首页 > 文献资料
-
三种时间序列模型在尘肺发病预测中的适用性研究
目的 对基于时间序列的三种预测模型即自回归滑动平均混合模型(ARIMA)、灰色模型(GM)、广义回归神经网络模型(GRNN)进行尘肺发病预测的适用性比较.方法 选用河北省1954-2015年62年的尘肺发病数据,前54年数据用来拟合预测,后8年数据来比较三种模型的预测效果;采用预测误差(prediction error,PE)、平均绝对误差(mean absolute error,MAE)和平均相对误差(mean relative error,MRE)评价拟合效果.结果 GM(1,1)的预测结果较差,ARIMA的MAE和MRE是三种模型中小的,其短期预测的PE也低;三种方法长期预测的PE都比较大,比较而言GRNN的长期预测结果好.结论 ARIMA适用于尘肺发病的短期预测,GRNN适用于长期预测.
-
三种时间序列模型探讨1989～2012广西肺结核发病趋势
目的 探讨不同时间序列预测模型分析肺结核发病趋势的可行性,评价模型的拟合度,为制定肺结核预防控制策略提供科学依据.方法 收集广西壮族自治区1989 ～ 2009年肺结核疫情报告数据,分别采用曲线回归法、指数平滑法和ARIMA模型模拟肺结核疫情的动态轨迹,比较三种方法的拟合精度,评价拟合及外推效果.结果 1989～ 2007年广西肺结核发病率逐年增高,2007年后逐渐降低.其变动轨迹,以ARIMA模型拟合效果较好(拟合度R2=0.84),三种模型均具有一定的外展预测能力.结论 ARIMA模型适用于拟合类似肺结核发病率的动态趋势,在传染病疫情预测领域具有重要的现实意义.
-
使用Eviews软件对精神卫生门诊人次进行ARIMA模型预测
目的 分析医院门诊量的变化趋势,建立适用的预测模型,为医院的管理决策提供依据.方法 数据源于2000年至2009年月门诊人次报表数据,使用Eviews6.0进行模型拟合并对2010年前三季度数据进行预测.结果 门诊量数据具有长期的增长趋势并受到季节性影响,终选择ARIMA(0,1,2)(0,1,1)12进行拟合预测获得了较好的效果.结论
-
灰色模型方法在区域卫生人力预测中的应用
灰色数列模型(grey dynamics model,GM)是以时间序列进行研究分析,用数列建立方程,将无规律的原始数列经过转换,使之成为较有规律的生成数列后再建模的一种预测方法.从实践工作经验、实际数据特征、时间序列图形、预测误差比较等方面综合分析,用灰色数列模型预测卫生人力的发展趋势较目前常用的预测方法为优[1].本文以山东省2003～2007年的卫生技术人员的资料进行2008 ～ 2012年的预测为例,对灰色模型在卫生人力预测中具体应用过程进行详细的介绍.
-
ARIMA模型在厦门市居民人均期望寿命预测中的应用
目的 探讨自回归综合移动平均数(ARIMA)模型预测厦门市居民人均期望寿命的可行性.方法 利用1987年至2013年厦门市居民期望寿命数据,借助SAS9.1软件建立模型,参数估计采用小二乘法.结果 厦门市居民的期望寿命从1987年的72.62岁上升至2013年的79.68岁,女性期望寿命均大于男性,平均相差(5.79±0.45)岁.建立的疏系数ARIMA(《4),1,0)模型预测值与实际值的平均相对误差为1.07％,预测2013年的期望寿命约为79.35岁(95％CI:77.46～81.26岁).加入2013年数据重新调整模型后预测2014-2016年厦门市居民的期望寿命分别为79.91岁、80.31岁和80.60岁.结论 ARIMA模型可用于对厦门市居民期望寿命的短期预测.
-
趋势外推与ARIMA法在卫生费用组合预测建模中的应用
目的 对卫生费用各指标进行组合预测模型设计和实证研究.方法 山东省卫生费用资料用差分和趋势外推法优选曲线模型,以三和法识别参数;序列二阶差分平稳后对ARIMA模型定阶、参数识别;分别进行拟合与外推预测建模研究.引入线性加权组合方法,动态计算权重,修正预测值.结果 卫生费用资料均呈渐进趋势变化,建模方案可行、拟合效果优良、权重计算合理,组合模型可改进预测效果.结论 趋势外推法、ARIMA法及组合方法对渐进趋势性时序资料的预测建模问题有代表性.
-
时间序列分析法在香港结核病预测中的应用
目的 阐述ARIMA模型拟合时间序列的方法和步骤,并将其应用于结核病的预测,为传染病预警系统提供决策依据.方法 利用SPSS统计软件对香港1997年到2008年结核病数据进行基本趋势分析并检验数据的平稳性,对平稳处理后的时间序列构建ARIMA模型,并对所建立的模型进行相关性检验,预测出未来一年的数据.结果 通过对结核病的预测,相对误差在3％左右,预测效果较为可靠.结论 在结核病的近期预测中引入时间序列的ARIMA模型分析方法,能够对结核病的预测产生积极的指导意义.
-
我院出院人数预测模型分析
目的 比较趋势外推法、指数平滑法、ARIMA三种方法预测医院出院人次发展规律的优劣.方法 根据医院2000年1月～2010年8月住院统计资料,利用SPSS13.0软件建立三次曲线方程模型、Winters指数平滑模型、ARIMA模型,并对其结果进行比较分析.结果 三次曲线方程模型、Winters指数平滑模型预测精度不高,季节ARIMA乘积模型预测效果好,是适合预测出院人数比较理想的方法.结论 季节ARIMA乘积模型可用于医院出院人数预测.
-
麻城市自杀死亡水平时间序列模型分析及预测研究
目的 分析1984～2007年湖北麻城市人口自杀死亡水平的变化趋势,探讨求和自回归移动平均(ARIMA)模型在自杀死亡率拟合中的应用,为制定针对性的干预措施提供参考依据.方法 利用麻城市1984～2007年自杀死亡率资料,采用大似然法估计模型参数,依据AIC和BIC准则确定拟合优度,以平均相对误差判断预测精度,建立优预测模型,预测麻城市2008～2012年自杀死亡率.结果 1984～2007年期问该地区人群的自杀死亡率呈下降趋势(x2=940.32,P＜0.0001),24年的下降幅度为67.34％.所建立的ARIMA ((3),1,(3))模型较好地拟合了既往时间序列的自杀死亡率,AIC=155.97,BIC=159.37,平均相对误差为5.77％,2008～2012年的预测自杀死亡率分别为27.08/10万,28.08/10万,21.55/10万,22.55/10万,16.02/10万.结论 麻城市的自杀死亡率总体上呈下降趋势,ARIMA模型适用于该地区自杀死亡率的短期预测.
-
北京市某大型综合医院门诊量变化动态分析及预测
目的 了解某院门诊量变动趋势及规律,以期为医院的卫生资源配置和管理决策提供科学的依据.方法 采用移动平均季节指数法对2011-2015年门诊量进行分析并建立预测模型.结果 该院2012年门诊量稍有下降,其余各年门诊量均呈逐年上涨趋势,并且一年中门诊量变化随季节表现出明显的规律性变化.每年12月份为高峰期,2月份为低谷期;季节指数以第三季度高(107.1％),第一季度低(87.2％).结论 移动平均季节指数法构建的模型能较好地用于门诊量的预测,医院应根据门诊量变化规律合理安排门诊人力资源及调配医疗物资,提升现代医院门诊综合服务能力及效率.
-
我国戊型肝炎发病例数的时间序列分析
目的 通过分析卫生部全国传染病网络直报系统提供的2005～2010年全国戊型肝炎(戊肝)月发病数据,了解戊肝的发病趋势和季节性特征,为戊肝的防治工作提供参考依据.方法 首先利用时间序列分解法分解出戊肝月发病数的季节性变动因素和长期趋势因素,然后利用圆形分布法验证季节性变动因素的季节性聚集趋势,并得到发病高峰时点和高峰期.结果 2005 ～ 2010年间全国戊肝发病呈不断上升趋势；戊肝发病呈现季节性,每年为一个周期,呈单峰型,集中趋势有统计学意义(P＜0.01),发病高峰时点在3月末4月初,发病高峰期在冬春季,尤其是春季相对高发,其他月份低发.结论 戊肝发病具有季节性和上升趋势,应于冬季12月份开始开展戊肝的防治工作.
-
SARIMA模型在长沙市肺结核发病预测中的应用
目的 探讨SARIMA模型在肺结核发病预测中的适用性,为长沙市肺结核防控提供参考.方法 利用2005年1月-2016年12月长沙市肺结核月发病数构建SARIMA模型,以2017年1-12月的月发病数评价模型的预测效果,并采用构建的优模型对2018年长沙市肺结核月发病情况进行预测.结果 长沙市肺结核月发病数具有明显的季节性特征,优预测模型为SARIMA(0,1,1)(0,1,1)12,其AIC=1436.703,模型残差为白噪声(χ2=0.119,P=0.731).该模型的预测值与实际值的平均绝对百分误差为21.69％,预测效果较为可靠.预计2018年长沙市肺结核的月平均发病数为332.34例,发病水平与2017年接近,但总体略有下降.结论 SARIMA(0,1,1)(0,1,1)12拟合效果较好,可用于长沙市肺结核月发病数的短期预测.
关键词： 肺结核 季节自回归求和移动平均模型 时间序列 预测 -
上海市日均气温变化对医保儿童呼吸科就诊人次的影响
目的 研究上海市日均气温与医保儿童呼吸科就诊人次的关系.方法 运用广义相加模型分析时间序列资料,在控制时间的中长期趋势、星期效应、节假日效应、气象因素和大气污染物的混杂效应基础上,探索7日的日均气温与医保儿童呼吸科就诊人次之间的关系,从而预测未来的日就诊人次.结果 观察日的日均气温对就诊人次的影响大,观察日的前3日次之,其他几日的影响较小.7日加权气温与就诊人次的关系呈现一条非对称的曲线,在12.9℃左右,就诊人次多.现有模型对未来1日的就诊人次预测效果良好.结论 上海市日均气温变化对医保儿童呼吸科就诊人次有影响,可利用既往就诊人次、气象数据及大气污染物数据对未来的日就诊人次进行预测.
-
天津市"十二五"期间卫生资源需求预测分析
目的 本次研究旨在通过建立时间序列相关模型对天津市卫生资源的人、财、物三方面进行趋势分析和预测.方法 收集了天津市1980～2008年医院、卫生院卫生技术人员数、床位数、卫生事业费用,运用时间序列相关模型分别对其进行了预测.结果 对数据进行了时间序列相关分析模型的筛选后,后选用ARIMA(1,1,1)模型对天津市医院、卫生院卫生技术人员数进行趋势分析和预测,采用随机游走模型对天津市医院、卫生院床位数、卫生事业费用进行趋势分析和预测,其样本内预测其平均相对误差分别为0.023、0.022、0.074,卫生技术人员数和床位数样本外预测结果平均相对误差分别为0.0053、0.012,卫生事业费用数样本外预测相对误差为0.144.结论 时间序列方法在天津市卫生资源人、财、物方面预测中显示了较好的精度,预测结果可为我市“十二五”期间卫生资源的配置提供科学的参考.
-
含有周期性的时间序列中连续型缺失数据的填补方法
目的 用模拟研究的方法,对含周期性的时间序列数据中的连续型缺失数据进行填补,比较基于周期信息的时间序列缺失值填补法(简称周期件填补法)和spline插值填补法对连续型缺失数据的填补效果.方法 分别应用模拟时间序列数据和实际时间序列数据模拟连续型缺失,比较两种方法在不同连续缺失个数下的缺失值填补效果.采用NPMSE和RMSE量化填补的误差.结果 除连续型缺失长度为10和20,随着连续缺失个数的增加,周期性填补法的填补误差均小于spline插值填补法.周期性填补方法的填补误差在5～30的连续缺失范围内无明显波动,始终保持在一个较低的水平；而spline填补值的误差随着缺失个数的增加明显增高.结论 对于含有确切周期性的时间序列,周期性填补方法对连续型缺失数据的填补效果相对于spline填补更好,填补误差稳定,并且不随连续缺失长度的增加而有较大的变化.
-
广义相加模型在气温健康效应研究中的应用
目的 估计气温改变对城市居民死亡的影响,探讨广义相加模型(generalized additive model,GAM)在气温健康效应研究中的应用.方法 应用广义相加模型分析2002～2004年的时间序列资料,在尽可能地控制混杂因素的基础上,GAM中拟合二次函数分析气温变化对城市目居民死亡数的影响.结果 根据模型拟合结果求得对于闵行区居民死亡的"适温段"为(11.67℃～20.71℃),随着气温的升高和降低而偏离"适温段"时,每日居民死亡人数增加.结论 上海市日均气温对闵行区居民死亡有影响,GAM应用灵活方便.
-
含有周期性的时间序列中随机型缺失数据的填补方法
目的 用模拟研究的方法,对含周期性的时间序列数据中随机型缺失数据进行填补,比较基于周期信息的时间序列缺失值填补法(简称周期性填补法)和spline插值填补法对缺失数据的填补效果.方法 利用SAS模拟产生平稳、有周期性的时间序列数据并构造随机型缺失.分别比较相同序列长度不同缺失比例和相同缺失比例不同序列长度下,两种方法的缺失值填补效果.采用NRMSE和RMSE量化填补的误差.结果 相同序列长度下,随着缺失比例的增加,两种填补方法的填补误差均增加,除缺失比例为30％的RMSE在两种方法间的差异无统计学意义外,周期性填补法的NRMSE和RMSE均小于spline填补法(P＜0.05).相同缺失比例下,序列长度较短时,两种填补方法的差异无统计学意义；序列长度较长时,周期性填补法的填补效果优于spline填补法.结论 总体上,周期性填补法对含有确切周期性的时间序列中缺失数据的填补效果较好.
-
时间序列分解法在北京市朝阳区细菌性痢疾周报告发病率预测中的应用
目的 使用时间序列分解法建立数学模型对北京市朝阳区细菌性痢疾报告发病率按"周"进行预测,并评价模型的预测效果.方法 首先使用时间序列分解法剔除时间序列的季节变动因素(S_t),然后对剔除季节因素后的时间序列通过模型识别、参数估计及检验、白噪声检验等过程,建立求和自回归移动平均模型(ARIMA),后将S_t和ARI-MA相乘得到预测模型.结果 对朝阳区2008年细菌性痢疾报告发病率建立预测模型为S_t×ARIMA(2,1,3),预测的平均误差为-0.06,平均相对误差为2.32%.结论 时间序列分解法可以利用按"周"统计的数据进行预测,缩短了预测周期,并具有较高的短期预测精度.
关键词： 细菌性痢疾 时间序列 求和自回归移动平均模型 预测 -
应用ARIMA-GRNN模型对肾综合征出血热发病率时间序列数据的预测研究
目的 阐述ARIMA-GRNN模型预测肾综合征出血热发病率的方法和步骤,探讨其在综合征出血热发病率预测中的应用.方法 利用辽宁省1962-2008年的肾综合征出血热发病率时间序列数据作为训练集,建立ARIMA模型和ARIMA-GRNN模型,选取2009-2011年的数据作为检验集,评价模型的拟合和预测效果.结果 ARMA(2,1,1)模型和ARIMA-GRNN模型拟合值的平均误差绝对值分别为1.14和0.77;预测值的平均误差绝对值分别为0.53和0.20.ARIMA-GRNN模型的拟合和预测效果均优于ARIMA模型.结论 ARIMA-GRNN模型能有效模拟、预测肾综合征出血热的发病疫情,具有较强的推广应用价值.
-
动态因子模型在安徽省乙类传染病发病情况分析中的应用
目的 采用动态因子模型分析安徽省近11年常见乙类传染病发病率,为传染病的防控工作提供参考.方法 用Stata 11.0软件基于安徽省2004年1月到2014年12月乙类传染病的发病率建立动态因子模型,通过提取的共同因子来了解传染病发病率的动态趋势.结果 2004-2014年安徽省发病率高的5种乙类传染病依次是肺结核、乙肝、痢疾、疟疾和梅毒,其年均发病率(/10万)分别为73.14,53.79,21.42,16.33和15.25.消化道传染病、呼吸道传染病和虫媒传染病的发病率总体呈下降趋势,模型中消化道传染病共同因子一阶和二阶滞后参数为1.620(P＜0.001)和-0.882(P ＜0.001),呼吸道传染病共同因子一阶和二阶滞后参数为1.242(P＜0.001)和-0.494 (P ＜0.001),虫媒传染病共同因子一阶滞后参数为0.881 (P ＜0.001).经体液传播乙类传染病发病波动较大且呈上升趋势,其共同因子一阶和二阶滞后参数为-1.081(P＜0.001)和-0.440(P =0.008).结论 应重点加强对经体液传播乙类传染病的防控力度,动态因子模型可用于乙类传染病的综合分析.
