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.

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。

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。

基于ARIMA乘积季节模型预测恶性肿瘤住院量、住院费用及平均住院时间

目的应用自回归求和移动平均(Autoregressive Integrated Moving Average Model,ARIMA)乘积季节模型分析和预测恶性肿瘤住院量、住院费用及平均住院时间,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年逐月十大恶性肿瘤(肺癌、肝癌、白血病、结直肠癌、胃癌、甲状腺癌、恶性淋巴瘤、前列腺癌、乳腺癌和肾癌)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、住院费用和平均住院时间进行模型拟合,用2016年逐月数据评价其预测效果,并预测2017和2018年该十大恶性肿瘤逐月住院人次、住院费用及平均住院时间。结果 ARIMA(0,1,1)(0,1,1)_(12)是恶性肿瘤住院人次、住院费用及平均住院时间的最佳拟合预测模型,拟合相对误差分别为-0. 89%、4. 71%及-0. 80%。根据ARIMA(0,1,1)(0,1,1)_(12)预测结果,2017年该十大恶性肿瘤住院量将达21 489人次,住院费用将达11. 06亿元,平均住院时间将达11. 29 d。2018年住院量将增至22 894人次,住院费用将高达14. 01亿元,平均住院时间将缩短至10. 45 d。结论 ARIMA季节乘积模型能较好地应用于医院业务管理预测中。

ARIMA乘积季节模型在西藏自治区包虫病月发病人数中的预测应用

目的基于西藏自治区2013年8月至2018年7月包虫病的发病人数,采用X-12自回归移动平均(X-12-ARIMA)乘积模型拟合时间序列模型,对发病人数进行预测,为包虫病的防治提供科学的依据。方法采用X-12-ARIMA乘积季节模型对西藏自治区包虫病月度发病人数进行趋势分解,并自动选择ARIMA季节调整乘积模型,以赤池信息准则(AIC)和贝叶斯信息准则(BIC)值最小为最优模型选择标准。结果X-12选择的最优乘积季节模型为ARIMA(1,1,0)×(1,1,0)_(12);预测方程为,拟合模型结果显示2013至2018年包虫病的月发病人数不仅呈现季节性波动,而且呈现波动性下降的趋势。结论ARIMA(1,1,0)×(1,1,0)_(12)能够应用于西藏自治区包虫病发病人数的预测,西藏自治区包虫病的发病人数具有明显的季节性波动,并且呈现波动性下降趋势。

ARIMA乘积季节模型在新疆猩红热发病预测中的应用

目的探讨ARIMA乘积季节模型在新疆地区猩红热月发病数预测中的应用,并对2018年新疆地区猩红热月新发病例数进行预测,为制订防控策略提供依据。方法对新疆地区2006-2016年猩红热月发病例数作为训练集,2017年猩红热月发病例数作为验证集,用训练集构建ARIMA乘积季节模型,随后用验证集检验模型精度。结果研究得到预测新疆地区猩红热月发病例数的最优模型为ARIMA(1,1,1)(0,1,1)_(12),此模型训练集MAPE为34.81,验证集MAPE为20.52,此模型对新疆地区猩红热发病预测效果较为理想,预测出新疆地区2018全年一共可能有3 474例猩红热新发病人,其中月新发病数最大可能出现在11月,新发病例数可能为556例。结论通过构建ARIMA乘积季节模型对新疆地区的猩红热流行趋势进行预测是可行的,预测得到新疆地区2018年猩红热月新发病数处于较高水平。

山东省城乡居民储蓄存款余额ARIMA预测模型

本文通过对2000年到2008年山东省城乡居民储蓄存款余额月度数据的分析,依据Box-Jenkins的建模思路,建立了山东省城乡居民储蓄存款余额季节乘积ARIMA模型。通过对所建模型预测能力的检验,我们发现该模型能较好的拟合山东省城乡居民储蓄存款余额序列,具有较好的预测能力。应用该预测模型可以对有关部门制定相关政策提供实证上的帮助。

ARIMA乘积季节模型分析承德市手足口病流行趋势

目的:建立差分整合移动平均自回归模型(Autoregressive Integrated Moving Average model,A RIMA)对承德市手足口病流行情况进行预测,为手足口病防控提供依据。方法:收集来自承德市疾病预防控制中心以及承德市中心医院诊疗记录相关数据,利用R软件对承德市手足口病发病例数逐月统计,采用季节性疏系数模型进行模型拟合及预测分析。结果:承德市手足口病发病呈明显季节性分布,病例集中在第三季度,第二季度为发病次高峰。选用ARIMA(0,1,2)疏系数模型预测未来三年各月份发病例数结果最优。结论:整合移动平均自回归模型能较好拟合手足口病季节发病变化趋势,应用于早期预警及防控工作。

改进的ARIMA乘积季节模型的研究

在上呼吸道感染预测问题的研究中,大多研究还停留在数据的直接分析层面。为了提高上呼吸道感染预测精度,文中提出应用一阶滞后滤波的序列重构的方法,并结合AR ()和MA ()建立模型,比较其与传统ARIMA模型预测精度。实验结果表明,ARIMA(0,1,1)(0,1,1)12模型拟合的均方根误差(RMSE)为0. 8412%,对2017年1～5月预测值的年平均相对误差为1. 1951%;改进的ARIMA (1,1,0)(0,1,0)12模型拟合的均方根误差(RMSE)为0. 6801%,对2017年1～5月预测值的年平均相对误差为0. 5336%,有更好的模型适应性和预测精度。

基于季节性ARIMA模型的中国货物周转量短期预测

交通运输业的发展对国民经济具有先导作用,利用过去的货物周转量预测未来值,有利于反映物流产业发展趋势。基于国家统计局公开的2012年1月至2020年12月共9年中国货物周转量月度数据,分别选用简单季节ARIMA模型和乘积季节ARIMA模型进行拟合,并预测2021年1月至12月的货物周转量数据。使用两种模型进行预测的平均相对误差均较小,并且乘积季节模型的预测能力优于简单季节模型。

自回归求和移动平均模型对临床供血量的分析预测

目的分析成都地区临床月供血量的规律,以此建立临床血液月供血量预测的时间序列ARIMA模型和乘积季节ARIMA模型,并动态进行模型的分析对比,为血液中心管理工作提供科学依据。方法收集2006年至2016年成都市血液中心临床血液月供血量,建立ARIMA模型和乘积季节ARIMA模型,预测2016年10-12月和2017年1-3月临床血液月供血量。对备选的模型进行拟合优度的比较,筛选出最优的模型,并对模型的相对误差进行评价。结果 ARIMA(0,1,1)模型预测2016年10-12月和2017年1-3月的相对误差为1.71%、-7.45%、-3.14%、-7.66%、-15.25%、-9.74%。而ARIMA(0,1,1)×(1,1,1)12模型相对误差为2.51%、-3.75%、-2.58%、-5.21%、-8.11%、-7.34%。结论乘积季节ARIMA模型能够较好的预测短期临床供血量,持续修正的乘积季节ARIMA模型能更好的预测下一季度临床血液月供血量。

我国保险公司保费收入的时间序列预测

采用时间序列分析方法,分别对我国保险业两大主要保险公司——中国人寿和中国人保公司寿险和财险业2004年8月～2010年8月的保费收入数据进行建模分析,建立了ARIMA乘积季节模型,并利用所建模型进行预测,结果显示,该模型有较好的预测效果,为我国保险公司保费收入的监管和使用提供了理论参考.

中国畜产品价格的实证分析——基于季节调整模型与两阶段协方差方法

本文以2001年1月—2014年5月的畜产品价格为研究对象,利用X-12-ARIMA季节调整模型分析影响畜产品价格波动的相关因素,并利用协方差计算季节性影响、长期周期性影响、不规则影响对畜产品价格波动的贡献程度,进一步利用两阶段协方差纵向对比分析各影响因素贡献度的变化,最后发现长期驱动因素和季节性因素是中国畜产品价格波动的主要因素;从纵向对比来说,鸡蛋、鸡肉、猪肉价格的不规则影响因素的影响作用在减弱,鸡肉、猪肉价格的季节性影响因素的作用在减弱。

季节时间序列模型在平菇价格预测中的应用

为了准确预测蔬菜价格,从蔬菜价格具有季节性变化的特性出发,采用SARIMA模型方法对平菇价格进行了预测分析。结果表明:SARIMA(2,1,3)(1,1,1)12模型对平菇价格的模拟预测效果较好,平均模拟预测误差为11%,6个月的短期实际预测平均误差为16%。SARIMA模型对农产品价格进行预测分析具有一定的可行性。

ARIMA乘积季节模型在盐城市手足口病疫情预测中的应用

目的探讨自回归移动平均(autoregressive integrated moving average model,ARIMA)乘积季节模型在盐城市手足口病发病趋势预测的可行性。方法利用盐城市2009年1月至2015年12月的手足口病月发病率建立ARIMA乘积季节模型,并对2016年手足口病发病趋势进行预测。结果盐城市手足口病预测模型为ARIMA(1,0,1)(1,1,0)12,该模型的参数估计具有统计学意义,拟合优度检验统计量最小Normalized BIC=2.997,残差序列检验统计量Ljung-Box=20.692(P>0.05),残差为白噪声,模型能够拟合出手足口病的发病趋势,且实际值都在95%可信区间内,但模型拟合的平均误差率为41.296%,检验模型预测效果的平均误差率为23.998%,模型预测精度高于拟合精度。结论运用ARIMA乘积季节模型能够对盐城市手足口病发病趋势进行预测和动态分析,对手足口病预防控制产生积极的指导作用。

基于ARIMA-GM组合模型的邮电业务总量预测

对传统预测具有波动性及季节性双重趋势时间序列的模型—ARIMA乘积季节模型进行了改进,先用ARIMA乘积季节模型对邮电业务总量历史数据进行识别和拟合,然后用GM(1,1)模型对其带阀值的残差序列进行修正,最后结合二者得到ARIMA-GM这一组合预测模型.利用此模型对09年上半年中国邮电业务总量进行了预测,结果表明,组合预测方法比单项ARIMA乘积季节模型预测具有更高的精度.

ARIMA乘积季节模型在如东县戊型肝炎发病预测中的应用

目的通过分析如东县2005-2013年如东县戊型肝炎(戊肝)月发病数据,了解戊肝的发病趋势和季节性特征。探讨ARIMA模型在戊肝发病预测方面的应用,为戊肝的早期预警提供决策依据。方法应用SPSS 20.0软件对2005-2013年如东县戊肝月发病数据进行模型拟合,建立ARIMA模型,用模型对2014年戊肝逐月发病数进行预测分析,并评估模型预测效果。结果 ARIMA乘积季节模型较好地拟合了既往戊肝的实际发病序列,构建ARIMA(1,0,0)×(1,1,0)12模型,残差序列通过了白噪声检验(P>0.05),模型决定系数(R2)为0.92。对2014年各月发病数获得了较好的预测效果。结论 ARIMA模型能较好地模拟如东县戊型肝炎的发病趋势,构建的ARIMA(1,0,0)×(1,1,0)12模型对戊肝发病情况的拟合结果满意,预测效果良好,可用于戊型肝炎疫情的短期预测和动态分析。

ARIMA季节乘积模型在儿童肺炎门急诊人次预测中的应用

目的 探索自回归差分移动平均(autoregressive integrated moving average,ARIMA)季节乘积模型在预测儿童肺炎门急诊人次的应用,为合理利用医疗资源提供科学依据。 方法 收集乌鲁木齐市两家三级甲等医院2011-2016年儿童肺炎逐月门急诊人次数据,使用R 3.4.1软件进行模型的识别、参数估计与检验,建立ARIMA季节乘积模型对2011年1月-2016年6月儿童肺炎逐月门急诊人次进行拟合,并利用2016年7-12月数据计算预测值与实际值的平均预测相对误差来评价预测效果。 结果 ARIMA(0,1,2)(1,1,0)12模型是拟合儿童肺炎门急诊人次的最佳预测模型,平均相对误差为9.82%。 结论 ARIMA 季节乘积模型有较好的拟合和短期预测效果,能为医院合理利用医疗资源提供参考依据。

ARIMA模型在乌鲁木齐市儿童呼吸系统疾病发病趋势预测中的应用

目的应用时间序列分析方法建立差分自回归移动平均模型,也叫求和自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA),分析和预测2011年1月—2015年12月乌鲁木齐市儿童呼吸系统疾病的月门诊人次并作短期预测,为儿童呼吸系统疾病的预防和控制提供支持。方法以2011年1月—2015年12月乌鲁木齐市儿童呼吸系统疾病的月门诊人次为原始序列,用ARIMA(p,d,q)(P,D,Q)S拟合序列,根据自相关图(ACF)和偏自相关图(PACF)对模型定阶并估计参数,再对模型及其参数做显著性检验,应用最小信息量准则AIC及SBC进行评价,建立最优ARIMA乘积季节模型。结果 ARIMA(0,1,2)(1,1,0)_(12)模型模拟2011年1月—2015年6月儿童呼吸系统疾病月门诊人次,计算得平均绝对百分比误差MAPE=10.91,在可接受的范围内。运用该模型预测出2015年7月—12月的儿童呼吸系统疾病月门诊人次,MAPE=11.39,模型预测效果较好。该模型预测2016年全年的儿童呼吸系统疾病月门诊人次,最大值出现在12月,预测月门诊人次为8 963(5 431~12 494)。结论 ARIMA(0,1,2)(1,1,0)_(12)模型可用于拟合并且短期预测乌鲁木齐市儿童呼吸系统疾病月门诊人次,为儿童呼吸系统疾病的预防和治疗提供依据。