|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | ARIMA模型在常见呼吸道传染病疫情预测中的应用显示文摘目的探讨应用时间序列求和自回归移动平均(ARIMA)模型预测本地区常见呼吸道传染病的发病情况。方法利用《中国疾病预防控制信息系统》的资料,应用SPSS 17.0统计软件、采用ARIMA模型,对合肥市蜀山区呼吸道传染病逐月的发病情况进行建模和拟合,利用所得到的模型对2012年各月发病情况进行预测,并评价其预测效果。结果合肥市蜀山区6种常见呼吸道传染病的季节性表现为每年3~5月份和每年的11月~次年的1月份为高发月。ARIMA(0,0,1)(0,0,1)是本地区常见呼吸道传染病拟合的最佳模型,模型拟合统计量均方根误差(RMSE)为20.299,平均绝对百分位误差(MAPE)为41.264,正态化的贝叶斯信息准则(BIC)为6.226,Ljung-Box Q值为0.375,即P>0.05,可知残差属于白噪声值。结论 ARIMA模型对蜀山区常见呼吸道传染病拟合的预测效果较为满意,预测结果将为今后常见呼吸道传染病的预防和控制提供理论支持。 | 时照华 苏虹 秦凤云 田余红 | 2013 | 安徽医科大学学报2013，48，7： | 25 |
| 2 | 基于BP神经网络的河南省甲乙类法定报告传染病预测研究显示文摘目的建立用于河南省法定报告传染病(甲乙类)预测的神经网络模型,为制定传染病预防和控制措施提供理论依据。方法首先确定预测模型的基本结构,以归一化后的2003-2009年河南省甲乙类法定报告传染病发病率数据为训练样本,以2010年的数据为检验样本,采用改进的BP神经网络算法训练预测模型。利用该模型对2011-2013年河南省甲乙类法定报告传染病发病率数据进行预测。结果所建立的模型在仿真预测样本点的平均相对误差为0.076%,在检验样本处的预测误差为0.434%。并获得了2011-2013年河南省甲乙类法定报告传染病发病率预测数据。结论所建立的BP神经网络模型具有良好的预测精度,适合用来进行河南省甲乙类法定报告传染病发病率的预测。 | 徐学琴 孙宁 徐玉芳 | 2014 | 中华疾病控制杂志2014，18，6： | 8 |
| 3 | 手足口病短期预测的逆传播神经网络模型显示文摘目的探索用于手足口病(HFMD)短期预测的逆传播神经网络(BPNN)模型,为制定HFMD的防治策略和措施提供参考。方法构建BPNN模型,以我国内地HFMD 2011年1月—2014年1月的月发病数资料训练模型,以2014年2—3月发病数检验模型,并对2014年4—9月的月发病数进行预测。结果采用训练完毕的模型对2012年1月—2014年1月的月发病数进行仿真预测,结果显示,平均相对误差绝对值为0.640 6%。以2014年2—3月发病数对模型进行检验,得出预测发病数分别为3.978 3、15.140 7万人,平均相对误差绝对值为1.814 7%。所有预测点的平均相对误差为0.727 6%。采用BPNN模型对2014年4—9月的发病数进行预测,所得预测值经反归一化处理后分别为29.856 7、45.473 0、41.259 0、27.098 8、12.675 8、24.999 1万人。结论 BPNN对2014年4—9月的HFMD预测发病数变化趋势与2011—2013年同期的变化趋势吻合,所建立的模型具有良好的预测精度,可以用来进行HFMD的短期预测。 | 徐学琴 孙春阳 刘晓蕙 裴兰英 王瑾瑾 栗彦芳 申杰 闫国立 | 2015 | 中国全科医学2015，18，8： | 5 |
| 4 | 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显示文摘目的: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。 | 何晓燕 李苑 黄志平 符绩文 陈山 刘碧清 | 2011 | 现代生物医学进展2011，11，16： | 5 |
| 5 | 差分自回归移动平均模型及其在寄生虫病等传染病预测中的研究及应用显示文摘通过时间序列分析可对传染病的发生、发展进行及时准确地预测预警,对有效防治传染病具有重要意义.该文在分析时间序列分析特点的基础上,就其中精度较高的差分自回归移动平均模型(auto regressive integrated moving average model,ARMIA)的分类和建模过程及其在寄生虫病等传染病预测中的应用等方面进行阐述,以为科研与防治工作者提供参考. | 王强 许静 周晓农 | 2014 | 国际医学寄生虫病杂志2014，41，2： | 2 |
| 6 | ARIMA模型在乙型肝炎发病率预测中的应用显示文摘目的探讨ARIMA模型预测常州市乙型肝炎发病率的可行性。方法应用SPSS 18.0软件对常州市2002—2010年乙型肝炎月发病率进行ARIMA模型拟合,对2011年乙型肝炎发病率进行预测验证,并对2012年月发病率进行预测。结果最佳拟合模型为ARIMA(2,1,0)(1,1,0)12;2011年乙型肝炎发病率预测结果和实际值平均相对误差为3.55%。结论 ARIMA模型可用于常州市乙型肝炎发病率预测,其短期预测精度较高。 | 韩长磊 林琴 卞琛 凌良健 | 2012 | 浙江预防医学2012，24，10： | 2 |
| 7 | 一种用于短期肺气肿发病率预测的分时段时间序列传递函数模型显示文摘肺气肿发病率是政府和相关医学工作者预防与监测肺气肿的重要依据之一。因此,选择合理的肺气肿发病率预测模型显得尤为重要。文章提出了一种基于时间序列法的分时段传递函数模型来预测短期肺气肿发病率,该模型考虑了平均气温因素对肺气肿发病率的影响,同时利用累积式自回归滑动平均模型(ARIMA)对肺气肿发病率序列和平均气温序列的非平稳性进行处理,并且对2009年12个时段分别建立了预测模型。最后采用青海海西州地区的肺气肿发病率历史数据进行算例研究。结果表明,利用本文模型进行肺气肿发病率预测能够提高预测的准确性。对肺气肿发病率历史数据进行时间序列分析是用于肺气肿监测的一个重要的内容。该研究所建立的传递函数预测模型适用于青海海西州地区肺气肿发病率预测与监测。 | 马亮亮 田富鹏 | 2010 | 药物生物技术2010，17，5： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员