您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览156 | 下载0

目的 利用时间序列分析方法动态研究流行性腮腺炎发病趋势,探讨合理的预测模型,为制定流行性腮腺炎的预防监测措施提供决策依据.方法 应用时间序列分析方法对昌平区2005-2012年流行性腮腺炎月发病数据进行分析并建立预测模型,对建立的预测模型进行参数估计、模型诊断、模型评价,选择最优预测模型.结果 昌平区2005-2012年流行性腮腺炎的发病呈周期性波动,并呈季节性变化.建立的ARIMA模型的拟合精度和预测效果较为理想.结论 ARIMA模型能较好的模拟昌平区流行性腮腺炎的发病趋势,可用于流行性腮腺炎的短期预测和动态分析.

作者:王涛;苑新海;杨俊英;王海红;张丽文;朱宗龙

来源:热带医学杂志 2014 年 14卷 12期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:156 | 下载:0
作者:
王涛;苑新海;杨俊英;王海红;张丽文;朱宗龙
来源:
热带医学杂志 2014 年 14卷 12期
标签:
ARIMA模型 时间序列 流行性腮腺炎 autoregressive integrated moving average model time series mump
目的 利用时间序列分析方法动态研究流行性腮腺炎发病趋势,探讨合理的预测模型,为制定流行性腮腺炎的预防监测措施提供决策依据.方法 应用时间序列分析方法对昌平区2005-2012年流行性腮腺炎月发病数据进行分析并建立预测模型,对建立的预测模型进行参数估计、模型诊断、模型评价,选择最优预测模型.结果 昌平区2005-2012年流行性腮腺炎的发病呈周期性波动,并呈季节性变化.建立的ARIMA模型的拟合精度和预测效果较为理想.结论 ARIMA模型能较好的模拟昌平区流行性腮腺炎的发病趋势,可用于流行性腮腺炎的短期预测和动态分析.