【摘要】：目的:了解寧波市鎮(zhèn)海區(qū)從1985-2007年的傷寒、副傷寒發(fā)病的流行趨勢;同時,比較自回歸滑動平均時間序列模型、神經(jīng)網(wǎng)絡(luò)和灰色數(shù)列模型的對傷寒、副傷寒的預測效率。方法:利用寧波市鎮(zhèn)海區(qū)疾病預防控制中心傳染病報告系統(tǒng)收集的1985-2007年傳染病傷寒、副傷寒發(fā)病資料,來觀測該地區(qū)傷寒、副傷寒的流行情況;并用dps7.55軟件中的ARIMA時間序列、神經(jīng)網(wǎng)絡(luò)和灰色數(shù)列模型對1985-2004年按季度發(fā)病率數(shù)據(jù)建立預測模型,用2005-2007年的傷寒、副傷寒季度發(fā)病率對三種預測模型進行檢驗,從而比較三種模型的優(yōu)劣。結(jié)果:1985-2007年期間,鎮(zhèn)海區(qū)傷寒、副傷寒平均發(fā)病率為23.42/10萬,男性年平均發(fā)病率為24.68/10萬,女性為22.08/10萬,1990年呈爆發(fā)流行狀態(tài),發(fā)病率高達144.56/10萬。用ARIMA時間序列分析得到擬合度為50.15%,驗證模型的殘差平方和為5154.38;用神經(jīng)網(wǎng)絡(luò)分析得到擬合度為73.12%,驗證模型的殘差平方和為3559.24;用灰色數(shù)列模型分析得到擬合度為1.20%,驗證模型的殘差平方和為646.58。結(jié)論:本研究結(jié)果顯示寧波市鎮(zhèn)海區(qū)傷寒、副傷寒發(fā)病在全國屬于高發(fā)區(qū),要加大對食品衛(wèi)生的監(jiān)管,推廣使用傷寒、副傷寒疫苗。同時用這些時間序列數(shù)據(jù)進行三種方法擬合比較得到,神經(jīng)網(wǎng)絡(luò)模型更為適用于預測寧波市鎮(zhèn)海區(qū)傷寒、副傷寒發(fā)病趨勢,ARIMA時間序列模型其次,灰色數(shù)列模型預測效率最差。
[Abstract]:Aim: to understand the epidemic trend of typhoid fever and paratyphoid fever in Zhenhai District of Ningbo City from 1985 to 2007, and to compare the prediction efficiency of typhoid and paratyphoid fever based on autoregressive moving average time series model, neural network and grey series model. Methods: the epidemic situation of typhoid fever and paratyphoid fever in this area was observed by the infectious disease report system collected from 1985 to 2007 in Zhenhai District Disease Control and Prevention Center of Ningbo City, in order to observe the prevalence of typhoid and paratyphoid fever in this area. The ARIMA time series, neural network and grey series model of dps7.55 software were used to establish the forecast model of quarterly incidence data from 1985 to 2004, and three forecasting models were tested with the incidence of typhoid fever and paratyphoid fever from 2005 to 2007, and the incidence rate of typhoid fever and paratyphoid fever from 2005 to 2007 were tested. Thus, the advantages and disadvantages of the three models are compared. Results: from 1985 to 2007, the average incidence of typhoid fever and paratyphoid fever was 23.42 / 100000 in Zhenhai District, 24.68 / 100000 in male and 22.08 / 100000 in female. The incidence was 144.56 / 100000. The fitting degree was 50.15% by ARIMA time series analysis, and the square sum of residual error was 5154.38. The fitting degree was 73.12% by neural network analysis, and the square sum of residual error was 3559.24 by neural network analysis. The fitting degree is 1.20%, and the square sum of residual error is 646.58. Conclusion: the results of this study showed that the incidence of typhoid and paratyphoid fever in Zhenhai district of Ningbo was high in China. It was necessary to strengthen the supervision of food hygiene and popularize the use of typhoid and paratyphoid vaccine. The neural network model is more suitable for predicting the incidence trend of typhoid and paratyphoid fever in the Zhenhai area of Ningbo City. The ARIMA time series model is the second and the grey series model is the least efficient in predicting the occurrence trend of typhoid and paratyphoid fever.
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2008
【分類號】：R181.3;R516.3

【相似文獻】

相關(guān)期刊論文 前10條

1 戚建江;王旭初;李秀央;沈毅;黃仙紅;;浙江省食物中毒發(fā)生趨勢的時間序列模型研究[J];中國預防醫(yī)學雜志;2009年09期

2 秦超,陳國良,李瑞興,程旭東,劉建,朱為明;西南邊境作戰(zhàn)某軍減員率的ARIMA分析[J];運籌與管理;2003年03期

3 李宗良,吳有全,鐘銳興;35年間佛山地區(qū)傷寒的變遷[J];現(xiàn)代醫(yī)藥衛(wèi)生;2005年23期

4 劉必永;用ARIMA（p、d、q）模型預報傷寒疫情[J];江蘇預防醫(yī)學;1994年01期

5 余陽艷;楊浩;江華;孫明偉;彭謹;周志遠;李振宇;蔡斌;Charles Damien Lu;曾俊;;基于ARIMA-GRNN組合模型的中國交通傷死亡預測模型的方法學研究及公共政策分析[J];四川醫(yī)學;2011年05期

6 余信豐;陳瑤;黃宏;;浙江省衛(wèi)生技術(shù)人才需求預測[J];科技資訊;2009年16期

7 徐景野;許國章;金春光;章丹陽;沈玄藝;石優(yōu)章;林輝;宋啟發(fā);胡榮華;;傷寒與甲型副傷寒沙門菌基因分型與耐藥性研究[J];中國衛(wèi)生檢驗雜志;2010年12期

8 郭建花;周吉坤;龐志釗;馬志輝;劉立;;時間序列模型在流感樣病例門診就診量監(jiān)測信息中的應用[J];現(xiàn)代預防醫(yī)學;2010年03期

9 焦亮;阮峰;黃利群;譚愛軍;蔣義國;;基于ARIMA的流感癥狀預測模型[J];實用預防醫(yī)學;2010年08期

10 王昕;程小雯;房師松;吳春利;呂星;張仁利;馬漢武;;用ARIMA模型預測流感的變化趨勢[J];中國熱帶醫(yī)學;2011年06期

相關(guān)會議論文 前10條

1 ;Double Trends Time Series Forecasting Using a Combined ARIMA and GMDH Model[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

2 周敏燕;徐方忠;劉加海;;基于ARIMA模型的ADHD兒童視覺持續(xù)性注意研究[A];2011年浙江省心理衛(wèi)生協(xié)會第九屆學術(shù)年會論文匯編[C];2011年

3 ;Traffic Flow Forecasting Based on Fuzzy-Neural[A];第二十六屆中國控制會議論文集[C];2007年

4 任家福;張f ;周宗放;;基于ARIMA和BP神經(jīng)網(wǎng)絡(luò)的組合預測模型及應用研究[A];第三屆（2008）中國管理學年會論文集[C];2008年

5 黃娑;王庚;;南通市經(jīng)濟增長和可持續(xù)發(fā)展問題研究[A];江蘇省現(xiàn)場統(tǒng)計研究會第11次學術(shù)年會論文集[C];2008年

6 石昱馨;劉喜波;;乘積季節(jié)模型在氣溫及降水時間序列分析中的應用[A];數(shù)學·力學·物理學·高新技術(shù)交叉研究進展——2010（13）卷[C];2010年

7 ;Stochastic MPC for Supply Chain Management Using MCMC Approaches[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

8 鄒艷芬;;股價指數(shù)的綜合影響因素動態(tài)模型分析[A];江蘇省現(xiàn)場統(tǒng)計研究會第九次學術(shù)年會論文集[C];2004年

9 王建鋒;高歌;陳立凌;李紅美;張明芝;王艾麗;;ARIMA模型及其在江蘇省衛(wèi)技人員數(shù)預測中的應用[A];中國現(xiàn)場統(tǒng)計研究會第12屆學術(shù)年會論文集[C];2005年

10 鐘朝暉;劉達偉;;重慶市主城區(qū)人口死亡率的時間序列分析[A];重慶市預防醫(yī)學會2004年學術(shù)交流會論文集[C];2004年

相關(guān)重要報紙文章 前10條

1 ;基于數(shù)量化方法對未來經(jīng)濟增長趨勢的預測[N];第一財經(jīng)日報;2009年

2 國海證券研究所 執(zhí)筆 楊娟榮;數(shù)量分析表明我國通縮將在今年底明年初結(jié)束[N];上海證券報;2009年

3 王子鵬;愛立信以“退”為進 眾對手如何應對[N];廠長經(jīng)理日報;2001年

4 證券時報記者 桂衍民;把握好政策刺激下的交易機會[N];證券時報;2008年

5 文兼武　劉冰 楊紅軍 李婧婧;對GDP進行季節(jié)調(diào)整的方法[N];中國信息報;2009年

6 戴偉高;實盤大賽成“隱形”操盤手亮劍舞臺[N];期貨日報;2009年

7 本報見習記者 王建軍;加強環(huán)比統(tǒng)計 服務(wù)宏觀調(diào)控[N];中國信息報;2009年

8 中國人民銀行調(diào)查統(tǒng)計司;2009年四季度中國宏觀經(jīng)濟形勢分析[N];金融時報;2010年

9 晃晃;家電出口達1500億美元[N];中國電子報;2011年

10 本報記者 賈麗;面板關(guān)稅調(diào)整尚處政策調(diào)研階段 中國面板產(chǎn)業(yè)無“襁褓”可依[N];證券日報;2011年

相關(guān)博士學位論文 前10條

1 袁小坊;IP網(wǎng)絡(luò)測量數(shù)據(jù)存儲與流量建模研究[D];湖南大學;2010年

2 陳子林;電子商務(wù)環(huán)境下的供應鏈drop-shipping渠道研究[D];華中科技大學;2008年

3 楊亮;基于教育系統(tǒng)工程理論的高等教育學科結(jié)構(gòu)優(yōu)化研究[D];天津大學;2011年

4 曹雯;秋冬季南方單棟塑料溫室小氣候分析與溫濕環(huán)境模擬研究[D];南京信息工程大學;2012年

5 劉懷忠;煤礦開采對礦區(qū)地下水系統(tǒng)擾動的定量評價研究[D];中國礦業(yè)大學;2009年

6 劉曉冬;中國腎綜合征出血熱時空分布及氣候因素對遼寧省HFRS影響的研究[D];山東大學;2012年

7 程春梅;中國金融生態(tài)危機預警研究[D];遼寧工程技術(shù)大學;2012年

8 白寅;我國大型石油集團預算管理的幾個關(guān)鍵問題研究[D];天津大學;2009年

9 弓樹宏;電磁波在對流層中傳輸與散射若干問題研究[D];西安電子科技大學;2008年

10 陳玉海;我國CPI預測數(shù)量研究[D];中南大學;2009年

相關(guān)碩士學位論文 前10條

1 鄭維;基于X-12-ARIMA的節(jié)假日經(jīng)濟效應分析[D];北方工業(yè)大學;2010年

2 李菁菲;基于小波技術(shù)和ARIMA模型的網(wǎng)絡(luò)流量預測研究[D];山東大學;2010年

3 趙曉麗;基于小波ARIMA模型的風電場風速短期預測方法研究[D];華北電力大學（北京）;2010年

4 白營閃;基于ARIMA模型對滬深300指數(shù)的預測分析[D];華南理工大學;2010年

5 張丹;基于ARIMA模型的消費品公司預算管理分析[D];復旦大學;2011年

6 賈竹青;基于ARIMA模型的呼和浩特地區(qū)10kV配電網(wǎng)負荷預測[D];華北電力大學（北京）;2011年

7 Jules Kounouwewa;[D];中南大學;2003年

8 連曄;基于ARIMA與神經(jīng)網(wǎng)絡(luò)的原油運價指數(shù)研究與預測[D];上海交通大學;2010年

9 董選軍;寧波市鎮(zhèn)海區(qū)傷寒、副傷寒流行趨勢及預測模型評價[D];浙江大學;2008年

10 闕斯洋;基于ARIMA的商業(yè)銀行信貸風險預警研究[D];哈爾濱工程大學;2012年

，

本文編號：2443392