首页 > 文献资料
-
差分自回归移动平均模型及其在寄生虫病等传染病预测中的研究及应用
通过时间序列分析可对传染病的发生、发展进行及时准确地预测预警,对有效防治传染病具有重要意义.该文在分析时间序列分析特点的基础上,就其中精度较高的差分自回归移动平均模型(auto regressive integrated moving average model,ARMIA)的分类和建模过程及其在寄生虫病等传染病预测中的应用等方面进行阐述,以为科研与防治工作者提供参考.
关键词： 时间序列 差分自回归移动平均模型 传染病 -
非稳定性疟区用时间序列模型预测疟疾发病率的可行性研究
目的 探讨应用季节性时间序列ARIMA模型预测非稳定性疟区疟疾发病率的可行性.方法 应用SPSS13.0软件对淮河流域河南省桐柏县及安徽省怀远县1998-2005年逐月发病率进行ARIMA建模拟合:按照残差不相关和简洁的原则确定模型结构,依据赤池信息准则(AIC)与贝叶斯信息准则(BIC)确定模型的优度.用所得模型预测2006年两县的月发病率,比较预测值与实际值,检验预测效果;再以1998-2006年的发病率数据构建ARIMA模型,预测2007年疟疾发病率.结果 模型ARIMA(1,0,0)(0,1,1)12的自回归参数(AR1=0.512)与季节平均移动参数(SMA1=0.609)均通过了统计学检验(P＜0.01),AIC=67.01,BIC=71.87,模型残差为白噪声(P＞0.05);该模型很好地拟合了既往时段上的发病率序列,2006年各月疟疾发病率预测值符合实际发病率的变动趋势.预测2007年的疟疾发病率为106.50/10万,发病高峰在7～10月份(占总发病的74.81%) 结论 ARIMA模型可以很好地模拟疟疾发病率在时间序列上的变动趋势,可用于预测未来的疟疾发病率进行,是一种短期预测精度较高的预测模型.
-
利用时间序列的相空间重构技术研究不同糖调节人群血糖波动的变化
应用动态血糖监测系统对66名受试者[正常糖耐量(NGT)组24名、糖调节受损(IGR)组18例,2型糖尿病组24例]进行动态血糖监测,利用Takens嵌入理论将监测数据对应的时间序列嵌入到二维欧氏空间中,通过MATLAB数学软件绘制血糖相图,并计算相图面积及其中心距,分析不同糖调节人群的血糖波动和平均水平情况.结果显示,3组人群之间体重指数、收缩压、舒张压、低密度脂蛋白胆固醇、高密度脂蛋白胆固醇、甘油三酯、总胆固醇、肌酐和谷丙转氨酶的差异均有统计学意义(均P＜0.05)；2型糖尿病组的HbAIC、空腹血糖(FPG)、餐后2h血糖(2hPG)及血糖相图面积、相图中心距明显高于IGR和NGT组(均P＜0.01),IGR组的FPG、2hPG及血糖相图面积、相图中心距高于NGT组(均P＜0.01)；3组人群的FPG、2hPG均与血糖相图面积、相图中心距相关(均P＜0.01).这些结果提示血糖相图面积和中心距可以较好地反映受试者的血糖波动和平均水平情况.
-
处方点评制度对门急诊抗菌药物处方比例的影响
目的 利用时间序列分析方法动态研究处方点评前后门急诊抗菌药物处方比例的变化和趋势,探讨处方点评制度是否能够有效持续改善抗菌药物的使用.方法 统计处方点评制度实施前(2008年1月到2011年9月)和实施后(2011年10月到2015年6月)每月的门急诊抗菌药物处方占门急诊总处方的比例,建立时间序列的数据库,并对数据进行分段回归分析并建立模型,统计2015年7月至2016年12月的门急诊抗菌药物处方比例数据,进行模型的预测分析,评估处方点评制度的作用效果.结果 通过数据的分析,发现实施处方点评制度,使门急诊抗菌药物处方比例立即下降5.658％ (P＜ 0.000 1);随着时间的推移,抗菌药物处方比例呈不断下降趋势,月下降0.504％(P＜0.000 1),回归模型预测精度较高.结论 处方点评制度的实施降低了门急诊抗菌药物处方比例,对医师的处方行为产生了持续性的改进和远期效果.
-
基于时间序列表达数据基因调控网络模型的研究进展
基因间的调控是随时间、环境变化的动态事件,基因调控网络是一个连续而复杂的动态系统,基于时间序列的基因组DNA微阵列为研究者提供了构建动态调控网络的工具.本文介绍几种基于时间序列基因表达数据调控网络模型(时序布尔网络、微分方程、动态贝叶斯等),分析几种模型的优缺点,并展望未来的研究趋势.
-
细菌性痢疾自回归滑动平均和非线性自回归组合模型预测研究
目的 探讨单纯自回归滑动平均(autoregressive integrated moving average,ARIMA)模型与ARIMA和非线性自回归(nonlinear autoregressive,NAR)组合模型在细菌性痢疾预测中的应用.方法 利用江苏省2004年1月至2015年2月的细菌性痢疾数据作为拟合样本,以2015年3月至2016年5月的数据作为预测样本;建立的模型分别为单纯ARIMA模型和ARIMA-NAR组合模型,然后根据2个模型的平均绝对误差(mean absolute error,MAE)、均方误差(mean square error,MSE)和平均绝对百分比误差(mean absolute percentage error,MAPE)比较模型的效果,其值越小模型效果越好.结果 在模型的拟合阶段,单纯ARIMA模型的MAE、MSE和MAPE分别为0.177 5、0.081 4和0.184 7,ARIMA-NAR组合模型分别为0.094 1、0.029 5和0.104 6.在模型的预测阶段,单纯ARIMA模型的MAE、MSE和MAPE也分别大于ARIMA-NAR组合模型.结论 ARIMA-NAR组合模型对于江苏省细菌性痢疾发病率时间序列的预测效果优于单纯ARIMA模型.建议尝试使用ARIMA-NAR组合模型预测细菌性痢疾的发病率.
-
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.
-
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,x2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)ε1,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.
关键词： 自回归求和移动平均(ARIMA)乘积季节模型 时间序列 甲肝 -
1997-2016年宿迁市麻风流行趋势及时间序列分析
目的 建立宿迁市麻风流行预测模型.方法 收集1997-2016年历年麻风病季报表、全国麻风病防治管理信息系统(lepmis)中数据,建立宿迁市麻风季度患病数时间序列,应用ARIMA乘积季节模型建模,用2016年数据检验模型,并开展2017年疫情预测.结果 宿迁市1997-2015年麻风季度患病数ARIMA优模型为ARIMA(1,0,0)(2,1,0)4,2016年麻风各季度期间患病数真实值落在根据该模型预测值95%可信区间范围内.结论 建立的ARIMA模型,可有效预测麻风流行形势,为麻风病防控决策提供科学依据.
-
ARIMA模型与指数平滑法模型预测肺炎发病率效果比较
目的 比较ARIMA模型与指数平滑法模型预测肺炎发病率的效果.方法 应用SPSS 19.0软件,对2010年1月-2015年6月深圳市宝安区肺炎病例发病率进行ARIMA模型和指数平滑模型的建模,比较两种模型预测效果,并用较好者对2015年10-12月的肺炎发病率进行预测.结果 ARIMA(0,1,1)模型的平均误差百分比为1.5％,低于布朗线性趋势模型(5.00％),拟合效果较好.以ARIMA(0,1,1)模型预测2015年10-12月宝安区两种模型预测平均相对误差百分比肺炎发病率分别为1.02/10万、1.00/10万、0.98/10万.结论 与指数平滑模型相比而言,ARIMA模型拟合宝安区肺炎发病率效果较好,可考虑联用其他模型加强预测精度.
-
应用ARIMA-GRNN模型预测深圳市宝安区流感样病例发病率
目的：建立预测流感样病例发病率的ARIMA-GRNN模型,并验证其可行性。方法应用SPSS 19．0软件,对2010年1月-2015年9月宝安区流感样病例月发病率进行模型拟合,并应用MATLAB 7．0 联合GRNN模型进行误差修正。以2014年10月-2015年9月月流感样病例发病率作为考核样本评价模型预测效果,并预测2015年10-12月月流感样病例发病率。结果 ARIMA(2,1,0)(0,1,1)12拟合2010年1月-2015年9月宝安区每月新增感染率的变动趋势较为理想,联合GRNN模型后,预测结果与实际值相对误差大值为3．12%,小为2．00%；结论 ARIMA(2,1,0)(0,1,1)12-GRNN模型在宝安区流感样病例发病率短期趋势的预测与实际发病率吻合,拟合效果较好。
-
海门市原发性肝细胞癌死亡率时间趋势分析
目的:20世纪80年代以来,海门市实施以改水、管粮、预防乙肝为主要内容的环境因素干预措施进行肝癌防治,肝癌发病率有所下降.为分析1969年～2001年海门市肝癌死亡率的变动趋势是随机因素造成抑或干预措施所致,开展了本次研究.方法:本文应用游程检验法(建立ARIMA模型拟合)和线性趋势检验法(ASTSA For Windows软件和SPSS10.0软件)对肝癌死亡率的时间序列进行平稳性检验和死亡率趋势的显著性检验.结果:海门市1969年以来肝癌死亡率波动于33.18/10万～74.66/10万之间,1969年～1979年平均递增速度为4.04%;1979年～1989年递增速度为3.66%;1989年～2001年递增速度为-2.30%.海门市1969年～2001年肝癌死亡率的时间序列是非平稳的,1990年以后死亡率下降趋势有统计学意义.结论:海门采取的环境因素干预综合防治措施对预防肝癌有一定的实际价值.
-
成都市蟑螂密度的小波分析
目的 对9年内成都国家病媒监测点室内蟑螂密度数据的时间序列进行小波分析,以得出该地区蟑螂密度的变化特征.方法 使用Matlab 8.3软件小波分析工具,将2007-2015年报告的成都分月蟑螂密度按照城区和郊区分别使用Morlet复小波函数进行连续小波变换,并计算小波系数.结果 成都蟑螂密度具有18个月时间尺度的主振荡周期.小波系数为城区:-2.147 3 +3.213 li～3.385 2 +2.764 0i;郊区:-4.491 0+0.457 6i ～24.879 6-9.808 2i.结论 小波分析可用于蟑螂密度变动研究.
-
ARIMA模型在疟疾发病率预测中的应用
目的 应用自回归求和移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)进行湖北省本地疟疾发病率预测.方法 应用SPSS 13.0软件对2004-2009年湖北省本地疟疾发病率构建ARIMA模型,并以2010年发病率数据检验模型,评价模型拟合及预测效果.结果 经检验确认ARIMA(1,1,1)(1,1,0)12模型拟合效果相对优,AIC=76.085,SBC=84.395,发病率实际值均在预测值的95％可信区间内,表明模型预测效果较好.结论 ARIMA模型可对湖北省本地疟疾发病率进行较好的拟合和预测.
-
多时相中巴资源卫星遥感图像应用于钉螺孳生地水体监测
目的 探讨基于多时相中巴资源卫星02星(CBERS-02)数据监测钉螺孳生地水体变化的可能性.方法 收集湖南省安乡县2003-12-20、2004-02-10、2004-04-02、2004-06-19、2004-08-10和2004-10-27 6幅连续的双月间隔的CBERS-02影像,基于归—化水体指数提取各时相河流和洲滩水体,计算水域面积,确定遥感时相.结果 安乡县河流和洲滩水体的动态变化基本符合“冬陆夏水”的规律,6月因为涨水,水域面积达到大,8月开始下降,4月面积小.丰水期和枯水期的遥感图像分别确定为6月和4月.结论 多时相遥感数据可以动态监测河流和洲滩水体的变化,有助于正确选择丰水期和枯水期影像数据,为其他研究选择遥感图像提供了方法学参考.
-
一氧化碳与卒中：环境空气污染与急诊卒中住院的时间序列研究
近的实验和临床研究表明，低浓度外源性一氧化碳（ carbon monoxide, CO ）在某些情况下可能具有有益的神经保护作用。然而，对环境相关CO暴露进行的基于人群的流行病学研究得出了不同的结果。中国香港大学李嘉诚医学院公共卫生学院的T ian等进行了一项时间序列研究，旨在探讨环境C O与急诊卒中住院的短期关联。
-
甲型H1N1流感病毒HA基因的简单重复序列预测
目的:探讨应用ARIMA模型对甲型H1N1流感病毒血凝素(hemagglutinin,HA)基因简单重复序列(simple sequence repeats,SSRs)的相对丰度和相对密度值进行预测的可行性,为防控流感流行制定措施提供科学依据.方法:应用Eviews 6.0软件对1970～2007年38条同源性相对较高的甲流H1N1流感病毒HA核苷酸序列中SSRs的相对丰度和相对密度进行拟合,建立时间序列模型,用模型对2008～2010年SSRs的相对丰度和相对密度进行预测,并用实际数据评估模型预测效果,进而预测2011年数据.结果:ARIMA模型较好地拟合了既往相对丰度和相对密度的实际序列,对2008～2010年的相对丰度和相对密度的预测也获得了较好的预测效果.结论:ARIMA模型能较好地模拟甲型H1N1流感病毒HA基因中SSRs的相对丰度和相对密度的变动趋势,可用于SSRs相对丰度和相对密度值的短期预测和动态分析.
关键词： 时间序列 ARIMA模型 简单重复序列 甲型H1N1流感病毒 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.
关键词： ARIMA乘积季节模型 时间序列 甲肝 预测 -
江苏省戊型肝炎发病趋势的时间序列模型应用
目的:探讨ARIMA模型在戊型肝炎发病预测方面的应用,为戊型肝炎的早期预警提供决策依据.方法:应用Eviews5.0软件对1997～2009年江苏省戊型肝炎月发病数据进行模型拟合,建立时间序列分析模型,用模型对2010年戊型肝炎逐月发病数进行预测分析,并用2010年的实际发病数据评估模型预测效果.结果:ARIMA模型较好地拟合了既往戊型肝炎的实际发病序列,残差序列通过了白噪声检验(P＞0.05),对2010年各月发病数进行预测也获得了较好的预测效果.结论:ARI-MA模型能较好地模拟江苏省戊型肝炎的发病趋势,可用于戊型肝炎疫情的短期预测和动态分析.
-
象山县麻疹疫情监测及时间序列分析
目的：应用时间序列模型对象山县麻疹疫情进行分析和预测。方法采用描述流行病学方法分析象山县2002—2013年麻疹疫情监测数据，并对该序列资料进行平稳化、定阶并估计参数；建立时间序列模型，以2014年发病资料作为模型预测效果的考核样本来评价模型可靠性。结果象山县麻疹发病率自2008年明显上升后，一直维持较低水平，但有小幅波动，且疫情按月分布没有明显集中性。对麻疹发病数序列建立 ARMA 模型，并应用该模型预测已知的2014年1—4月份麻疹发病数，模型预测值与实际值基本一致，且实际值均处于预测值95％的可信区间内。结论ARMA 模型对象山县麻疹发病情况的拟合结果满意，预测效果良好，可为该县麻疹的预测预警提供依据。
