS软件对甘肃张家川地区胃炎发病病例监测登记资科进行统计分析,同时进行时间序列模型拟合,观察疾病发展趋势.[结果]得到优时间序列模型ARIMA(1,1,1)及其数学表达式Yt=0.843Yt-1+0.157Yt+2+at-0.558at-1并进行了实际值与预测值比较.[结论]研究胃炎发病的相关情况,有重点地进行健康防治工作,有效地降低胃炎对人类的危害,从而保障了人类的生活品质.
