借助自回归移动平均模型构建儿童口服退烧药消耗量的预测模型

目的 使用自回归移动平均(ARIMA)模型对医院口服退烧药消耗量进行预测,旨在为医院药品供应提供参考。方法 收集某儿童医院2013年1月—2018年12月全院每月口服退烧药的消耗量建立ARIMA模型,预测2019年1—12月口服退烧药的消耗量,以2019年1—12月实际消耗量数据评价预测模型是否合适。结果 2013年1月—2018年12月每月口服退烧药消耗量的时间序列呈现明显的季节性,在每年1月、5—7月及12月出现消耗量峰值。该时间序列经季节性分解后拟合ARIMA(1,1,1)(1,1,1)_(12)模型,拟合效果较好,经过对比发现除2019年1月和2019年12月两个月外,其余月份预测值与实际值的相对误差均在20%以内。结论 依照2013年1月—2018年12月全院每月口服退烧药消耗量建立的ARIMA模型能够较好地预测口服退烧药消耗量,可为医院科学的药品供应提供一定参考。

自回归移动平均模型在骨科Ⅰ类切口感染预测中的应用

目的应用自回归移动平均(autoregressive integrated moving average,ARIMA)模型建立骨科Ⅰ类切口感染预测模型,预测未来6个月的感染发病率。方法回顾性分析2013年1月至2021年12月上海交通大学医学院附属第六人民医院骨科Ⅰ类切口感染发病率数据。选取2013年1月至2021年6月的数据作为训练集,建立ARIMA模型;以2021年7-12月的发病率数据作为验证集,评价模型的预测效果,并预测未来6个月的发病率。结果2013年1月至2021年12月骨科Ⅰ类切口手术患者共有228647例,发生Ⅰ类切口感染628例,手术切口感染发病率为0.275%。ARIMA(1,0,0)(1,0,0)12为确定的最佳模型,2021年7-12月的实际值均落在预测值的95%可信区间范围内。采用该模型预测未来6个月的感染发病率依次分别为0.276%、0.283%、0.288%、0.285%、0.297%和0.291%。结论ARIMA模型能有效拟合、预测骨科Ⅰ类切口感染发病率,模型预测结果提示未来6个月内的发病率呈现低水平流行的态势,可为临床干预措施的实施提供科学依据。

基于季节性(差分整合)自回归移动平均模型的广西乙类传染病发病情况预测

目的应用季节性(差分整合)自回归移动平均(SARIMA)模型预测广西乙类传染病发病情况。方法将2011年1月至2022年5月广西乙类传染病月报告发病数据作为训练集构建时间序列,拟合和构建SARIMA预测模型;以2022年6月至11月的广西乙类传染病月报告发病数据作为测试集对模型进行测试。结果广西乙类传染病的发病情况呈季节性规律,最优预测模型为SARIMA(3,1,3)(2,0,0)_(12),其预测效果平均相对误差为7.99%,预测发病例数95%CI均包含了实际发病例数。结论SARIMA(3,1,3)(2,0,0)_(12)模型能较好地拟合广西乙类传染病的发病情况,可用于疫情的短期监测。

基于小波变换与差分自回归移动平均模型的微博话题热度预测

研究话题热度预测问题对于网络广告传播效应最大化、网络舆论引导与控制等具有重要意义.首先,根据用户关系及话题因素计算用户影响力,进而定义话题影响力.然后,基于老化理论并考虑话题影响力和话题相关微博数定义话题能量值,量化话题热度.最后,提出基于小波变换与差分自回归移动平均模型的微博话题热度预测方法,以此预测话题热度(能量值)及话题能量峰值.实验表明,文中方法可有效预测话题热度及峰值,具有较低的残差和遗漏率.

改进的差分自回归移动平均模型的共轭梯度参数估计法

为了提高差分自回归移动平均模型的拟合精度,本文结合已有的文献,借助无约束优化方法来解决此模型中的参数估计问题。主要提出了一种改进的差分自回归移动平均模型参数的优化估计法,并对提出的算法进行详细说明,在强Wolfe条件下对全局收敛性进行了证明。该方法保证了迭代计算的收敛性,并且提高了收敛的速度。数值试验结果说明:该算法是一种较为有效的方法,与其他方法比较,参数估计值更为显著,提高了预测精度。

时间序列自回归移动平均模型在临床红细胞用量预测中的应用

目的验证自回归移动平均模型(ARIMA)预测临床红细胞用量的可行性,并为血站制定备血计划提供数据支持。方法选择东莞市2006年1月～2011年12月6年的每月临床红细胞用量作为时间序列模型的数据源。利用SPSS软件进行时间序列模型的构建,通过对2012年的前5个月临床红细胞实际用量进行模型检验。并据此对模型预测临床红细胞用量分析的可行性、建模步骤及准确性验证进行了探讨。结果 ARIMA模型计算出的预测值与实际值拟合较好,相对误差较小。1月份相对误差为-6.32%,2月份为13.28%,3月份为7.78%,4月份为3.73%,5月份为3.78%,平均相对误差为4.45%。结论可以应用时间序列自回归移动平均模型对未来的临床红细胞用量进行预测,为血站制定备血计划提供可靠的参考依据。

长沙市流行性腮腺炎季节性自回归移动平均模型预测研究

目的采用季节性自回归移动平均(SARIMA)模型预测长沙市流行性腮腺炎发病数。方法收集2005—2015年长沙市报告的流行性腮腺炎病例数据,将2005—2014年数据作为建模数据,将2015年数据作为验证数据,开展SARIMA模型建立与验证研究,并对2016年流行性腮腺炎发病数进行预测。结果 SARIMA(3,0,0)×(1,0,0)_(12)模型可以很好地拟合实际数据,模型的展开式为:Y_t=222.545+1.225Y_(t-1)-0.713Y_(t-2)+0.291Y_(t-3)+0.366Y_(t-12)-0.448Y_(t-13)+0.261Y_(t-14)-0.107Y_(t-15)+a_t。将验证数据与预测数据进行相关性分析,结果显示呈显著性相关(r=0.61,P<0.001)。SARIMA模型预测2016年长沙市全年发病数将达到3 032例,平均月病例数为253例。结论 SARIMA模型可以用于流行性腮腺炎发病数预测,长沙市2016年流行性腮腺炎疫情仍处于高发态势。

自回归移动平均模型在医疗服务需求预测中的应用

目的拟合医疗服务需求时间序列资料的预测模型。方法采用自回归移动平均模型对出院人次进行模型拟合。结果模型拟合得到的最优模型为一阶自回归移动平均模型,模型预测2020年某市三甲医院的出院总人次将为93.88万人次。结论自回归移动平均模型适用于出院总人次时间序列模型拟合,预测结果显示,在没有外来干预因素影响的情况下,三甲医院出院总人次将会延续2009年以前的上升趋势继续上涨。

自回归移动平均模型在医院门诊量和出院人数预测中的应用

门诊日常医疗服务工作具有点多面广,涉及科室多的特点。门诊量在很大程度上反映医院的规模、医疗技术水平、门诊管理水平以及患者对医院的信任程度。门诊量分析是门诊医疗服务的起点。研究门诊量的变化规律,预测其变化趋势有主要意义。对就医患者数据的概况统计和动态规律性分析对未来的医疗服务具有重要的参考价值,为医疗制定决策,编制工作计划提供依据。门诊量和出院人数是医疗工作的重要评价指标。

差分自回归移动平均模型在南通市手足口病疫情预测中的应用

目的:应用差分自回归移动平均模型(ARIMA)预测南通市手足口病疫情趋势。方法:以2010年1月—2019年6月南通市手足口病分月报告病例数据为基础,构建符合季节性时间序列的ARIMA(p,d,q)×(P,D,Q)S模型,用2019年7—12月全市手足口病月发病率为验证数据进行验证,检验模型的预测效果。结果:2010—2019年南通市共报告手足口病90 766例,年平均发病率为124.36/10万,疫情有明显季节性,呈双峰特征,为夏季(5、6、7月)高峰和冬季(11、12月)次高峰;近年来南通市手足口病的病原谱以其他肠道病毒为主;利用ARIMA(1,0,1)(1,1,1)12模型,预测2019年7—12月手足口病发病率分别为7.08/10万、1.81/10万、3.74/10万、7.21/10万、10.71/10万和11.29/10万,与实际发病率相比,两者差异无统计学意义(Z=0.48,P=0.63)。结论:差分自回归移动平均模型能较好地预测手足口病的发病趋势,可用于短期的预警监测。

自回归移动平均模型在北京市朝阳区手足口病发病预测中的应用

目的通过构建时间序列自回归移动平均模型(autoregressive integrated moving average model,ARIMA),对手足口发病趋势进行预测,探讨该模型在发病预测中的应用。方法从疾病监测信息报告管理系统提取北京市朝阳区2010年1月-2016年12月手足口病月发病数据。建立ARIMA季节乘积模型,对2010年1月-2015年12月的月发病数进行拟合,再以2016年1-12月的月发病数作为验证数据,评价其预测效果。结果通过对模型进行拟合优度及残差序列进行白噪声检验,最后选择了ARIMA(1,0,0)(1,1,0)_(12)为最佳模型。对2016年1-12月发病数进行预测,实际发病数均落入95%CI内,平均相对误差为49.37%。模型中加入2016年1-6月的月实际发病数,预测2016年7-12月的月发病数,平均相对误差为18.12%。结论 ARIMA季节模型可应用于手足口病等具有季节性变动特征的传染病预测。ARIMA模型短期预测手足口病的发病情况精度更高,可通过不断纳入新的实际观测值开展动态分析。ARIMA模型仅为一种数学工具,在实际防控及监测工作中,需要结合专业理论知识及具体情况进行分析。

应用自回归移动平均模型乘积季节模型预测兰州市水相关疾病发病情况

目的探讨自回归移动平均模型(autoregressive integrated moving average model,ARIMA)乘积季节模型在水相关疾病发病率发病趋势预测中的应用,对兰州市水相关疾病发病情况进行预测。方法收集2006年1月—2014年12月水相关疾病发病率数据,利用R软件构建ARIMA乘积季节模型,利用2015—2017年实际发病率与模型拟合数据比较,评价模型的预测性能,并预测2015—2017年水相关疾病的发病率。结果在水相关疾病预测中建立ARIMA(2,0,1)×(2,0,0)_(12)乘积季节模型,Ljung-Box检验差异无统计学意义(Q=18.64,P=0.824),2015年—2017年兰州市常见水相关疾病实际发病率均在预测结果95%可信区间内,平均预测相对误差为5%。结论 ARIMA乘积季节模型可以较好的预测兰州市水相关疾病发病率的变化趋势,能够运用于水相关疾病发病趋势的预测及预警,为防控措施的制定提供参考。

自回归移动平均模型在预测门诊输液人次中的应用

目的评价自回归移动平均模型(autoregressive integrated moving average model,ARIMA)在预测门诊输液人次中的作用,为医疗资源配置提供依据。方法对某医院门诊部治疗室2003年1月至2007年12月的门诊输液患者进行统计分析,并使用SAS的ARIMA过程预测模型对2008年度门诊输液人次进行预测。结果5年间门诊输液人次逐年增加,在各年度内存在波峰和波谷;不同年度每月门诊量有明显变化,但2月份均为门诊输液人次的低谷期。预测2008年门诊输液人次将明显增加,并呈现出季节性。结论ARIMA模型可以合理预测各月门诊输液人次的变化,为医疗资源配置提供重要依据。

自回归移动平均模型在深圳市宝安区结核病疫情预测中的应用

目的 建立自回归移动平均(ARIMA)模型,预测深圳市宝安区结核病月发病情况,为肺结核防控措施的制定提供科学参考。方法 通过中国疾病预防控制系统结核病信息管理系统导出2006-2020年深圳市宝安区月报告患者例数。采用IBM SPSS 20.0统计学软件,以2006年1月至2019年12月的月报告患者例数为基础建立时间序列,构建ARIMA模型,通过对模型的识别、定阶、诊断,筛查出最优模型,利用该模型预测2020年1-12月结核病的月发病情况,通过比较预测值与实际值来评价拟合模型的预测效果。结果 ARIMA(1,0,0)(0,1,1)12模型,其参数均通过统计学检验(P<0.05),残差序列为白噪声序列(P>0.05),R^(2)=0.561,RMSE=22.632,NBIC=6.336,拟合优度相对较好。2020年1-12月的预测值与实际值基本吻合,实际值均落在95%CI内,预测效果较好。结论 ARIMA(1,0,0)(0,1,1)12模型可用于短期预测深圳市宝安区结核病疫情,预测效果较好。

基于自回归移动平均模型的国际金融危机对四川经济的影响分析研究

2008年发生的美国次贷危机引发的全球金融危机给世界各国的经济特别是金融行业带来了强烈的冲击。金融危机主要通过投资渠道、贸易渠道、汇率渠道以及预期渠道直接或间接影响四川经济。为估算这种影响,文章基于自回归移动平均模型(ARIMA)的特殊性,选取了2000～2008年的样本数据,运用时间序列建模技术,从直接影响和间接影响两个维度7项指标所描述的经济发展指标上,详尽分析研究了国际金融危机对四川经济的影响。文章克服了实际工作部门在测算该种影响时,不考虑经济序列长期发展趋势的不足,并就其对我国经济和四川经济发展的影响作了探讨,在此基础上,提出四川省市应对经济危机的措施,以供相关部门决策时参考。

基于自回归移动平均模型的梁桥损伤识别

桥梁结构的损伤识别是当前桥梁工程内十分活跃的研究领域,有着广泛的应用背景,与此相关的理论和技术也在不断的发展和成熟。基于自回归移动平均模型的研究方法以往都应用于结构的状态预测或系统识别,将其用于桥梁结构的损伤识别中还处于发展和完善阶段。拟结合桥梁结构的自身特点,对该方法在桥梁结构损伤识别中的应用做进一步的研究。

基于自回归移动平均模型的图像模糊消除机制

为了克服图像模糊消除算法不稳定与解模糊等难题,保证复原图像的细节信息清晰完整,并提高算法的运行效率,获取实时性,提出了神经网络融合自回归移动平均模型的图像模糊消除并行稳定机制。引入神经网络,基于突触权重系数,构造激活函数;再嵌入人工蜂群算法(Artificial Bees Colony,ABC),并以神经网络的均方误差函数设计适应度方程,由ABC算法训练神经网络,利用优化后的神经网络来获取自回归移动平均模型的参数;再将自回归移动平均优化模型引入模糊图像,以同时识别模糊函数与模糊图像;并对模糊函数进行相关定义,以消除算法不稳定性与解模糊问题;再对模糊图像进行反卷积,消除模糊。借助仿真实验来测试该机制的相关性能,结果表明:与其他模糊消除算法相比,该机制的运行速度更快,时耗最短;且该机制更稳定,模糊消除效果更好,复原图像的细节信息清晰可见。

自回归移动平均模型在南宁市输血依赖性地中海贫血患者用血需求预测中的应用

目的建立南宁地区医院月度用血量的自回归移动平均模型(ARIMA),为合理制订南宁地区输血依赖性地中海贫血(TDT)患者供血计划提供依据。方法统计南宁地区2016年1月至2021年6月每月地中海贫血供血量数据,绘制时间序列,使用SPSS 26.0建立地中海贫血患者供血预测的最优模型,并预测2021年7—12月的供血量。结果绘制出时间序列图,经过参数识别,模型筛选等步骤,成功构建ARIMA(0,1,1)(0,0,1)12模型,模型的残差ACF、PACF值均在95%CI内,残差为白噪声,模型可以用于预测。运用模型对2021年7—12月南宁地区TDT患者用血量进行预测,预测值与实际值相对误差为8.42%。结论基于ARIMA模型的时间序列分析方法可用于南宁市月度地中海贫血供血量的短期预测。

光谱自回归移动平均模型的贝叶斯分析方法

文中通过使用非信息先验方法,为ARMA频谱模型开发了一种贝叶斯方法,进行了基于马尔可夫蒙特卡罗(Markov Chain Monte Carlo,MCMC)的贝叶斯计算和模拟,得出了边缘后验分布的特征,如贝叶斯估计量和ARMA模型参数的置信区间。将这两种方法与传统的最小二乘法和最大似然方法进行了比较,并给出了带有两个ARMA模型示例的数值说明,以评估程序的性能。比较结果表明,对于不太稳定的ARMA模型,贝叶斯方法是合理的,并且可以选择任何一种方法来获得更稳定的功率谱。与其他方法相比,贝叶斯方法提供了适用于任意阶次ARMA模型光谱的最佳拟合。

自回归移动平均模型在药品不良反应监测预警中的应用

目的运用自回归移动平均模型(ARIMA)建立药品不良反应(ADR)预测模型,探讨ADR发生趋势。方法根据我院急诊科2000—2014年清热类中药注射剂ADR数据,应用SPSS13.0统计软件拟合ADR人数ARIMA预测模型;利用2015—2017年ADR真实数据评估其预测效果。结果 ADR模型为ARIMA(2,0,1),其中AR=1.30(t=3.72,P<0.05);AIC=8.77,BIC=1.51,其模型的残差为白噪声(Ljung-Box Q=7.51,P=0.83)。2015—2017年ADR实际发生人数与ARIMA模型的预测值相差较小,模型预测效果良好。结论 ARIMA模型能够较准确地预测ADR发生趋势,可用该模型为医院科学管理ADR提供决策支持。