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200 | 下载0

目的 应用时间序列分析方法建立差分自回归移动平均模型,也叫求和自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA),分析和预测2011年1月-2015年12月乌鲁木齐市儿童呼吸系统疾病的月门诊人次并作短期预测,为儿童呼吸系统疾病的预防和控制提供支持.方法 以2011年1月2015年12月乌鲁木齐市儿童呼吸系统疾病的月门诊人次为原始序列,用ARIMA(p,d,q)(P,D,Q)S拟合序列,根据自相关图(ACF)和偏自相关图(PACF)对模型定阶并估计参数,再对模型及其参数做显著性检验,应用最小信息量准则AIC及SBC进行评价,建立最优ARIMA乘积季节模型.结果 ARIMA(0,1,2)(1,1,0)12模型模拟2011年1月-2015年6月儿童呼吸系统疾病月门诊人次,计算得平均绝对百分比误差MAPE=10.91,在可接受的范围内.运用该模型预测出2015年7月-12月的儿童呼吸系统疾病月门诊人次,MAPE=11.39,模型预测效果较好.该模型预测2016年全年的儿童呼吸系统疾病月门诊人次,最大值出现在12月,预测月门诊人次为8 963(5 431~12 494).结论 ARIMA(0,1,2)(1,1,0)12模型可用于拟合并且短期预测乌鲁木齐市儿童呼吸系统疾病月门诊人次,为儿童呼吸系统疾病的预防和治疗提供依据.

作者:王艳杰;杨蕾;吴文华;任泉;王倩;刘早玲

来源:职业与健康 2017 年 33卷 21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:200 | 下载:0
作者:
王艳杰;杨蕾;吴文华;任泉;王倩;刘早玲
来源:
职业与健康 2017 年 33卷 21期
标签:
呼吸系统疾病 时间序列分析 ARIMA乘积季节模型 儿童 Respiratory diseases Time series analysis ARIMA product season model Children
目的 应用时间序列分析方法建立差分自回归移动平均模型,也叫求和自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA),分析和预测2011年1月-2015年12月乌鲁木齐市儿童呼吸系统疾病的月门诊人次并作短期预测,为儿童呼吸系统疾病的预防和控制提供支持.方法 以2011年1月2015年12月乌鲁木齐市儿童呼吸系统疾病的月门诊人次为原始序列,用ARIMA(p,d,q)(P,D,Q)S拟合序列,根据自相关图(ACF)和偏自相关图(PACF)对模型定阶并估计参数,再对模型及其参数做显著性检验,应用最小信息量准则AIC及SBC进行评价,建立最优ARIMA乘积季节模型.结果 ARIMA(0,1,2)(1,1,0)12模型模拟2011年1月-2015年6月儿童呼吸系统疾病月门诊人次,计算得平均绝对百分比误差MAPE=10.91,在可接受的范围内.运用该模型预测出2015年7月-12月的儿童呼吸系统疾病月门诊人次,MAPE=11.39,模型预测效果较好.该模型预测2016年全年的儿童呼吸系统疾病月门诊人次,最大值出现在12月,预测月门诊人次为8 963(5 431~12 494).结论 ARIMA(0,1,2)(1,1,0)12模型可用于拟合并且短期预测乌鲁木齐市儿童呼吸系统疾病月门诊人次,为儿童呼吸系统疾病的预防和治疗提供依据.