应用ARIMA模型预测宝安区某街道其它感染性腹泻发病率的探讨

目的:探讨应用ARIMA模型预测宝安区某街道其它感染性腹泻发病率的可行性。方法:应用SPSSl3.0软件对2005年～2009年宝安区某街道其它感染性腹泻逐月发病率进行ARIMA模型建模拟合,用所得到的模型对2010年各月发病率进行预测,并评价其预测效果。结果:宝安区桌街道其它感染性腹泻发病率每年11月为发病高峰,ARIMA(0,1,1)(0,1,0)12模型是其拟合的最佳模型,其预测结果和实际值绝对误差的绝对值最大为930.47,最小为1.96,平均值214.83,平均相对误差百分比39.04%。结论:模型虽然起到一定的预测效果,但预测精度仍存在误差,可通过积累新的周期数据对ARIMA模型进行修正和重新拟合,也可尝试新的预测方法或其他模型,才能加强和保证预测的精度。     

2030年中国成年居民畜肉摄入量预测

目的：预测2030年中国成年居民的畜肉平均摄入量。方法：以2000—2018年7轮分城镇和农村中国健康与营养调查（CHNS）中20岁及以上成年居民畜肉平均摄入量数据为基础,比较ARIMA、灰色模型和趋势外推法3种模型的精度,并对2030年我国成年居民畜肉摄入量进行预测。结果：城镇居民畜肉平均摄入量的拟合预测中,ARIMA模型的拟合精度和预测精度均优于趋势外推法和灰色模型。农村居民畜肉平均摄入量的预测,ARIMA模型的拟合精度优于趋势外推法和灰色模型;预测精度则为第二,略低于灰色模型,综合拟合精度和预测精度,ARIMA模型优于其他2种模型。ARIMA模型预测到2030年城镇居民和农村居民的畜肉平均摄入量将分别达到131.0、130.6 g/d,比2018年分别增加37.2%、43.5%,将高于膳食指南推荐量。结论：ARIMA模型对畜肉摄入量的长期预测效果最理想。依据预测结果,需采取措施引导居民适量摄入畜肉,以达到平衡膳食的目标。     

改进的GM(1,1)模型对内蒙古自治区手足口病高峰期发病率预测

以内蒙古自治区2009~2016年手足口病每年的高发月5~7月的发病数据为研究数据,分别建立自回归移动平均求和(Autoregressive Integrated Moving Average Model,ARIMA)模型与GM(1,1)灰色模型,对内蒙古自治区手足口病的高发月9岁以下儿童发病率进行拟合与预测,两种单一模型预测结果显示,GM(1,1)模型的预测精度高于ARIMA模型。为降低数据波动性对GM(1,1)模型预测效果的影响,文中基于弱化缓冲算子对GM(1,1)模型进行了改进,改进的GM(1,1)模型具有较大的灵活性且提高了传统GM(1,1)模型的预测精度。     

ARIMA乘积季节模型在辽阳市乙型肝炎发病预测中的应用

目的应用自回归移动平均(auto-regressive moving average,ARIMA)乘积季节模型对辽阳市乙型肝炎(hepatitis B,简称乙肝)发病数据进行分析预测,为乙肝预警系统及防控策略提供科学依据。方法对中国疾病预防控制信息系统中辽阳市2001年1月—2015年12月乙肝月发病数建立ARIMA乘积季节模型,应用EViews 8.0软件进行模型拟合,并对2016年1—12月乙肝月发病数进行预测评价。结果所构建的ARIMA(1,1,1)(1,1,2)12模型为最佳模型,预测值与实际值拟合效果较好,相对误差较小。结论 ARIMA乘积季节模型能够反映辽阳市乙肝发病的时间趋势,适用于短期预测,预测效果理想。     

GM(1,1)模型和等维递补GM(1,1)模型在流动人口结核病预测中的应用

目的:探讨流动人口结核病疫情预测方法,为结核病控制提供依据.方法:利用2000～2009年深圳市宝安区流动人口初治涂阳结核病发病人数,建立GM(1,1)模型和等维递补GM(1,1)模型进行预测,并用多种方法检验两模型的拟合效果.结果:GM(1,1)模型参数α值为-0.173,μ值为210.815,其拟合精度指标均方差比值为0.183,平均相时误差为7.839,小误差概率为1.等维递补GM(1,1)模型的一阶递补参数α值为-0.174,μ值为249.856,二阶递补参数α值为-0.172,μ值为310.436,拟合精度指标均方差比值和平均相对误差均较GM(1,1)模型小,小误差概率均为1.后者预测到2010、2011和2012年深圳市宝安区流动人口初治涂阳结核病发病人数分为1316人、1570人和1851人.结论:两模型均能合理地对流动人口结核病疫情进行预测,但动态等维递补GM(1,1)模型拟合效果优于普通的静态GM(1,1)模型;深圳市宝安区流动人口初治涂阳结核病人数在今后三年有明显增加趋势,结核病疫情形势严峻,需进一步加强流动人口结核病的防控.     

ARIMA模型在杭州市中小学生咳嗽症状监测中的应用

目的：探讨时间序列ARIMA模型在时间序列资料分析中的应用,建立咳嗽症状监测数据的预测模型.方法：采用条件最小二乘方法估计模型参数.通过对数转换及差分方法使原始序列平稳,按照残差不相关原则、简洁原则确定模型结构,依据AIC和SBC准则确定模型阶数,最终建立起ARIMA预测模型.结果：ARIMA（1,1,1）模型拟合效果较好,方差估计值为0.7361,AIC=95.6092,SBC=98.8310,对模型进行白噪声残差检验,提示残差为白噪声.结论：症状监测这种具有时间序列特点的资料可以用ARIMA模型来进行拟合估计.本文中预测结果可信区间比较宽,可能是因为时间序列比较短,还未能考虑到季节趋势.另外,所用监测数据是在中小学生在校发生症状的人数,故在节假日会出现缺失值,样本量和时间长度均有限,可能影响模型估计的准确性,本研究的结论还有待于将来资料积累后进行修正和深化.     

基于时间序列的云南省乙类传染病分析预测

采用自回归移动平均模型(ARIMA)对云南省乙类传染病的月发病率进行预测研究,为传染病的防控提供参考依据。收集2005～2016年云南省年度人口数据和乙类传染病月发病率数据,针对2005～2016年云南省年度人口数据建立GM(1,1)预测模型;根据2005～2016年云南省乙类传染病月发病率数据建立ARIMA预测模型。云南省乙类传染病的发病率有很强的周期性和季节性,可通过决定系数R~2、赤池信息准则(AIC)和施瓦茨准则(SC)选择出最优的乘积季节模型ARIMA(0,1,1)×(2,1,0)_(12)来预测云南省乙类传染病的月发病率。通过对比2017年1月到10月传染病发病率的真实值和预测值,得到误差的平均值为0.8,相对误差的平均值为3.56%,说明预测效果比较满意。通过F检验和t检验显示预测值和真实值无显著性差异,说明ARIMA乘积季节模型可以较好的预测云南省乙类传染病。     

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。     

采用自回归移动平均模型预测中国流感病例数

采用自回归移动平均模型(ARIMA)对中国(不含中国港澳台地区)流感月报告病例数进行预测研究,为中国流行性感冒(流感)的预防控制提供参考依据。使用SPSS 24.0软件,以2006年1月至2016年12月中国流感月报告病例数建立时间序列模型,并以2017年1~5月的月报告病例数作为验证数据,评估和筛选最优模型。以2006年1月至2016年12月中国流感月报告病例数为基础数据,建立的最优模型为ARIMA(4,0,4),其平稳R2=0.672,标化BIC=18.032,Ljung-Box Q=16.381,P=0.089。对2017年1~5月的数据进行预测,预测相对误差的平均值仅为-3.25%。ARIMA模型在预测中国流感月报告病例数方面效果较好,但模型的建立和预测应用是个动态过程,需不断根据积累的数据进行调整,从而提高预测精度。     

利用穗粒结构对水稻产量的拟合及预测

文章首先讨论了模型的拟合效果和预测效果的区别,给出了相应的估算方法,同时也讨论了抽样观测值大小对预测精度的影响,并结合实例说明如何从一组模型中选择一预测效果最好的模型．对1992年中国水稻研究所富阳实验基地和绍兴县测产样本点的数据,得到预测效果较好的模型为：产量预测值=理论产量 线性纠正估计,其中线性纠正的形式对两组数据略有不同．     

杉木人工林生物量估算模型的选择

采用11种形式的生物量模型,分别对杉木幼龄林（7年生）、中龄林(16年生)、成熟林(28年生)和不分林龄的单木各器官和全株生物量进行拟合,共得到生物量估算模型308个.结果表明: 11种生物量模型均能较好地模拟杉木单木生物量,其中幂函数模型的拟合效果最优,其次为指数模型,然后为多项式模型;共选出估算杉木幼龄林、中龄林和成熟林各器官和全株生物量的最优模型21个（包括18个器官模型、3个全株模型）,不分林龄的杉木单木各生物量的最优模型7个（包括6个器官模型、1个全株模型）,均为幂函数模型;不同林龄的杉木单木生物量最优模型的通用性较差,而不分龄林的杉木单木生物量最优模型具有一定的通用性,精度较高,可用于估算不同林龄的杉木单木生物量.应用福建邵武杉木单木生物量模型对江西28年生的杉木成熟林单木各生物量的预测结果显示,不分林龄的大样本生物量模型精度较高,可在较大范围内应用,而区域小样本模型仅限于在区域小范围内应用.     

应用灰色系统模型对三代棉红铃虫的灾变性预测研究

通过应用灰色系统理论和方法,对彭泽县1960～1986年第三代棉红铃虫百株孵量构成的离散数列进行数据处理,用微分方程进行拟合,并建立棉红铃虫灰色系统GM（1,1）长期灾变预测模型：x（t）＝53．60952e0.17851（i-1）1.97246e0.03736（i-1）－3．56687e－0.19052（i－1）－46.93949。应用该模型进行回测和预测,回测符合率可达100％,1987～1991年的预测结果与实况相吻合。     

樟子松人工林一级枝条基径和枝长模型的研究

以东北林业大学帽儿山实验林场樟子松人工林为研究对象,采用枝解析的方法,于2002年、2003年测定了53株林木（年龄17～38a,直径8．61～21．5cm,树高7．48～18．24m）的树冠变量,建立了基于总着枝深度（DINC）和树冠内一级枝条基径（BD）、枝长（BL）的预估模型。对于大小相同树木的一级枝条,这些树冠变量随着DINC的增加而增大,而林木的胸径（DBH）、树高（HT）变量又很好地反映了不同大小树木的基径和枝长的变化。采用独立检验样本对构建的树冠内一级枝条基径和枝长模型进行了拟合统计量和精度检验,结果表明：模型预测效果良好,精度均达到95％以上。构建的一级枝条基径和枝长模型为进一步合理地描述樟子松人工林树冠的形状及其变化以及三维可视化经营提供依据。     

林分生长量估测模型的研究

本文用ARIMA（2,2,0）序列模拟了林分的平均生长过程,给出了落叶松（LarixolgensisHenry）人工林林分在树高、胸径、材积三个指标上平均总生长量的2阶求和自回归滑动平均模型,经模型残量的自相关检验及预测效果检验,估测效果良好．     

联合应用生态制剂治疗感染性腹泻的临床研究

本文应用丽珠肠乐加整肠生联合治疗感染性腹泻,治愈率为９２．１％,与单一应用整肠生,治愈率（７３．１％）有显著性差异（ｘ￣２＝４．２４,Ｐ＜０．０５）,与氟哌酸组无明显差异（ｘ￣２＝３．０２,Ｐ＞０．０５）,单一整肠生组与氟哌酸组无明显差异（ｘ￣２＝０．２２,Ｐ＞０．０５）。生态制剂有良好确切疗效,两种生态制剂联合治疗,明显提高治愈率。感染性腹泻原因菌的分离结果,揭示了本地区感染性腹泻病原菌的多样化和复杂性,应用生态制剂联合治疗,优于抗生素治疗。     

我国手足口病重症患者数自回归移动平均模型预测研究北大核心CSCD

采用自回归移动平均(Autoregressive integrated moving average,ARIMA)模型对我国(不含中国港澳台)手足口病月报告的重症患者数进行预测研究,为该模型在手足口病及其它传染病预防控制中的应用提供参考依据。根据2010-2015年全国手足口病月报告重症患者数时间序列,以2016年1-9月的月报告重症患者数作为验证数据,建立我国手足口病月报告重症患者数的ARIMA模型,并与2010-2014年数据建立的模型进行比较。2010-2014、2010-2015年两个不同时间序列建立的我国手足口病月报告重症患者数模型分别为ARIMA(1,1,0)(2,1,0)12、ARIMA(0,1,1)(2,1,0)12。以上两个不同时间序列预测结果比较发现,数据积累较多,预测的平均相对误差变小,但预测时间越短尚未发现平均相对误差较小。同一研究内容,时间序列年代不同,所建立的预测模型可能不同;认为ARIMA模型数据积累越多、预测时间越短、预测误差越小的情况还需得到进一步验证。     

我国手足口病重症患者数自回归移动平均模型预测研究

采用自回归移动平均(Autoregressive integrated moving average,ARIMA)模型对我国(不含中国港澳台)手足口病月报告的重症患者数进行预测研究,为该模型在手足口病及其它传染病预防控制中的应用提供参考依据。根据2010-2015年全国手足口病月报告重症患者数时间序列,以2016年1-9月的月报告重症患者数作为验证数据,建立我国手足口病月报告重症患者数的ARIMA模型,并与2010-2014年数据建立的模型进行比较。2010-2014、2010-2015年两个不同时间序列建立的我国手足口病月报告重症患者数模型分别为ARIMA(1,1,0)(2,1,0)12、ARIMA(0,1,1)(2,1,0)12。以上两个不同时间序列预测结果比较发现,数据积累较多,预测的平均相对误差变小,但预测时间越短尚未发现平均相对误差较小。同一研究内容,时间序列年代不同,所建立的预测模型可能不同;认为ARIMA模型数据积累越多、预测时间越短、预测误差越小的情况还需得到进一步验证。     

白内障超声乳化联合人工晶状体植入术后感染性眼内炎的影响因素及其预测模型构建

摘要 目的：探讨白内障超声乳化联合人工晶状体植入术后感染性眼内炎的影响因素及其预测模型构建。方法：回顾性分析2015年2月至2023年2月我院收治的12308例白内障患者的临床资料,所有患者均行白内障超声乳化联合人工晶状体植入手术治疗,统计术后感染性眼内炎发生情况。采用多因素Logistic回归模型分析白内障超声乳化联合人工晶状体植入术后感染性眼内炎的影响因素,根据回归模型构建预测模型,采用受试者工作特征（ROC）曲线验证预测模型的预测效能。结果：12308例患者中发生感染性眼内炎32例（0.26%）。单因素分析结果显示感染组年龄≥70岁、合并糖尿病、手术时间≥30 min、手术切口≥3.2 mm、植入PMMA人工晶体、后囊膜破裂比例高于对照组（P＜0.05）,术中预防性使用抗生素、晶状体后冲洗比例低于对照组（P＜0.05）。多因素Logistic回归模型分析显示年龄≥70岁、合并糖尿病、后囊膜破裂、植入PMMA人工晶体是白内障超声乳化联合人工晶体植入术后感染性眼内炎的危险因素（P＜0.05）,术中预防性使用抗生素、晶状体后冲洗是保护因素（P＜0.05）。以Logistic回归模型结果保留变量构建预测模型,Hosmer-Lemeshow拟合优度检验P＞0.05。ROC分析该模型预测白内障超声乳化联合人工晶体植入术后感染性眼内炎的曲线下面积为0.832,灵敏度、特异度分别为81.25%、85.12%。结论：年龄≥70岁、合并糖尿病、后囊膜破裂、植入PMMA人工晶状体是术后感染性眼内炎的危险因素,术中预防性使用抗生素、晶状体后冲洗可降低感染性眼内炎发病风险。根据多因素Logistic回归分析构建的预测模型对感染性眼内炎的预测能效较好。     

基于太白山南坡巴山冷杉NPP动态变化的时间序列模型预测效果对比

基于收集整理的太白山地区1959-2016年58年间的气象数据及太白山巴山冷杉林(Abies fargesii Franch.forest)的生理参数数据,运用Biome-BGC模型模拟计算并对输出数据进行提取分析,得到太白山南坡巴山冷杉林的多年净初级生产力(NPP)。然后分别利用自回归求和移动平均模型(ARIMA)、R语言、NAR动态神经网络模型对太白山南坡巴山冷杉林NPP的动态变化进行趋势拟合和短期预测,建立适用于太白山南坡巴山冷杉林NPP的时间序列模型,并应用白噪声检验等相关检验方法对3种模型的预测效果进行评价。结果显示:太白山南坡巴山冷杉林NPP在短期内(2017-2026年)仍保持着波动上升的趋势,可能出现1959年以来的最高值;在对巴山冷杉林未来变化的预测过程中,3种预测模型各有特点,ARIMA模型对太白山南坡巴山冷杉林NPP的预测结果通过了白噪声检验,并给出了在不同置信区间下的可能结果; NAR动态神经网络模型的拟合效果较好,也通过了误差自相关性检验,预测结果较好地模拟了太白山南坡巴山冷杉林NPP在未来一段时期内的变化趋势; R语言在剔除异常数据点后能够运用基础数据较好地对太白山南坡巴山冷杉林NPP动态变化进行模拟,表明预测结果与验证结果相关性达到0.944,误差项的P值远低于0.01。本研究表明3种方法构建的模型在数据拟合中均呈现出较好的效果,预测结果均在可信范围内,在实际预测工作中可根据数据特点选用不同方法。     

基于BP人工神经网络的兴安落叶松天然林全林分生长模型的研究

以大兴安岭地区兴安落叶松天然林为研究对象,基于688块固定标准地数据,采用MATLAB中log-sigmoid型函数(logsig)和线性函数(purelin)为神经元的作用函数,依据全林分生长模型的概念,以年龄（A）、地位级指数（SCI）和林分密度指数（SDI）作为输入变量,以林分每公顷蓄积量（M）作为输出变量,构建和训练了全林分生长的BP人工神经网络模型,并与常规建模方法进行了对比研究。结果表明,BP人工神经网络模型的拟合精度高达99.6%,检验精度为98.9%,说明与其它建模方法相比人工神经网络建模具有较高的拟合精度和适应性,对林分生长具有更好的预测能力。