首页 > 文献资料
-
指数平滑模型在麻疹发病预测中的应用
目的：探讨指数平滑模型在麻疹发病预测方面中应用。方法通过国家疾病报告管理系统收集医疗机构2004~2012年麻疹月发病数资料。用Eviews6.0软件建立流感和麻疹月发病数的指数平滑预测模型。结果通过模型诊断器建议采用指数平滑模型预测效果较好,其R2=0.856,其实际值与预测值相吻合程度高,说明采用指数平滑模型能很好的预测麻疹。结论指数平滑模型法适用于各种疾病时间序列分析,但对不同疾病的预测效果存在差异,当疾病发病数据趋于平稳时预测效果较好。
-
组合预测模型在梅毒流行病预测中的应用
目的 对我国梅毒流行病进行发病率的预测.方法 对我国2003-2009年梅毒疫情的年发病率数据建立几个预测模型,并分别预测我国2010-2011年梅毒疫情的年发病率.结果 组合预测模型预测结果比单个模型预测结果的精度要高.结论 组合预测模型可以提高预测精度,能够较准确地预测我国梅毒流行病疫情的年发病率情况.
-
ARIMA模型与Holt-Winters指数平滑模型在武汉市流感样病例预测中的应用
目的 探讨比较ARIMA模型和Holt-Winters模型在武汉市流感样病例预测中的应用,为流感防控提供科学依据.方法 利用武汉市2012年1月-2017年6月每周流感样病例比例数据拟合建立ARIMA模型和Holt-Winters指数平滑模型,预测2017年7-8月周流感样病例比例,并与实际流感样病例比例进行比较.结果 ARIMA优模型为ARIMA(1,0,1)×(0,1,1)52,预测的平均相对误差为6.88％,Holt-Winters的优模型为乘法模型,预测平均相对误差为13.79％.结论ARIMA(1,0,1)×(0,1,1)52模型拟合效果较好,预测精度更高,可用于武汉市流感样病例的预测.
-
时间序列模型在流感样病例门诊就诊量监测信息中的应用
[目的]通过建立时间序列模型进一步了解流感样病例门诊就诊量监测所蕴涵的痰情信息.[方法]用SPSS时间序列图(sequence claart)与"Expert Modeler"过程相结合的方法,拟合上述信息的ARIMA模型和指数平滑模型.[结果]建立了流感样病例门诊月就诊量信息的佳模型为单一的季节性模型(指数平滑模型);门诊病人周就诊量信息经过1阶差分变换后,模型为ARIMA(0,0,1)(1,1,0)7.[结论]ARIMA模型可用于流感监测信患的动态分析和短期预测.
-
不同时间预测模型于医院急诊、门诊量预测中的应用
目的 应用指数平滑模型和ARIMA模型对某医院急诊、门诊接待量进行预测分析,比较两种方法并找出优预测模型.方法 应用SPSS20.0中的专家建模器对医院门诊、急诊接待量进行时间预测分析,并预测未来一年的门诊、急诊接待量.结果 急诊接待量预测的优模型为ARIMA模型(0,1,1)(0,1,1),正态化BIC=13.100,MAPE=5.762,R2 =0.858;门诊接待量预测优模型为指数平滑模型,Alpha=0.093,正态化BIC=19.182,MAPE=5.770,R2=0.932,模型拟合良好.两种模型Box-Ljung统计量均不存在统计学意义(P＞0.05),可以认为残差序列可以代表白噪声,说明拟合效果良好.结论 急诊、门诊接待量数据同样具有季节性和趋势性变化,不同模型的敏感性却不尽相同.工作中应该根据具体情况,对数据进行更深入的探索,从而选择优佳模型,减少预测误差,为医院管理决策提供更加准确可信的依据.
