检索结果-内蒙古大学图书馆

2010―2020年中国其他感染性腹泻病的流行病学分析

中华疾病控制杂志 2025年第1期29卷 34-41页

作者：翟雪艳高洪朱莫颖宁山东中医药大学药学院药学系济南250355 山东省济南市槐荫人民医院药剂科济南250021 山东中医药大学卫生管理学院科研办公室济南250355

目的分析中国其他感染性腹泻病在2010―2020年的时空流行特点,并预测2021年1—12月发病人数,为其他感染性腹泻病的预防提供参考。方法使用描述性流行病学和空间自相关分析方法,分析其他感染性腹泻病流行病学特征,结果由ArcGIS 10.8软件... 详细信息

目的分析中国其他感染性腹泻病在2010―2020年的时空流行特点,并预测2021年1—12月发病人数,为其他感染性腹泻病的预防提供参考。方法使用描述性流行病学和空间自相关分析方法,分析其他感染性腹泻病流行病学特征,结果由ArcGIS 10.8软件进行可视化呈现,构建季节性差分自回归移动平均(seasonal autoregressive integrated moving average,SARIMA)模型,进行短期预测。结果2010―2020年中国其他感染性腹泻病发病人数为11269993人,死亡人数为214人,年平均报告发病率为19.45/10万。每年均有夏、冬季2个发病高峰,冬季高峰有后移趋势。发病人数中男、女比为1.31∶1.00,发病年龄以0~<5岁为主,主要分布在散居儿童、农民和学生中。空间自相关分析结果显示,局部有聚集性特征,“高-高”聚集区为河北省、山东省、天津市、广东省。SARIMA(1,0,0)(0,1,0)_(12)预测模型显示,我国其他感染性腹泻病在2021年1―12月发病人数持续增加,双季节高峰特征仍存在。结论浙江省、广东省等东南沿海地区的其他感染性腹泻病发病率较高,SARIMA(1,0,0)(0,1,0)_(12)模型拟合效果较好,在其他感染性腹泻病高发季节,应结合不同地区时空流行特征,加大对高发人群的监测与防控。

关键词：其他感染性腹泻病流行病空间分析季节性差分自回归移动平均模型

来源：评论

学校读者我要写书评

暂无评论

使用快速傅里叶变换优化周期参数的EMD-FFT-SARIMA光伏发电预测模型

引用

强激光与粒子束 2024年第8期36卷 117-123页

作者：熊川羽廖晓红何诗英陈然王巍臧楠王瀛肖梦涵国网湖北省电力有限公司经济技术研究院武汉430000 中国科学院合肥物质科学研究院等离子体物理研究所合肥230031 安徽建筑大学机械与电气工程学院合肥230601 安徽大学物质科学与信息技术研究院合肥230601 华中科技大学电气与电子工程学院武汉430074 国网湖北省电力有限公司电力科学研究院武汉430000

根据分布式能源工业园区的光伏电力单元特点,对园区光伏发电功率预测模型进行优化,为后续的调度策略提供数据支持。针对经验模式分解(EMD)与季节性差分自回归移动平均模型(SARIMA)相组合的EMD-SARIMA预测模型中,原始数据经过EMD分解得... 详细信息

根据分布式能源工业园区的光伏电力单元特点,对园区光伏发电功率预测模型进行优化,为后续的调度策略提供数据支持。针对经验模式分解(EMD)与季节性差分自回归移动平均模型(SARIMA)相组合的EMD-SARIMA预测模型中,原始数据经过EMD分解得到的各固有本征模态函数(IMF)分量周期计算问题,提出加入快速傅里叶变换(FFT)的周期计算方法,建立EMD-FFT-SARIMA光伏发电功率预测模型。再将每个IMF对应的预测结果进行叠加重构得到最终的预测结果。通过预测结果的误差计算可以发现,加入FFT环节后均方根误差(RMSE)从120.6 MW下降到19.3 MW,平均绝对误差(MAE)从52.87 MW下降到12.3 MW。

关键词：经验模式分解季节性差分自回归移动平均模型周期计算固有本征模态函数信号分量快速傅里叶变换光伏发电预测

来源：评论

学校读者我要写书评

暂无评论

SARIMA-GRNN组合模型在伤寒与副伤寒逐月发病数预测中的应用

引用

中华疾病控制杂志 2021年第11期25卷 1341-1346页

作者：李文豪曾昱兴李笑颜彭远舟张艳炜陈青山程锦泉暨南大学基础医学与公共卫生学院流行病学教研室广州510630 中山大学公共卫生学院流行病与卫生统计学教研室深圳518000 深圳市疾病预防与控制中心免疫规划所深圳518000

目的建立季节性差分自回归移动平均(seasonal autoregressive integrated moving average,SARIMA)-广义回归神经网络(generalized regression neural network,GRNN)组合模型,为伤寒与副伤寒发病数的预测提供方法学上的新思路。方法利用2011年1月-2019年12月中国伤寒与副伤寒逐月发病数资料,分别构建SARIMA模型和SARIMA-GRNN组合模型,比较两种模型的拟合和预测效果。结果最优的SARIMA模型为SARIMA(2,1,1)(0,1,1)_(12),SARIMA-GRNN组合模型的最优光滑因子(spread)为0.21。评价SARIMA-GRNN组合模型拟合效果的参数均方根误差(root mean squared error,RMSE)、平均绝对误差(mean absolute error,MAE)和平均绝对百分比误差(mean absolute percentage error,MAPE)为90.08、71.44和7.07%,分别小于SARIMA模型的99.44、79.15和7.86%;评价预测效果的RMSE、MAE和MAPE为100.86、75.94和9.57%,均小于SARIMA模型的125.44、97.33和10.89%。结论SARIMA-GRNN组合模型比传统SARIMA模型更能拟合中国伤寒与副伤寒逐月的发病数,而且预测精度更高,可应用于伤寒与副伤寒逐月发病数的预测。

关键词：伤寒与副伤寒季节性差分自回归移动平均模型广义回归神经网络组合模型

来源：评论

学校读者我要写书评

暂无评论

SARIMA、GAM和LSTM在肾综合征出血热预测中的应用效果比较

引用

中华地方病学杂志 2022年第9期41卷 709-714页

作者：刘天姚梦雷侯清波黄继贵吴杨陈红缨荆州市疾病预防控制中心传染病防治所荆州434000 长江大学公共卫生研究中心荆州434000 湖北省疾病预防控制中心武汉430079

目的分析季节性差分自回归移动平均模型(SARIMA)、广义相加模型(GAM)和长短期记忆神经网络模型(LSTM)在肾综合征出血热(HFRS)发病率拟合及预测中的效果,为优化HFRS预测模型提供参考。方法在公共卫生科学数据中心(https://***/)收集全国... 详细信息

目的分析季节性差分自回归移动平均模型(SARIMA)、广义相加模型(GAM)和长短期记忆神经网络模型(LSTM)在肾综合征出血热(HFRS)发病率拟合及预测中的效果,为优化HFRS预测模型提供参考。方法在公共卫生科学数据中心(https://***/)收集全国和HFRS发病率居前9位的省份(黑龙江、陕西、吉林、辽宁、山东、河北、江西、浙江和湖南省)2004-2017年HFRS逐月发病率资料,其中,2004-2016年资料作为训练数据,2017年1-12月资料作为测试数据。利用训练数据拟合全国和9个省份HFRS发病率的SARIMA、GAM、LSTM;利用拟合模型预测2017年1-12月HFRS发病率,并与测试数据比较。采用平均绝对百分比误差(MAPE)评价模型拟合及预测精度,MAPE<20%时模型拟合或预测效果为好,20%~50%为可接受,>50%为差。结果从总体拟合及预测效果来看,全国和黑龙江、陕西、吉林、辽宁、江西省的最优模型为SARIMA(MAPE分别为19.68%、20.48%、44.25%、19.59%、23.82%、35.29%),其中,全国和吉林省模型拟合及预测效果为好,其余均为可接受;山东、浙江省的最优模型为GAM(MAPE分别为18.29%、21.25%),其中,山东省模型拟合及预测效果为好,浙江省为可接受;河北、湖南省的最优模型为LSTM(MAPE分别为26.52%、22.69%),模型拟合及预测效果均为可接受。从拟合效果来看,GAM在全国数据中拟合精度最高,MAPE=10.44%。从预测效果来看,LSTM在全国数据中预测精度最高,MAPE=12.23%。结论SARIMA、GAM、LSTM均能作为拟合HFRS发病率的最优模型,但不同地区拟合的最优模型表现出较大差异。今后在建立HFRS预测模型时应尽可能多地纳入备选模型进行筛选,以保证较高的拟合及预测精度。

关键词：肾综合征出血热预测季节性差分自回归移动平均模型广义相加模型长短期记忆神经网络模型

来源：评论

学校读者我要写书评

暂无评论

SARIMA模型在流行性腮腺炎发病预测中的应用

引用

山东大学学报（医学版） 2016年第9期54卷 82-86,96页

作者：李润滋章涛梁玉民罗成蒋正薛付忠刘言训刘静李秀君山东大学公共卫生学院生物统计学系山东济南250012 济宁市疾病预防控制中心山东济宁272000

目的利用SARIMA模型预测未来山东省济宁市流行性腮腺炎发病情况,为流行性腮腺炎防控提供决策依据。方法收集山东省济宁市2009年1月至2013年7月流行性腮腺炎月发病数据资料,利用时间序列分析方法,构建SARIMA模型,并对2013年8月至12月的... 详细信息

目的利用SARIMA模型预测未来山东省济宁市流行性腮腺炎发病情况,为流行性腮腺炎防控提供决策依据。方法收集山东省济宁市2009年1月至2013年7月流行性腮腺炎月发病数据资料,利用时间序列分析方法,构建SARIMA模型,并对2013年8月至12月的发病数资料进行预测。结果济宁市2009至2013年共报告流行性腮腺炎病例数8 520例,且发病具有明显的周期性和季节性特征。最终建立的最优模型为SARIMA(0,1,1)(0,1,1)_(12),赤池信息准则(AIC)为74.45,且通过了统计学检验,模型残差为白噪声。实际月发病数与拟合月发病数进行相关性分析结果显示为显著性相关(r=0.75,P<0.000 1)。对2013年8月至12月发病数进行预测,均在95%置信区间内,且与实际发病数变动的趋势一致,验证了模型合理性。结论 SARIMA模型能较好地拟合济宁市流行性腮腺炎月发病数动态变化,可用于流行性腮腺炎的短期预测。

关键词：时间序列分析季节性差分自回归移动平均模型流行性腮腺炎预测

来源：评论

学校读者我要写书评

暂无评论

江西省2021年中小微企业接尘工人尘肺病主动监测结果分析及模型预测研究

江西省2021年中小微企业接尘工人尘肺病主动监测结果分析及模型预...

引用

作者：马新艳南昌大学

学位级别：硕士

目的:通过分析江西省中小微型企业接尘工人的基本人口学特征及其职业健康相关数据,了解接尘工人职业健康现状,认清当前江西省中小微型企业粉尘危害形势,发现潜在尘肺病患者,探索尘肺病重点监护人群;通过对尘肺病发病的动态变化、发病规... 详细信息

目的:通过分析江西省中小微型企业接尘工人的基本人口学特征及其职业健康相关数据,了解接尘工人职业健康现状,认清当前江西省中小微型企业粉尘危害形势,发现潜在尘肺病患者,探索尘肺病重点监护人群;通过对尘肺病发病的动态变化、发病规律及其特点的深入研究,构建一个有效的时序模型,以便更加准确地监测和预警尘肺病的发生,为江西省尘肺病防治工作提供数据支撑。方法:使用判断抽样方法,选取江西省5665名企业接尘工人作为研究对象,分析其2021年X射线高千伏或数字化摄影后前位胸片（以下简称“胸片”）和肺功能的异常情况及其影响因素。使用江西省1975-2017年尘肺病新发病例资料构建尘肺病SARIMA预测模型,2018-2019年的数据作为模型验证数据进行验证。将尘肺病SARIMA模型拟合值作为组合模型的输入值,真实数据作为输出值,构建SARIMA-GRNN组合模型,进行拟合及预测。以指标平均绝对误差（MAE）、均方根误差（RMSE）和平均绝对百分比误差（MAPE）来评价模型拟合及预测的效果。结果:（1）研究对象胸片异常率为5.1%（287/5665）,其中尘肺样改变人数96人（占1.7%）,肺功能异常率为26.7%（1511/5665）。（2）胸片专项检查结果显示,小型企业人数最多,占比61.4%,60.9%为私有企业工人,男性胸片异常检出率高于女性,胸片异常率随年龄和工龄的增长而增加,接尘类型为其他粉尘的胸片异常检出率最高,为8.1%,采矿业胸片异常检出率最高,为8.4%,港澳台/外商企业胸片异常率最高,为16.7%。（3）肺功能异常率在接触粉尘类型中,矽尘和其他类型粉尘接尘工人人数占比较高,分别为38.2%和45.5%,矽尘肺功能异常率检出最高,为40.5%;在不同行业中,制造业检查人数最多,共有3032人,占比53.5%;不同企业规模中,小型企业检查人数最多,占比61.4%,微型企业肺功能异常检出率最高,为37.1%;性别分布中,男女差异不明显;肺功能异常情况与年龄、工龄呈正比,年龄分布中60岁以上的肺功能异常率最高,异常率为32.7%。（4）性别、经济类型、年龄、企业规模、接尘类型均为导致接尘工人胸片异常的独立因素（P<0.05）。男性接尘工人出现胸片异常的风险高于女性接尘工人（P<0.05）;接尘类型中电焊烟尘接尘工人胸片出现异常的风险是接触矽尘工人的4.963倍;港澳台/外商企业的接尘工人出现胸片异常的风险比私有企业接尘工人高（P<0.05）;年龄越大,胸片出现异常的风险越高（P<0.05）。（5）年龄、工龄、企业规模、经济类型、行业类别和接尘类型均为导致接尘工人肺功能异常的独立因素（P<0.05）。工人的年龄、接尘工龄越长,肺功能发生异常的风险越高（P<0.05）;小、微型企业工人出现肺功能异常的风险比中型企业接尘工人高（P<0.05）;制造业工人发生肺功能异常的风险高于采矿业接尘工人（P<0.05）;港澳台/外商企业接尘工人出现肺功能异常的风险高于私有企业接尘工人（P<0.05）;接尘类型中矽尘接尘工人肺功能出现异常的风险最高,（P<0.05）。（6）根据每个模型的AIC值来确定最优模型,最终确定SARIMA（1,1,1）(0,1,1)4为最优模型。该模型残差通过白噪声检验,Box-Jenkins Q统计量为9.31（P=0.68）。光滑因子从0.001开始取值,每次增加一个单位量0.001至0.2,对所选待估点进行预测,统计出预测样本和真实样本误差序列的均方误差（MSE）值,光滑因子为0.003时MSE值达到最小,所以取值为0.003。SARIMA模型和SARIMA-GRNN组合模型的总体相对误差分别为6.13%和4.74%。结论:（1）经过单因素分析,接尘工人的性别、年龄、工龄、经济类型、接尘类型都是导致胸片异常的影响因素,胸片异常率随年龄、工龄的增长而增加。（2）粉尘作业工人肺部损伤的发生率与多种因素有关,包括年龄、工龄、行业类型、接尘类型、企业规模以及经济类型,加强对重点人群和重点行业的监督管理,以减少疾病的发生。（3）江西省1975-2019年尘肺病发病人数整体呈现下降趋势,季节性变化趋势较为明显,整体结果显示每年第一季度报告率最低。（4）通过使用SARIMA-GRNN组合模型,我们能够更有效的提取时间序列中的线性和非线性成分,并且精度更高,利用SARIMA-GRNN组合模型预测江西省尘肺病发病情况效果更好,预测结果可以为尘肺病的防控提供相关数据支撑。

关键词：尘肺病主动监测季节性差分自回归移动平均模型 SARIMA-GRNN 预测

来源：评论

学校读者我要写书评

暂无评论

基于LSTM/SARIMA时序模型的煤气产供量预测研究

基于LSTM/SARIMA时序模型的煤气产供量预测研究

引用

作者：翁思浩安徽工业大学

学位级别：硕士

钢铁行业一直是一个高能耗、高排放的产业,近年来,各企业为响应国家节能减排、“双碳”政策,高效利用各种能源资源,减少环境污,提出了各种应对措施。以高炉煤气、焦炉煤气、转炉煤气为主的副产煤气是冶金生产过程中产出的重要二次能源,... 详细信息

钢铁行业一直是一个高能耗、高排放的产业,近年来,各企业为响应国家节能减排、“双碳”政策,高效利用各种能源资源,减少环境污,提出了各种应对措施。以高炉煤气、焦炉煤气、转炉煤气为主的副产煤气是冶金生产过程中产出的重要二次能源,对它们的合理利用既可以提高整体能源的二次利用效率,达到节能效果,另一方面,由于副产煤气的成分大多是环境污染源,因此减少副产煤气的放散,一定程度上可以减少对环境的危害。而高效合理利用这些副产煤气的前提不仅是要有合理的煤气调度规则,准确预测未来一段时间煤气的产用量情况也很重要。针对煤气产用量,本文讨论了国内外相关学者对副产煤气的预测模型存在的不足,主要包括以下几点:(1)时间粒度过大,样本少,预测步数及次数也偏少,无法全面考察模型预测能力;(2)模型缺少特殊工况(如设备故障、减产、停产等)下的预测结果对比,或模型难适应于特殊工况。针对以上问题,本文选取了小粒度数据进行大样本的多步预测,使用深度学习中的长短记忆模型(LSTM)以及线性回归中的季节性差分自回归移动平均模型(SARIMA)进行预测,对比分析不同时序模型预测效果。针对特殊工况问题,本文提出了一种梯度驱动时序预测复合模型,根据输入数据的梯度变化,选取最适宜的模型进行预测,大大增加了预测精度。通过煤气流量预测值与实际采集到的煤气流量值进行对比,以平均相对误差(MAPE)作为评判依据,结果表明:正常工况下,LSTM的精度高于SARIMA,在30步预测的时候,LSTM的平均相对误差为0.0428,而SARIMA模型为0.0648;LSTM模型在输入样本为100时误差最小,平均相对误差为0.0428,SARIMA模型在输入样本为200时误差最小,平均相对误差为0.0570;LSTM模型在自更新时,选取700 min数据量作为每次训练样本最为适宜,既保证了模型精度(平均相对误差为0.0448),又可以节省计算资源;变工况下,SARIMA模型比LSTM模型精度更高,SARIMA平均相对误差为0.0694,LSTM平均相对误差为0.094,因此在现场运行工况下,建议使用梯度驱动时序预测复合模型进行预·测,复合模型在一段混合工况下预测的平均相对误差为0.0601,具有更高的预测精度。最后,建立了各煤气产用量预测模型,并将建立的预测模型通过SOCKET通讯技术部署至某钢厂能源管控中心,通过实时的数据预测为煤气调控模型提供强有力的支撑,为钢铁企业能源管理调度提供了较为有效的方法。

关键词：煤气预测长短记忆模型季节性差分自回归移动平均模型多步预测

来源：评论

学校读者我要写书评

暂无评论

北京市东城区2009—2019年蝇类生态学监测结果分析及其预测方法探讨

引用

中华卫生杀虫药械 2024年第3期30卷 262-267页

作者：魏绪强李秋红马卓阙燃王云波周小洁北京市东城区疾病预防控制中心北京100019 北京市预防医学研究中心北京市疾病预防控制中心北京100013

目的掌握北京市东城区2009—2019年蝇种类、密度、分布及其季节消长规律,探讨基于生态学监测的蝇类密度预测方法,为东城区蝇类预测与科学防控提供依据。方法收集整理东城区2009—2019年蝇类生态学监测数据并进行分析;利用MATLAB R2018... 详细信息

目的掌握北京市东城区2009—2019年蝇种类、密度、分布及其季节消长规律,探讨基于生态学监测的蝇类密度预测方法,为东城区蝇类预测与科学防控提供依据。方法收集整理东城区2009—2019年蝇类生态学监测数据并进行分析;利用MATLAB R2018b软件构建的季节性差分自回归移动平均模型(SARIMA)对2019年4—10月的蝇类密度进行预测并与实际监测值进行比较,验证模型预测效果。结果 2009—2019年东城区各生态学监测点蝇类年平均密度为7.09只/笼,优势蝇种为麻蝇科,占捕获蝇总数的56.82%,占比超过5%以上的蝇种类依次为厩腐蝇(11.74%)、家蝇(10.17%)、丝光绿蝇(8.99%)和大头金蝇(6.93%);不同生境中,宾馆饭店蝇类密度最高,为11.86只/笼,餐饮外环境最低,为2.20只/笼,麻蝇科在不同生境中均为优势种群;蝇类密度高峰主要出现在7月和8月。基于历史生态学监测数据构建的最优模型SARIMA(0,1,4)(2,1,3)12预测2019年4—10月的蝇类密度与实际密度基本一致,实际监测值均落在预测值95%置信区间内,模型评价指标均方根误差(RMSE)和平均绝对误差(MAE)分别为1.379和1.014,预测效果较好。结论 2009—2019年北京市东城区以麻蝇科为优势种群,宾馆饭店是蝇类防控的重点场所,活动高峰主要出现在7—8月;通过对SARIMA模型效果评价,该方法可用于蝇类密度短期变化趋势预测。

关键词：蝇密度季节性差分自回归移动平均模型预测密度监测

来源：评论

学校读者我要写书评

暂无评论

三种预测模型对中国流行性腮腺炎月度发病率预测的应用与比较

引用

实用预防医学 2023年第11期30卷 1392-1396页

作者：汤梦莹宋晓坤梁凯琼牛娜唐沛莹黎燕宁广西医科大学公共卫生学院广西南宁530021

目的建立三种预测模型分析流行性腮腺炎的季节发病情况,为流行性腮腺炎的预测方法提供理论依据。方法收集2004年1月—2018年12月全国流行性腮腺炎月度发病率数据,训练集数据为2004年1月—2017年12月流行性腮腺炎月度发病率,分别建立季... 详细信息

目的建立三种预测模型分析流行性腮腺炎的季节发病情况,为流行性腮腺炎的预测方法提供理论依据。方法收集2004年1月—2018年12月全国流行性腮腺炎月度发病率数据,训练集数据为2004年1月—2017年12月流行性腮腺炎月度发病率,分别建立季节性差分自回归移动平均(seasonal autoregressive integrated moving average,SARIMA)模型、温特线性与季节指数平滑(Winter linear and seasonal exponential smoothing,Holt-Winters)模型和神经网络自回归(neural network autoregressive,NNAR)模型,以2018年1—12月中国流行性腮腺炎月度发病率数据作为测试集,评估三种模型的预测效果。结果2004年1月—2018年12月全国流行性腮腺炎月度发病率最高月份是2012年6月,发病率最低月份是2016年2月,每年有两个发病高峰,大高峰发生在每年的4—7月,小高峰发生在每年的11月至次年1月;SARIMA模型、Holt-Winters模型和NNAR模型预测的平均相对误差的绝对值(mean absolute percentage error,MAPE)分别是18.63%、18.65%和16.31%,均方根误差(root mean square error,RMSE)分别为0.29、0.36和0.39,平均绝对误差(mean absoluteerror,MAE)0.26、0.30和0.30,R^(2)分别为93.43%、83.79%和78.24%。预测效果最好的为SARIMA模型,其次为Holt-Winters模型,NNAR模型的预测效果最差。结论SARIMA模型能很好地预测全国流行性腮腺炎的发病情况,可为今后流行性腮腺炎的预防控制工作提供借鉴方法。

关键词：流行性腮腺炎发病预测季节性差分自回归移动平均模型温特线性与季节指数平滑模型神经网络自回归模型

来源：评论

学校读者我要写书评

暂无评论

SARIMA模型在南昌市HIV/AIDS疫情预测中的应用

引用

南昌大学学报（医学版） 2020年第6期60卷 1-4,36页

作者：张小玲徐丹甘仰本况杰传染病预防控制国家重点实验室研究基地、江西省动物源与媒介生物性传染病重点实验室、南昌市疾病预防控制中心南昌330038 南昌市卫生健康委员会疾控科南昌330006 南昌大学公共卫生学院、江西省预防医学重点实验室南昌330006

目的探讨利用季节性差分自回归移动平均模型(SARIMA)模型预测南昌市HIV/AIDS发病情况,为该市艾滋病防控提供决策依据。方法基于艾滋病综合防治信息系统中2007年1月至2016年12月HIV/AIDS病例人数建立SARIMA模型,用2017年1—6月HIV/AIDS... 详细信息

目的探讨利用季节性差分自回归移动平均模型(SARIMA)模型预测南昌市HIV/AIDS发病情况,为该市艾滋病防控提供决策依据。方法基于艾滋病综合防治信息系统中2007年1月至2016年12月HIV/AIDS病例人数建立SARIMA模型,用2017年1—6月HIV/AIDS病例数验证模型的预测效果,然后用建立的模型预测2017年7—12月HIV/AIDS病例数。结果南昌市2007—2016年共报告HIV/AIDS病例数2218例,且HIV/AIDS病例数呈逐年上升趋势,发病具有明显的季节性特征。最终建立的最优模型为SARIMA(0,1,1)×(0,0,1)12,赤池信息准则(AIC)为771.0,平均绝对百分误差(MAPE)为29.6%,且通过Ljung-Box检验,模型残差为白噪声(P=0.686)。模型对2017年1—6月发病数进行预测,均在95%置信区间内,且与实际报告病例数变动的趋势一致,验证了模型合理性。模型预测2017年7—12月HIV/AIDS病例数也符合之前流行趋势。结论SARIMA模型能较好地拟合南昌市HIV/AIDS按月发病人数的动态变化,可用于HIV/AIDS疫情的短期预测。

关键词：艾滋病季节性差分自回归移动平均模型时间序列分析预测南昌,江西

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：