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282 | 下载0

目的 构建时间序列分析ARIMA乘积季节性模型,预测武汉市2013年流行性腮腺炎发病趋势,探讨该模型在流行性腮腺炎发病率预测中的应用.方法 利用中国疾病监测信息报告系统2005年1月至2012年12月武汉市流行性腮腺炎月发病资料,运用PASW Statistics 18.0专家建模器,考虑季节性因素建立ARIMA预测模型,并将所建模型对2013年流行性腮腺炎月发病率进行预测.结果 模型残差序列为白噪声,ARMA(0,1,0)(0,1,1)12模型构建理想,能较好地拟合时间序列,2013年流行性腮腺炎月发病高峰在5~7月,至11、12月出现次要高峰.结论 专家建模器构建乘积季节性模型拟合效果较好,但在实际工作中要充分考虑流行性腮腺炎各项防控措施推行等影响因素,综合分析,为防控工作提出理论与实证建议.

作者:杨小兵;汪鹏;江高峰

来源:公共卫生与预防医学 2013 年 24卷 6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:282 | 下载:0
作者:
杨小兵;汪鹏;江高峰
来源:
公共卫生与预防医学 2013 年 24卷 6期
标签:
时间序列分析 专家建模器 ARIMA模型 流行性腮腺炎 Time series analysis Expert Modeler ARIMA model Mumps
目的 构建时间序列分析ARIMA乘积季节性模型,预测武汉市2013年流行性腮腺炎发病趋势,探讨该模型在流行性腮腺炎发病率预测中的应用.方法 利用中国疾病监测信息报告系统2005年1月至2012年12月武汉市流行性腮腺炎月发病资料,运用PASW Statistics 18.0专家建模器,考虑季节性因素建立ARIMA预测模型,并将所建模型对2013年流行性腮腺炎月发病率进行预测.结果 模型残差序列为白噪声,ARMA(0,1,0)(0,1,1)12模型构建理想,能较好地拟合时间序列,2013年流行性腮腺炎月发病高峰在5~7月,至11、12月出现次要高峰.结论 专家建模器构建乘积季节性模型拟合效果较好,但在实际工作中要充分考虑流行性腮腺炎各项防控措施推行等影响因素,综合分析,为防控工作提出理论与实证建议.

Baidu
map