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216 | 下载0

目的 构建北京市房山区感染性腹泻发病的季节性求和自回归移动平均(seasonal autoregressive integrated moving average,SARIMA)模型并进行预测.方法 应用R3.0.1软件程序包中的TSA对2004-2013年房山区感染性腹泻月发病率构建模型,并对2014年各月感染性腹泻月发病率进行预测和评价.结果 SARIMA(0,0,2)(0,1,1)12模型较好地拟合既往时间段月发病率,对2014年发病趋势拟合平均相对误差为19.164%,对年发病率拟合平均相对误差为2.303%.结论 SARIMA(0,0,2)(0,1,1)12模型能够很好拟合感染性腹泻月发病率数据,可用于房山区感染性腹泻发病趋势的短期预测,为下一步采取针对性防控措施提供科学依据.

作者:李丽丽;董瑞强;石磊;黄少平;阚震

来源:疾病监测 2016 年 31卷 2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:216 | 下载:0
作者:
李丽丽;董瑞强;石磊;黄少平;阚震
来源:
疾病监测 2016 年 31卷 2期
标签:
感染性腹泻 季节性求和自回归移动平均模型 时间序列分析 Infectious diarrhea Seasonal autoregressive integrated moving average model Time-series analysis
目的 构建北京市房山区感染性腹泻发病的季节性求和自回归移动平均(seasonal autoregressive integrated moving average,SARIMA)模型并进行预测.方法 应用R3.0.1软件程序包中的TSA对2004-2013年房山区感染性腹泻月发病率构建模型,并对2014年各月感染性腹泻月发病率进行预测和评价.结果 SARIMA(0,0,2)(0,1,1)12模型较好地拟合既往时间段月发病率,对2014年发病趋势拟合平均相对误差为19.164%,对年发病率拟合平均相对误差为2.303%.结论 SARIMA(0,0,2)(0,1,1)12模型能够很好拟合感染性腹泻月发病率数据,可用于房山区感染性腹泻发病趋势的短期预测,为下一步采取针对性防控措施提供科学依据.

Baidu
map