首页 > 文献资料
-
基于时间序列模型的我国中药出口预测分析
利用1994-2016年我国中药出口数据预测未来几年我国中药出口的走势,并从供需角度分析我国中药出口现状.基于时间序列ARIMA模型研究方法,通过序列平整性检验、模型识别、验证、预测等步骤,建立优模型.ARIMA(3,2,3)模式是预测中药出口趋势的优模型,利用该模型得出我国2017-2020年的中药出口额的预测额分别是36.87、43.63、48.50、49.65亿美元.后分析我国的中药出口供给份额、结构上存在的问题,我国的中药供给没有正确认识国际市场的需求,并提出我国的中药出口应抓住“大健康”环境与“一带一路”倡议的机遇.
-
自动回归移动平均混合模型对重症肺炎患者日均住院费用月份变化趋势分析及预测价值
目的 探讨自动回归移动平均混合模型(ARIMA)对重症肺炎患者日均住院费用月份变化趋势拟合及预测价值.方法 回顾性分析成都大学附属医院2013年7月-2015年6月重症肺炎患者80例,以月份为单位,采用ARIMA模型对患者日住院费用数据进行分析和预测,用Box-Ljung法分析平均预测相对误差作为预测效果的评价指标.结果 重症肺炎患者日均住院费用数据进行平稳化检验、差分、模型识别、获得ARIMA(0,1,0)为适模型,拟合效果检验显示,预测值与实际值吻合程度较高,模型拟合效果良好.结论 ARIMA模型可较好地分析和预测重症肺炎患者日均住院费变化趋势.
-
采用ARIMA模型对河北省保定市手足口病发病的预测分析
目的 采用自回归滑动平均模型 (autoregressive integrated moving average model,ARIMA) 对保定市手足口病发病预测进行模型构建,探索该市传染病预测的方法.方法 利用软件SPSS 13.0,对保定市2009-2015年手足口病逐月发病数进行ARIMA建模和拟合,筛出优模型,对2016年1～10月的发病数进行预测并评价效果.结果 ARIMA (0,1,1) × (1,1,0) 12为适模型,对保定市2009-2015年手足口病发病数进行了很好的拟合,残差是白噪声序列,对2016年1～10月发病数的预测值均落入相应的95％可信区间,再现了手足口病的季节模式.结论 ARIMA模型很好的拟合了保定市手足口病在时间序列上的变化趋势,可用于疫情的动态分析和短期预测.
-
石家庄市手足口病疫情短期预测模型
目的 采用时间序列分析中的ARIMA模型与均数移动平均法相结合的方法对2010年石家庄市手足口病报告信息进行综合预测,为该病防控提供科学依据.方法 用SPSS时间序列图(sequence chart)与“Expert Modeler”过程相结合的方法,拟合上述信息的ARIMA模型；在分析病例就诊时间特征的基础上,使用均数移动平均法将发病时间后移相应时间,获得其网络直报疫情模型.结果 建立了手足口发病规律模型ARIMA (0,1,1),分析发现95％病例发病至网络直报间隔时间为6d,在ARIMA (0,1,1)预测基础上,使用均数移动平均法将预测病例发病时间后移6d,获得其网络直报疫情模型.结论 ARIMA模型与均数移动平均法相结合的方法可用于手足口病信息的动态分析和短期预测.
-
ARIMA模型在河北省邯郸市手足口病发病预测中的应用
目的 应用ARIMA模型预测探索邯郸市手足口病疫情,为该市手足口病的预测和预警提供科学依据.方法 用SPSS 13.0建立2010-2015年邯郸市手足口病逐月疫情资料数据库,用ARIMA相关模型进行建模拟合并进行预测分析.结果 ARIMA(0,1,0)×(2,2,0)12能较好地拟合疫情数据,以此模型预测2016年1～8月疫情,可见模型拟合效果很好,预测的动态趋势与实际情况基本一致.结论 ARIMA模型可以很好地拟合邯郸市手足口病发病数的变化趋势,可用来预测未来疫情,为手足口病防控工作提供依据.
-
乌鲁木齐市暗娼人群艾滋病哨点监测分析及流行趋势预测
目的 分析乌鲁木齐市暗娼人群HIV感染危险因素,预测流行趋势,为防治工作提供科学的参考依据.方法 利用乌鲁木齐市2009-2016年暗娼人群艾滋病感染率数据,采用logistic回归分析暗娼人群感染HIV的危险因素和近一个月每次与客人发生性行为都使用安全套的影响因素,应用ARIMA模型,预测乌鲁木齐市暗娼人群2017-2019年HIV感染率.结果 暗娼人群HIV感染率为0.47％;多因素logistic回归分析结果显示:高的文化程度、艾滋病知识知晓与“近一个月每次与客人发生性行为都使用安全套”呈正相关;离异或丧偶(x2 =3.00,95％CI:1.26～7.15),维吾尔族(x2=36.02,95％CI:14.01～92.63),吸毒(x2=9.33,95％CI:1.95～44.74)是感染HIV的危险因素.ARIMA模型(1,0,0)预测的2017-2019年HIV感染率为分别为0.35％、0.39％、0.41％.结论 运用ARIMA(1,0,0)模型模拟和预测暗娼人群HIV感染率在时间序列上的变化趋势较为方便适用,乌鲁木齐市应针对暗娼人群开展持续有效的行为干预.
-
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SPSS 17.0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.
-
运用时间序列模型分析新发传染病网络舆情变化规律的研究
目的 了解新发传染病引起的网络舆情变化的趋势和规律, 为舆情监测预警和实施早期舆论引导提供针对性的依据及方向.方法 利用百度指数收集网络用户对寨卡、埃博拉两起新发传染病疫情报告后相关信息的搜索量, 形成时间序列数据, 应用ARIMA模型对数据分析并建立预测模型, 对建立的预测模型进行参数估计、模型诊断、模型评价和比较, 选择优预测模型.结果 网络舆情前驱期平均4 d, 暴发期平均9.5 d, 波动期平均13.5 d, 消退期平均29 d, 到达峰值的时间平均12.5 d.广州市寨卡相关舆情拟合的ARIMA (3, 1, 0) 模型和全国寨卡相关舆情拟合的ARIMA (1, 1, 1) 模型的赤池信息准则 (AIC) 分别为747.85和689.81, 预测的误差的标准差 (SDE) 分别为27.05和1388.97;埃博拉相关舆情拟合的ARIMA (3, 2, 1) 模型和全国埃博拉相关舆情拟合的ARIMA (3, 2, 1) 模型的AIC分别为850.05和1 150.65, 预测的SDE分别为70.87和1 283.21.结论 舆情搜索量与该传染病在本地是否出现病例、发病规模、疾病严重程度有关, 疾病预防机构在疫情舆情发展中的暴发期进行疾病宣教效果更好, ARIMA模型能较好地模拟新发传染病网络舆情变化趋势, 且局部地区的数据拟合模型预测效果优于全国数据拟合模型.
-
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。
-
某市级中医院门诊量ARIMA分析及对策研究
目的 了解某院门急诊量的发展趋势,探讨如何增加门急诊量.方法 运用SPSS22.0软件对医院近十年的门急诊量进行ARIMA模型拟合,预测未来三年的门急诊量.结果 模型预测精准度较高,门急诊量逐年上升,具有明显的季节性和周期性,但少于国家标准.结论 中医院要采取措施增加门急诊量,发挥中医优势,为科学管理提供参考依据.
-
甘肃省哨点医院流感样病例ARIMA模型预测
自回归滑动平均混合(autoregressive integrated moving average,ARIMA)模型在部分传染病中的应用研究结果表明,其拟合效果好,预测效果可靠,能较好地辅助传染病的预防与控制[1-5].流行性感冒(简称流感)是严重威胁人类生命的急性呼吸道传染病之一,其流行具有周期性.对流感监测并开展有效的预测分析对于认识流感流行规律和预防流感流行起着至关重要的作用.甘肃省自2006年以来开始实施较为系统的流感症状监测,形成了较稳定的流感监测网络.本研究利用甘肃省2006-2010年流感哨点监测信息,采用描述性研究和预测性研究的方法,建立流感样病例ARIMA预测模型,探讨其不同时期的预测效果,为甘肃省流感防控工作开展有效的预测提供技术支持.
-
含有重度缺失的多维时间序列补缺方法及其在环境监测中的应用
目的探讨解决环境污染监测资料中含有重度缺失的多维时间序列的补缺问题.方法构造带有ARMA误差的线性方程组模型对缺失值进行迭代估计,通过基于带有输入序列的AR(1)模型的模拟研究和基于CO等环境监测数据的应用研究,与其他常用的3种补缺方法,即多元线性回归、单个ARIMA模型和3次样条插值法相比较,分析各方法的优劣.有关计算用SAS统计软件编程实现.结果带有ARMA误差的线性方程组模型方法明显优于其他3种方法.结论本研究提供的方法适合解决含有重度缺失的多维时间序列补缺问题,可以在环境监测领域应用.
-
GM(1,1)灰色模型和ARIMA模型在我院季度入院人数预测中的比较分析
目的 对GM(1,1)模型和ARIMA模型在季度入院人数预测中的效果进行比较.方法 利用2000-2010年我院季度入院人数分别建立GM(1,1)灰色预测模型和ARIMA模型,对建立的模型进行拟合.同时,对2011年的季度入院人数进行预测,采用2011年的实际季度入院人数验证两种模型的预测效果,评价指标为平均相对误差和平均绝对值误差.结果 针对我院入院人数建立的GM(1,1)模型和ARIMA模型的决定系数分别0.902和0.94;2000年-2010年的拟合平均相对误差分别为8.69％和6.72％,平均绝对值误差分别为325和270.对2011年进行预测,预测值与实测值的平均相对误差分别为9.06％和6.56％,平均绝对值误差分别为581和443.结论 ARIMA模型对于样本大于30以及隐含季度性周期性变化趋势的资料比GM(1,1)模型具有明显的预测优势,对解决时间序列类型的入院人数等资料有科学的实用价值.
-
非平稳相关控制图的构建及其在水质监控中的应用
目的 研究相关数据控制图的构造方法.方法 实际工作中常用控制图的基本假设前提是观测值独立同分布,而生产过程中,观测值常出现非独立现象,数据本身也有可能呈相关情形,进而违背了独立性假定.本文分析在相关数据条件下,使用常规控制图进行监控所产生的偏差及对控制过程的影响,提出相关数据的模型拟合方法.结果 当过程序列相关时,使用常规作图法估计出的标准差是有偏的,致使控制限设置错误、误判情况大量增加和控制图检测能力降低,从而终导致质量控制成本上升.结论 给出构造相关数据控制图的方法和流程,采用水质监控的实例分析说明这种方法的有效性.
-
基于ARIMA模型的我国卫生总费用趋势及构成预测分析
目的 通过对1978-2016年我国卫生总费用变化趋势及构成的分析,对2017-2021年卫生总费用的变化及构成进行预测,为卫生政策的调整提供科学依据.方法 基于ARIMA对我国的卫生总费用、政府卫生支出、社会卫生支出、个人卫生支出进行分析与预测.结果 卫生总费用逐年增长,增速有所下降,卫生总费用筹资结构逐渐优化,个人医疗负担不断降低.结论 应不断深化医药卫生改革,控制卫生总费用增长,加大政府卫生投入,拓宽社会卫生筹资来源.
-
应用ARIMA模型预测麻疹发病率的可行性研究
目的 探讨应用时间序列ARIMA模型对麻疹发病预测的可行性,为银川市传染病发病预测提供科学依据.方法 采用Eviews 6.0对银川市2004-2008年麻疹月发病数的资料建立ARIMA模型,用单位根检验法对模型的适应性进行检验,并回代验证其有效.结果 建立模型ARIMA(1,2,0) ×(1,2,0)12是合适的,R2=0.625,其预测值与实际值相吻合程度高.结论 ARIMA模型能很好地模拟银川市麻疹发病率的变动趋势,预测效果满意.
-
广州某院门诊量的ARIMA模型预测
目的 对门诊量序列进行预测,分析预测效果.方法 采用时间序列ARIMA模型,对原始门诊量序列和调整1～2月门诊量后的序列进行预测,并在调整预测值基础上计算2月份的校正预测值.结果 调整后序列的相对预测误差绝对值均值为3.84,明显小于原始序列的相对预测误差绝对值均值7.10.结论 调整1～2月门诊量序列的预测效果明显优于原始门诊量序列的预测效果.
-
时间序列分解法在我国食物中毒发病人数预测中的应用
目的 对ARIMA模型和时间序列分解预测方法在我国食物中毒发病人数预测中的效果进行比较,探讨优化模型,为更好地了解我国食物中毒发病人数提供预警和参考依据.方法 收集2000-2013年我国食物中毒季度发病人数,用Excel 2003和SPSS 20.0拟合ARIMA模型和时间序列分解预测模型,用2013年的数据评价模型的预测效果,并对2014年各季度食物中毒发病人数进行预测.结果 两种方法预测食物中毒发病人数的R2分别是0.355和0.919;MRD分别为34.350％和14.507％;MER分别为0.303和0.110;MSE分别为293505.000和43570.000;RMSE分别为541.761和208.736;MAE分别为413.500和149.500;预测的2014年各季度食物中毒发病人数依次为387、1020、1357、606.结论 时间序列分解法预测效果优于ARIMA模型,可以用来预测我国食物中毒的发病人数,预测效果可靠.
-
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.
-
ARIMA模型在河南省梅毒月发病率预测中的应用
目的 应用自回归移动平均模型(auto-regressive integrated moving average,ARIMA)建立河南省梅毒月发病率预测模型,为制定梅毒防控措施提供参考依据.方法 应用SPSS15.0统计软件包对河南省2006年1月至2011年12月梅毒月发病率进行ARIMA模型拟合,依据BIC准则确定模型的阶数.利用终模型预测2012年1月至5月梅毒月发病率,比较预测值和实际值,检验预测效果.结果 ARIMA(3,1,0)(0,0,1)12模型能够较好地拟合及预测梅毒月发病率,具有较高的预测精度,模型所得结果与实际值非常接近,实际值均在预测值的95％可信区间范围内.结论 ARIMA模型能较好地模拟梅毒发病率在时间序列上的变化趋势,可用于预测梅毒的发病率趋势,为制定其防控措施提供科学依据.
