基于ARIMA乘积季节模型的襄阳市公交客流量分析

文章对襄阳市的公交客流量分析问题进行了研究,通过数据挖掘进行建模,旨在实现多维度的客流规律分析。其中,首先以襄阳市“名人城市酒店”公交站点为客流量调查数据源,通过数据预处理来确保襄阳市公交客流量数据的质量和适用性,以此为基础来建立时间序列模型;其次从线网枢纽站客流变化规律出发,借助ARIMA乘积季节模型进行平稳性处理、识别、诊断和检验,从而获取较为准确的客流预测结果。

ARIMA乘积季节模型及其在传染病发病预测中的应用

本文研究乘积季节模型在传染病发病情况预测中的应用,并探讨提高模型准确性和实用性的途径.以1980年1月至2000年7月江苏省肾综合征出血热发病资料建立模型,以2000年的发病资料作为模型预测效果的考核样本.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,建立乘积季节模型,最后对预测结果进行检验和分析.从而更好地掌握未来疫情动态发展趋势.检验结果表明,用乘积季节模型对肾综合征出血热月发病情况的拟合结果满意,预测效果良好.

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。

自回归求和移动平均乘积季节模型在西安地区出生缺陷预测中的应用

目的应用自回归求和移动平均(ARIMA)乘积季节模型预测西安市出生缺陷的发生率。方法利用2009年10月至2015年8月出生缺陷监测数据对西安市出生缺陷发生率数据构建ARIMA乘积季节模型,同时利用2015年9月至12月实际出生缺陷发生率与模型拟合数据进行比较,评价模型的预测性能,并预测西安市2016年的出生缺陷发生率。结果西安市出生缺陷的发生率具有一定的趋势及季节性,建立了ARIMA(0,0,1)(0,1,1)12乘积季节模型,利用2015年9月至12月拟合值与实际出生缺陷发生率比较,绝对误差的平均9.5,相对误差的平均0.084,提示ARIMA(0,0,1)(0,1,1)12乘积季节模型具有较佳的预测能力。预测2016年西安市出生缺陷发生率与2015年接近,总体略有抬升,但峰值下降。结论 ARIMA(0,0,1)(0,1,1)12乘积季节模型可用于西安市出生缺陷发生率的预测。

2004-2015年中国狂犬病发病数据ARIMA乘积季节模型的建立及预测

目的了解我国大陆地区2004-2015年狂犬病的发病情况,建立狂犬病发病的时间序列模型,利用模型进行短期预测,为狂犬病的预防和控制提供参考。方法通过查阅2004-2015年每月的《中华人民共和国卫生和计划生育委员会公报》,获得狂犬病发病的月统计数据,利用2004-2014年的数据建立ARIMA乘积季节模型,并利用建立的模型预测2015年数据,与实际发病数据比较。结果中国2004-2015年总计报告狂犬病25561例,年平均发病率为0.1592/10万,总计报告死亡病例22196例,年平均死亡率为0.1383/10万,2004年-2007年,狂犬病的发病人数和死亡人数逐年上升,2008年至2015年,持续下降。狂犬病具有一定的季节趋势,其中夏秋季节报告发病人数较多,而冬春季节发病人数较少。根据2004-2014年发病资料建立的最优时间序列模型为ARIMA(0,1,1)(0,1,1)12,模型预测2015年发病人数为764,相对误差7.73%。结论我国大陆地区狂犬病发病在2007年达到峰值之后,之后年发病率持续降低。ARIMA乘积季节模型能很好地拟合狂犬病发病的长期趋势和季节趋势,回代拟合和短期预测效果较理想。

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,采用非条件最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,χ2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)εt,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。

基于ARIMA乘积季节模型的新疆喀什百日咳流行趋势分析

目的采用时间序列分析方法建立ARIMA乘积季节模型,拟合具有趋势性和季节性的2008-2015年新疆喀什地区百日咳的每月新发数量并作短期预测,为百日咳的预防与控制提供决策依据。方法以百日咳的每月新发病数为原始序列,用差分和季节差分方法对序列做平稳化操作,用具有季节性的自回归移动平均(ARIMA(p,d,q)(P,D,Q)s)模型拟合序列,根据ACF和PACF图对模型定阶并估计参数,再对模型及其参数进行显著性检验,应用残差和AIC和SBC进行评价,建立最优ARIMA乘积季节模型。结果用ARIMA(2,1,2)(0,1,1)_(12)模型模拟2008年1月-2015年6月百日咳每月新发数量,模拟的MAPE=52.05,值稍偏大,但在可接受的范围内。再用该模型预测出2015年7-12月的百日咳每月新发数量,MAPE=18.05,模型预测效果较好。最后用该模型预测2016年的百日咳每月新发病数,发现2016年新疆喀什百日咳新发病数仍处于较高水平,最大值出现在8月,新发病数为87(28,146)。结论 ARIMA(2,1,2)(0,1,1)_(12)模型可用于拟合并且短期预测新疆喀什地区百日咳新发数量,为相关政府部门提供可靠信息。

恶性肿瘤住院量与住院费用的ARIMA乘积季节模型预测研究

目的探讨自回归求和移动平均(ARIMA)乘积季节模型在恶性肿瘤住院量与住院费用中的应用,为医院恶性肿瘤业务管理提供科学依据。方法收集某院2007-2016年逐月恶性肿瘤住院患者资料,采用ARIMA乘积季节模型对2007-2015年逐月恶性肿瘤的住院人次和住院费用进行模型拟合,用2016年逐月数据评价其预测效果,并预测2017年恶性肿瘤逐月住院人次与住院费用。结果 ARIMA(0,1,1)(1,1,0)_(12)是恶性肿瘤住院人次与住院费用的最佳拟合预测模型,拟合相对误差分别为1.1%和1.47%。根据ARIMA(0,1,1)(1,1,0)_(12)预测结果,2017年恶性肿瘤住院量将达7631人次,住院费用将达3.36亿元。结论 ARIMA季节乘积模型能很好地应用于医院业务管理预测中。

自回归求和移动平均乘积季节模型在我国布鲁菌病短期月发病人数预测中的应用

目的研究我国布鲁菌病（布病）月发病人数的趋势性和季节性,探讨自回归求和移动平均（ARIMA）乘积季节模型预测我国布病短期月发病人数的效果。方法收集2004年1月—2015年5月我国布病月发病人数（共137组）,进行时间序列分析。数据来自国家卫生和计划生育委员会公布的疫情监测数据。观察我国布病月发病人数的趋势性和季节性,以我国2004—2013年的布病月发病人数作为训练样本,拟合ARIMA乘积季节模型;用2014年1月—2015年5月的发病数据作为校验样本,验证模型;确定最优模型后,预测2015年6—12月我国布病月发病人数。结果 2004—2008年我国布病月发病人数相对平稳,从2009年以后有了明显的上升趋势。从季节性来看,每年的6、7、8月属高发病期,每年的1月和12月处于全年的最低发病期。选取的最优模型为ARIMA（0,1,0）（1,1,0）12,其平均绝对百分误差（MAPE）=13.60,决定系数（R2）=0.881;对模型进行参数显著性检验,一阶季节自回归项（SAR）参数估计值=-0.292,P=0.048。运用ARIMA（0,1,0）（1,1,0）12对2015年6—12月我国布病月发病人数进行预测,其预测值分别为7 709、7 524、6 113、4 458、3 450、3 576、3 760例。结论从2009年以后,我国布病月发病人数有明显的上升趋势;季节性表现在6~8月为高发病期,12月至来年1月为低发病期。ARIMA乘积季节模型拟合我国布病月发病人数的时间序列模型精度较高,可以用来预测我国布病短期月发病人数。

基于ARIMA乘积季节模型的矿井涌水量预测研究

为提高煤矿对矿井涌水量预测的准确性,基于ARIMA季节乘积模型,提出一种新的矿井涌水量的预测方法,通过普通差分和季节差分保证矿井涌水量时间序列的平稳化,以模型定阶、参数估计和假设检验等过程建立合适的乘积季节模型ARIMA(2,1,1)(1,1,1)_(12)。利用该模型对某煤矿2015年各月的涌水量进行预测,得出预测结果,并与实测数据进行了对比分析。研究结果表明:预测结果与实际数据最大误差为3.43%,最小误差仅为0.77%,与实测数据有较好的拟合,预测效果较好,能够很好地满足煤矿实际需求,验证了乘积季节模型可以对矿井涌水量的能做出准确预测,为煤矿生产中涌水量预报和水害防治工作提供了新的思路。

ARIMA乘积季节模型预测我国戊肝的发病趋势

目的:根据戊型肝炎(戊肝)季节性、趋势性流行现象,建立求和自回归移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型对我国戊肝发病进行预测。方法:应用SPSS23.0软件对2004年1月—2018年6月我国戊肝传染病疫情月度数据建模,对2018年下半年戊肝发病数进行预测,以该时段疫情数据评估模型的预测效果。结果:将ARIMA(2,1,0)(0,1,1)12和ARIMA(0,1,2)(0,1,1)12两个模型预测的平均值作为预测值,预测结果的平均相对误差为4.69%,标准差为3.27%。结论:ARIMA乘积季节模型拟合及预测效果良好,能够较好地描述该时段我国戊肝的发病趋势,为戊肝预防控制措施的制定以及卫生资源的合理配置提供一定的科学依据。

基于ARIMA的乘积季节模型在城市供水量预测中的应用

随看我国经济快速增长、居民收入水平的显著提高,城市供用水量快速增长。本文以成都市2006年至2010年2月供水量数据为基础,在剔除了长期趋势及季节因素后,对其残差序列进行分析和识别,建立了城市月供水量的乘积季节模型ARIMA(3,1,1)(1,1,1)12,并根据此模型对2010年全年月供水量进行预测,拟合效果良好。

ARIMA乘积季节模型在河南省风疹疫情预测中的应用

目的建立自回归求和移动平均(ARIMA)乘积季节模型,探讨其在河南省风疹发病趋势预测应用中的可行性。方法收集河南省2004—2013年报告的各月风疹病例数,建立ARIMA乘积季节模型,用2014年1—12月报告的风疹病例数,验证模型预测效果。结果河南省2004—2013年报告的风疹病例数呈现明显的季节效应,2009年前呈现逐年增多的趋势,2009年后呈现逐年减少的趋势;模型ARIMA(1,0,0)(0,1,1)12能较好的拟合既往的风疹病例数,且对2014年1—12月份风疹病例数的预测值与实际值基本吻合。结论 ARIMA乘积季节模型对河南省风疹发病趋势的预测具有可行性。

ARIMA乘积季节模型在医院门急诊人次预测中的应用

目的用ARIMA乘积季节模型(p,d,q)(P,D,Q)s预测门急诊人次,为医院管理策服务。方法数据源于某院HIS,选取2002年1月—2014年10月逐月门急诊人次数据,其中2002—2013年各月数据用于建立模型,2014年1—10月数据用于验证所建立的模型,然后用所建立模型预测2015年门急诊人次。用平均相对误差绝对值(MAPE)评价模型的预测精度。结果建立了ARIMA(2,1,1)(0,1,1)12模型,模型预测的MAPE为7.01%,2015年门急诊人次预测值为550 121。结论 ARI-MA乘积季节模型(p,d,q)(P,D,Q)s预测医院门急诊人次的效果理想,可以为医院管理者提供有价值的信息。

应用乘积季节模型预测狂犬病的发病趋势

目的探讨应用乘积季节模型模型进行狂犬病发病率预测的可行性,为降低狂犬病发病率提供理论依据。方法收集全国2004-2009年狂犬病发病率数据。采用差分方法对序列资料进行平稳化,进行定阶,建立2010年全国狂犬病发病率预测模型,并对预测结果进行分析和评价。结果乘积季节模型拟合结果较理想,很好地拟合了既往时间段上的发病率序列,预测2010年各月发病率较2009年有所下降。结论用乘积季节模型对狂犬病发病率数据拟合较为满意,预测效果良好,可为进一步制定预防策略措施提供依据。

ARIMA乘积季节模型在食源性疾病月发病率预测中的应用

目的探讨ARIMA乘积季节模型在食源性疾病发病率预测中的可行性,并预测食源性疾病的月发病率趋势.方法对云南省2004年1月至2010年12月食源性疾病月发病率资料建立ARIMA乘积季节模型,利用2011年月发病率资料进行回代,预测2012年食源性疾病月发病率趋势.结果 ARIMA(0,1,1)×(0,1,1)12的BIC值最小,可以认为该模型的拟合优度相对最优;对该模型的残差进行白噪声检验,QLB(18)为20.225(P=0.210),提示残差属于白噪声.结论 ARIMA乘积季节模型可以用于食源性疾病月发病率趋势的拟合和预测.

旅游需求预测的ARIMA乘积季节模型构建及实证分析——以桂林市为例

主要研究乘积季节模型在桂林市旅游需求预测中的应用,通过对桂林市旅游人次2000年1月至2008年5月(共113个月)的月度资料来进行实证分析,采用差分方法对序列资料进行平稳化,然后进行模型定阶并估计其参数,建立了桂林市旅游人次的乘积季节预测模型ARIMA(2,1,1)×(1,1,1)12。对模型进行诊断检验,结果表明,用该乘积季节模型对桂林市旅游人次的拟合效果较好。最后,利用此模型对桂林市2008年6月至12月旅游人次数量的趋势进行了预测,与实践有拟合较好。

中国肺结核发病趋势的ARIMA乘积季节模型构建

目的根据我国肺结核发病趋势和流行病学特征,建立ARIMA乘积季节模型并进行预测。方法采用SPSS 25.0软件,对2004—2018年肺结核发病月度数据建模,预测2019年各月发病数,并与实际数据对比,分析预测效果。结果构建的ARIMA(2,1,0)(2,1,1)12模型的拟合系数R^(2)=0.762,拟合度较高,残差序列的白噪声通过检验。预测结果的平均绝对误差百分比(MAPE)为7.17%,且在3月、10月关键节点处,预测误差仅为4.61%、2.5%。结论构建的ARIMA乘积季节模型拟合及预测效果良好,能较好地描述我国肺结核的发病趋势,为防控物资储备和人员安排提供数据支持。

基于ARIMA乘积季节模型的苏州市介水传染病发病预测研究

目的探讨运用自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型对苏州市介水传染病发病率进行预测。方法利用R软件对苏州市2008年1月—2015年12月的介水传染病发病率数据进行拟合,构建ARIMA乘积季节模型,对苏州市2016年1—6月介水传染病的发病率进行预测。结果构建了ARIMA(2,1,2)×(0,1,1)_(12)乘积季节模型,模型Ljung—Box检验差异无统计学意义(Q=18.478,P=0.779),模型适用于短期预测,2016年1—6月苏州市常见介水传染病实际发病率均在预测结果95%可信区间内,预测结果相对误差的平均值为-0.024。结论ARIMA(2,1,2)×(0,1,1)_(12)季节乘积模型可用于苏州市介水传染病发病率的短期预测。

基于ARIMA乘积季节模型的某医院介入导管室手术量预测研究

目的探讨ARIMA乘积季节模型在某医院介入导管室手术量预测中的应用价值,为合理配置医务人员和医疗资源、推动介入手术科学管理提供参考。方法先用Eviews 9.0软件建立手术量的ARIMA乘积季节模型,再用2010年1月至2018年12月的手术量数据对模型进行检验和拟合,并对2019年4个季度的手术量进行预测。结果建立的手术量预测模型为ARIMA(2,0,1)12,MAPE=9.4621,Theil不等系数为0.0578,BP=0.0571,VP=0.024,CP=0.9188,预测2019年4个季度手术量分别为1172台、1062台、1112台、1164台,实际为1028台、1084台、1208台、1243台,实际值与预测值的拟合情况较好,预测的手术量与实际序列趋势基本相同,全年平均相对误差在5%以内。结论ARIMA乘积季节模型在介入手术量预测上具有较高的应用价值,可以对介入导管室手术量及变化趋势进行科学预测,可作为加强手术管理、合理安排医务人员和医疗资源的重要依据。