检索结果-内蒙古大学图书馆

西安交通大学学报（医学版） 2017年第3期38卷 371-374,426页

作者：张丽米白冰相晓妹宋辉董敏张水平章琦王玲玲屈鹏飞党少农西安交通大学公共卫生学院流行病与卫生统计学系陕西西安710061 西安市妇幼保健院陕西西安710002

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... 详细信息

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。

关键词：出生缺陷自回归求和移动平均乘积季节模型预测

来源：评论

学校读者我要写书评

暂无评论

ARIMA乘积季节模型在陕西省手足口病预测中的应用

引用

中华流行病学杂志 2016年第8期37卷 1117-1120页

作者：刘峰朱妮邱琳王敬军王维华陕西省疾病预防控制中心西安710054 陕西省疾病预防控制中心信息所西安710054 陕西省疾病预防控制中心传染病预防控制所西安710054

目的应用自回归求和移动平均（ARIMA）乘积季节模型预测陕西省手足口病发病人数。方法利用R软件对2009年1月至2015年6月手足口病数据构建ARIMA乘积季节模型，同时利用2015年7-12月实际发病人数与模型拟合数据比较，评价模型的预测性... 详细信息

目的应用自回归求和移动平均（ARIMA）乘积季节模型预测陕西省手足口病发病人数。方法利用R软件对2009年1月至2015年6月手足口病数据构建ARIMA乘积季节模型，同时利用2015年7-12月实际发病人数与模型拟合数据比较，评价模型的预测性能，预测2016-2017年的手足口病发病人数。结果陕西省手足口病发病人数具有明显的季节性，建立了ARIMA（2，1，0）×（1，1，0）12乘积季节模型，预测方程为（1-B）（1-B12）Ln（Xt）=（1-1.000B）/（1-0.532B-0.363B^2）（1-0.644B12-0.454B12^2）εt，与2015年7-12月实际发病人数比较，绝对误差的平均值为531.535，相对误差的平均值为0.114，预测2016-2017年陕西省手足口病发病人数与2015年基本保持一致。结论 ARIMA（2，1，0）×（1，1，0）12乘积季节模型可用于陕西省手足口病的发病人数预测。

关键词：手足口病自回归求和移动平均乘积季节模型预测

来源：评论

学校读者我要写书评

暂无评论

ARIMA模型在我国法定传染病报告数中的应用

引用

中华流行病学杂志 2017年第12期38卷 1708-1712页

作者：沈忠周马帅曲翌敏江宇北京协和医学院公共卫生学院 100730

目的利用自回归移动平均乘积季节（ARIMA）模型建立适合我国法定传染病月报告发病数的预测模型，借此预测我国法定传染病的变化趋势。方法利用R软件对2009年5月至2016年7月我国法定传染病月报告发病数据建立ARIMA模型，用2016年8月至2... 详细信息

目的利用自回归移动平均乘积季节（ARIMA）模型建立适合我国法定传染病月报告发病数的预测模型，借此预测我国法定传染病的变化趋势。方法利用R软件对2009年5月至2016年7月我国法定传染病月报告发病数据建立ARIMA模型，用2016年8月至2017年1月实际值与预测值进行比较，从而评价模型的预测性能。结果我国法定传染病月报告发病数具有明显的季节性，且报告在每年2月出现最低峰，6月呈现最高峰；建立ARIMA （4，1，0）（1，1，1）12模型对我国法定传染病发病数进行预测，模型预测的最大相对误差为9.78%，最小为2.21%，平均值为5.39%。结论 ARIMA （4，1，0）（1，1，1）12乘积季节模型较好的拟合了我国法定传染病月报告发病数，可用于预测。

关键词：法定传染病自回归求和移动平均乘积季节模型预测

来源：评论

学校读者我要写书评

暂无评论

ARIMA模型和ARIMA-GRNN模型在AIDS发病预测中的应用

引用

中华疾病控制杂志 2018年第12期22卷 1287-1290页

作者：王雅文沈忠周严宝湖杨银北京协和医学院公共卫生学院流行病与卫生统计学系北京100730 中国医学科学院基础医学研究所北京协和医学院基础学院病原生物学系北京100005

目的探究适用于预测我国艾滋病月发病人数的模型,为艾滋病的预防提供参考。方法收集2011年1月至2017年12月我国艾滋病月发病报告人数资料,建立自回归移动平均(autoregressive integrated moving average,ARIMA)模型及广义回归神经网络(g... 详细信息

目的探究适用于预测我国艾滋病月发病人数的模型,为艾滋病的预防提供参考。方法收集2011年1月至2017年12月我国艾滋病月发病报告人数资料,建立自回归移动平均(autoregressive integrated moving average,ARIMA)模型及广义回归神经网络(generalized regression neural network,GRNN)模型与ARIMA模型的联合。用2018年1月至5月艾滋病月发病数评估该模型预测效果。结果艾滋病月发病数呈明显季节性,拟建立ARIMA(1,1,1)(0,1,1)12模型对我国艾滋病月发病报告数进行预测。建立ARIMA-GRNN模型的光滑因子为0.021。ARIMA-GRNN模型拟合及预测误差均低于ARIMA模型。结论ARIMA(1,1,1)(0,1,1)12和ARIMA-GRNN模型均能较好地拟合并预测我国艾滋病月发病人数,但联合模型的效果更优。

关键词：艾滋病自回归求和移动平均乘积季节模型广义回归神经网络预测

来源：评论

学校读者我要写书评

暂无评论

ARIMA乘积季节模型在重庆市流行性乙型脑炎预测中的应用

引用

重庆医科大学学报 2017年第10期42卷 1345-1349页

作者：周春碚姚宁重庆市疾病预防控制中心重庆400042

目的:应用自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型预测重庆市流行性乙型脑炎(简称乙脑)发病数。方法:利用R软件对重庆市2006年1月到2015年6月乙脑报告病例数进行ARIMA模型建模拟合,选择预测... 详细信息

目的:应用自回归求和移动平均(autoregressive integrated moving average,ARIMA)乘积季节模型预测重庆市流行性乙型脑炎(简称乙脑)发病数。方法:利用R软件对重庆市2006年1月到2015年6月乙脑报告病例数进行ARIMA模型建模拟合,选择预测模型进行相互比较确定最优模型。用2015年7至12月实际报告病例数与拟合值的比较来评价模型的预测效果,并对2016至2017年重庆市乙脑报告发病数进行预测。结果:重庆市乙脑发病人数呈逐年下降趋势,报告病例具有明显季节分布特征,ARIMA(0,0,1)×(1,1,2)12模型很好地拟合了时间序列,该模型赤池信息量准则(Akaike information criterion,AIC)、许瓦兹贝叶斯准则(Schwarz Bayesian criterion,SBC)值均最小且预测值与实际值的平均相对误差为0.12,平均绝对百分比误差为7.81%。进一步用该模型预测重庆市2016至2017年乙脑病例数分别为35例和32例,发病高峰仍是7至8月。结论:利用ARIMA乘积季节模型对乙脑发病数拟合较好,短期预测结果良好;与2015年比较,预测2016至2017年乙脑报告发病数略微减少。

关键词：流行性乙型脑炎自回归求和移动平均乘积季节模型预测

来源：评论

学校读者我要写书评

暂无评论

ARIMA乘积季节模型在布鲁菌病发病预测中的应用

引用

中国地方病防治 2022年第4期37卷 295-296页

作者：黄文利周爽周春碚重庆市疾病预防控制中心重庆400042

目的采用自回归求和移动平均(ARIMA)乘积季节模型预测重庆市布鲁菌病(简称布病)发病数。方法应用R软件对重庆市2015年1月至2021年12月布病报告病例数进行ARIMA模型建模拟合,选择确定最优模型,并对2022至2023年重庆市布病报告发病数进... 详细信息

目的采用自回归求和移动平均(ARIMA)乘积季节模型预测重庆市布鲁菌病(简称布病)发病数。方法应用R软件对重庆市2015年1月至2021年12月布病报告病例数进行ARIMA模型建模拟合,选择确定最优模型,并对2022至2023年重庆市布病报告发病数进行预测。结果重庆市布病报告病例数比较平稳,布病发病具有明显的季节分布特征,ARIMA(1,0,0)×(1,0,0)_(12)模型很好地拟合了时间序列,模型的赤池信息量准则(AIC)和许瓦兹贝叶斯准则(BIC)均最小,分别为407.72和417.44。利用该模型预测重庆市2022至2023年布病病例数分别为50例和48例,发病高峰仍在5至8月。结论采用ARIMA乘积季节模型对重庆市布病发病数拟合较好,短期预测结果理想。与2021年相比,预测2022至2023年布病报告发病数略微减少。

关键词：布鲁菌病自回归求和移动平均乘积季节模型预测

来源：评论

学校读者我要写书评

暂无评论

ARIMA乘积季节模型在重庆市流行性乙型脑炎预测中的应用

ARIMA乘积季节模型在重庆市流行性乙型脑炎预测中的应用

引用

重庆市预防医学会第四次会员代表大会暨学术年会

作者：周春碚姚宁重庆市疾病预防控制中心

目的:应用自回归求和移动平均(Autoregressive Integrated Moving Average,ARIMA乘积季节模型预测重庆市流行性乙型脑炎（简称乙脑）发病数。方法:利用R软件对重庆市2006年1月到2015年6月乙脑报告病例数进行ARIMA模型建模拟合,选择预测... 详细信息

目的:应用自回归求和移动平均(Autoregressive Integrated Moving Average,ARIMA乘积季节模型预测重庆市流行性乙型脑炎（简称乙脑）发病数。方法:利用R软件对重庆市2006年1月到2015年6月乙脑报告病例数进行ARIMA模型建模拟合,选择预测模型进行相互比较确定最优模型。用2015年7-12月实际报告病例数与拟合值的比较来评价模型的预测效果,并对2016-2017年重庆市乙脑报告发病数进行预测。结果:重庆市乙脑发病人数呈逐年下降趋势,报告病例具有明显季节分布特征,ARIMA（0,0,1）×（1,1,2）模型很好的拟合了时间序列,该模型赤池信息量准则（Akaike Information Criterion,AIC）、S许瓦兹贝叶斯准则（Schwarz Bayesian Criterion,SBC）均最小且预测值与实际值的平均相对误差为0.12,平均绝对百分比误差为7.81%。进一步用该模型预测重庆市2016-2017年乙脑病例数分别为35例和32例,发病高峰仍是7-8月。结论:利用ARIMA乘积季节模型对乙脑发病数拟合较好,短期预测结果良好;与2015年比较,预测2016-2017年乙脑报告发病数略微减少。

关键词：流行性乙型脑炎自回归求和移动平均乘积季节模型预测

来源：评论

学校读者我要写书评

暂无评论

ARIMA乘积季节模型在布鲁氏菌病发病预测中的应用

ARIMA乘积季节模型在布鲁氏菌病发病预测中的应用

引用

重庆市预防医学会2023年学术年会

作者：黄文利周爽周春碚重庆市疾病预防控制中心

目的:采用自回归求和移动平均（autoregressive integrated moving average,ARIMA）乘积季节模型预测重庆市布鲁氏菌病（简称布病）发病数。方法应用R软件对重庆市2015年1月至2021年12月布病报告病例数进行ARIMA模型建模拟合,选择确定... 详细信息

目的:采用自回归求和移动平均（autoregressive integrated moving average,ARIMA）乘积季节模型预测重庆市布鲁氏菌病（简称布病）发病数。方法应用R软件对重庆市2015年1月至2021年12月布病报告病例数进行ARIMA模型建模拟合,选择确定最优模型,并对2022至2023年重庆市布病报告发病数进行预测。结果重庆市布病报告病例数比较平稳,布病发病具有明显的季节分布特征,ARIMA （1,0,0）×（1,0,0）模型很好地拟合了时间序列,模型的赤池信息量准则（Akaike’ s Information Criterion,AIC）和许瓦兹贝叶斯准则（Bayesian Information Criterion,BIC）均最小,分别为407.72和417.44。利用该模型预测重庆市2022至2023年布病病例数分别为50例和48例,发病高峰仍在5至8月。结论采用ARIMA乘积季节模型对重庆市布病发病数拟合较好,短期预测结果理想。与2021年相比,预测2022至2023年布病报告发病数略微减少。

关键词：布鲁氏菌病自回归求和移动平均乘积季节模型预测

来源：评论

学校读者我要写书评

暂无评论

基于ARIMA模型预测我国手足口病月报告发病数

基于ARIMA模型预测我国手足口病月报告发病数

引用

重庆市预防医学会第四次会员代表大会暨学术年会

作者：郑代坤谭毅李佳王军马帅沈忠周

目的建立适合预测我国手足口病月报告发病人数的自回归求和移动平均(Autoregressive integrated moving average,ARIMA)乘积季节模型,并评价其预测效果。方法收集2010年3月至2017年7月我国手足口病月发病报告人数资料。通过R软件使用201... 详细信息

目的建立适合预测我国手足口病月报告发病人数的自回归求和移动平均(Autoregressive integrated moving average,ARIMA)乘积季节模型,并评价其预测效果。方法收集2010年3月至2017年7月我国手足口病月发病报告人数资料。通过R软件使用2010年3月至2017年1月的数据建立ARIMA乘积季节模型,并用2017年2月至7月手足口病月发病报告人数评估该模型的预测效果,并对2017年8月至12月的数据进行预测。结果我国手足口病月发病报告数呈明显的周期性,且以24个月为一个周期重复,不具有长期趋势;建立了ARIMA(1,0,1)(0,1,1)24模型对我国手足口病月发病报告数进行预测;通过将预测数据与实际数据相比较,计算出该模型预测绝对误差的平均值和相对误差的平均值分别为22505.47和15.71%。结论基于本研究的数据,ARIMA(1,0,1)(0,1,1)24模型可以拟合我国手足口病的月发病人数,可用于预测;同时也可为我国制定手足口病防控措施以及评价防控效果提供科学的参考依据。

关键词：手足口病自回归求和移动平均乘积季节模型预测

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：