灰色预测模型在肺结核发病率预测中的应用

目的分析广州市白云区2009~2013年结核病流行病学特征,并预测2014年白云区肺结核的发病率,为制订白云区肺结核防控策略提供科学依据。方法采用描述性流行病学方法分析白云区2009~2013年结核病流行病学特征,选择灰色预测模型GM(1,1)预测2014年白云区肺结核发病率。结果 2009~2013年白云区共报告结核病12 406例;年均发病率为111.96/10万;发病年龄集中在青壮年;发病人群以民工、农民、工人为主;报告病例主要分布在人员流动性大的城镇及边远农村。根据2009~2013年白云区报告发病率,预测2014发病率为82.43/10万。结论根据白云区2009~2013年结核病流行特征,预测2014年结核病发病率,以便把握疫情趋势,加强结核病宣教和防控,遏制结核病的蔓延。     

应用灰色动态模型预测石河子性病发病率的探讨

本文应用灰色动态模型对石河子市 2 0 0 0至2 0 0 4年性病发病率进行预测 ,并与其它两种预测方法做了比较 ,目的是为有关部门控制性病的流行及决策提供参考依据。1　资料来源与方法1 1　性病发病率资料来源于石河子卫生防疫站性病监测研究组历年的统计表。见表 1。表 1　 1993～ 1999年石河子市性病发病率年份 1993 19941995 1996199719981999发病率( 1/ 10万 ) 12 1.2 42 .83 8.470 .8116.4166.8181.11 2　对资料采用灰色系统分析方法 ,建立ＧＭ( 1 ,1 )预测模型 ,其预测方程为 : ｔｉ=ｏ^ｙｔ=(ｙ0 - μα)ｅａｔ μα用文献 1和 2的公…     

灰色模型在麻风发病率预测上的尝试

本文介绍了灰色模型,并使用该模型对麻风发病率资料作了预测分析,其结果较为满意。拟合与外推预测的平均误差分别占实测值均数的3.07％和8.23％,其效果也比指数曲线方程和动态数列拟合法为优。同时方法简便,易于掌握,可作为疾病预测的另一有用工具。     

许昌市肺结核疫情预测的灰色模型分析

目的:利用GM(1,1)模型对许昌市的肺结核病疫情进行预测,为本地的结核病防治工作的可持续发展提供参考依据。方法:采用灰色预测模型GM(1,1)对2013²017年许昌市结核病流行趋势进行预测。采用Excel 2003软件对资料进行录入及统计分析。结果:利用灰色模型GM(1,1)预测20132017年许昌市结核病流行趋势进行预测。采用Excel 2003软件对资料进行录入及统计分析。结果:利用灰色模型GM(1,1)预测2013²017年肺结核患者登记率呈下降趋势。结论:灰色模型GM(1,1)预测拟合效果较好,可以用于结核病疫情的短期预测。     

基于乘积SARIMA模型的肺结核发病率预测

目的 应用乘积季节自回归移动平均(seasonal autoregressive integrated moving average,SARIMA)模型对肺结核发病率进行预测研究,探讨其可行性并为肺结核病的防治工作提供科学依据.方法 应用EViews 7.0.0.1软件对我国2004年1月至2012年12月的肺结核逐月发病率建立乘积SARIMA模型并进行拟合,选取2013年1月至12月肺结核发病率数据评价模型的预测性能.结果 建立的SARIMA(2,0,2)×(0,1,1)12模型能较好地拟合既往时间段内肺结核的发病率,对2013年1月至12月肺结核发病率的预测与实际发病率趋势基本吻合,平均误差绝对值为0.416 992,平均误差绝对率为5.350 8％.结论 乘积SARIMA模型能较好地模拟和预测肺结核发病率在时间序列上的变动趋势,将其应用于肺结核发病预测是可行的,具有推广应用前景.     

基于无偏灰色马尔科夫模型的传染病发病率预测

目的建立无偏灰色马尔科夫预测模型,对传染病发病率时间序列进行预测。方法利用2003～2009中国肺结核发病率数据建立无偏灰色预测模型,马尔科夫模型修正预测结果,用2010年数据来检验模型,再利用模型对2011年中国肺结核发病率进行预测。结果中国肺结核发病率的无偏灰色模型为x^(0)(1)=74.64,x^(0)(k)=96.2323e1n 0.9685(k-1)(k=2,3,…,n),运用马尔科夫模型修正后,预测模型相对误差为3.188%。2011年肺核病发病率预测值为77.877/10万。结论无偏灰色马尔科夫模型预测精度高于传统灰色预测模型和单一的无偏灰色模型,是一种传染病发病率短期预测精度较高的预测模型。     

灰色模型GM（1,1）在海南省梅毒发病率预测中的应用

目的：探讨灰色模型预测海南省梅毒发病率的适用性,并对未来5年梅毒发病趋势进行预测,为科学制定梅毒防控措施、合理配置防控资源提供依据。方法运用GM(1,1)建模方法对2009-2013年海南省梅毒的发病率进行模型拟合,对拟合精度进行评判,并运用模型进行梅毒发病率预测。结果海南省梅毒发病率的GM(1,1)模型,拟合精度和预测效果好(C=0.2907<0.35,P=1),模型预计今后5年海南省梅毒发病率结果分别为45.98/10万,52.60/10万,60.19/10万,68.85/10万,78.78/10万。结论预测结果表明,GM(1,1)模型能够很好地预测梅毒发病率的趋势。未来5年海南省梅毒发病率呈逐年上升的趋势。     

灰色模型GM（1，1）在尘肺发病率预测中的运用

目的：探讨验证灰色模型在尘肺患病人数预测的应用效果。方法：利用黄石市2000—2005年尘肺发病率进行GM（1，1）建模，所建数学模型为X（t＋1）=-0．446736e-0．169499t＋0．497700，作外推预测验证。结果：该灰色预测模型的拟合与预测效果较好，未来5年（2006—2010年）黄石市尘肺发病率预测值为：2006年0．10304％、2007年0．08398％、2008年0．06792％、2009年0．05443％、2010年0．04315％。结论：灰色模型可应用于尘肺发病率的预测。     

应用ARIMA模型预测肺结核报告发病率的研究

目的探讨ARIMA模型在宜昌市肺结核预测方面的应用,为进一步采取预防控制措施提供科学依据。方法基于宜昌市1997~2013年肺结核发病率的数据建立一个原始时间序列,对1998~2013年的发病进行预测,并与实际发病进行比较。结果最终得出ARIMA(1,0,1)(2,1,0)12为最优模型,实际发病与预测值及其95%置信区间基本一致,模型的拟合效果较好,可以对2014年发病率进行预测。结论肺结核具有很高的发病率,ARIMA模型能较好的模拟肺结核发病在时间序列的变化趋势,为制定防控措施提供科学的依据。     

灰色残差GM(1,1)模型在预测肺结核流行趋势中的应用

目的预测西安市肺结核短期流行趋势,探讨灰色模型在疾病预测及效果评价中的作用。方法对西安市1996-2005年肺结核发病率资料分别建立单纯GM(1,1)模型和残差GM(1,1)模型,比较两个模型的拟合优度,选择拟合度好的模型预测肺结核的短期流行趋势。结果单纯GM(1,1)模型的拟合度为"勉强",残差GM(1,1)模型的拟合度为"好"。采用拟合度满意的残差GM(1,1)模型预测西安市2006年和2007年肺结核发病率分别为364.79/10万和523.20/10万,较实际发病率显著降低,降幅分别为72.09%和82.32%。结论 2005年以来西安市结核病防治工作取得初步成效,灰色残差GM(1,1)模型可作预测肺结核的短期流行趋势之用。     

ARIMA模型和GM(1,1)模型预测全国3种肠道传染病发病率

 【摘要】目的 分别采用求和自回归滑动平均模型（ARIMA模型）和灰色模型GM(1,1)对全国法定报告的3种肠道传染病年发病率进行预测，并比较两者预测的准确性。方法 采用1995年1月至2005年12月的月发病率建立ARIMA模型。采用1995年至2005年的年发病率建立GM(1,1)模型。采用2006年的实际年发病率验证两种模型的预测效果，评价指标为相对误差。选取相对误差最小的模型预测2007年至2008年的年发病率。结果 对于甲型肝炎、痢疾、伤寒副伤寒的年发病率，预测准确率较高的模型分别是GM(1,1)、ARIMA、GM(1,1)模型，相对误差分别为0.05%、5.47%、38.89%。对2007年甲型肝炎、痢疾、伤寒副伤寒预测的年发病率分别为4.59/105、30.84/105、2.53/105；对2008年预测的年发病率分别为4.03/105、29.03/105、2.34/105。结论 对于某种肠道传染病发病率的预测，应同时拟合几种模型，并选择其中拟合效果最好的一种模型。     

1988-2010年全国疟疾发病率的灰色预测模型研究

目的 描述分析我国近20年疟疾的发病率变化趋势,并进行预测,为疟疾的科学防控提供参考.方法 根据全国1988-2008年疟疾的报告发病率数据,拟合GM(1,1)灰色预测模型,并进行回代预测,外推预测2009和2010年的发病率.结果 1988-2009年全国疟疾报告发病率总体呈下降趋势,由12.56/10万降至1.06/10万.利用1988-2008年数据建立的GM(1,1)预测模型为:(y)(t+1)=-97.0998e-0.113t+109.5398,模型拟合精度较高(后验差比值C为0.4162,小误差概率P为0.95).模型预测2009、2010年全国疟疾发病率分别为1.08/10万和0.97/10万.结论 灰色模型GM(1,1)计算简便,预测结果准确,是一种较为理想的预测疟疾发展趋势的方法.     

灰色系统理论GM（1,1）模型预测百色市疟疾发病趋势

目的建立疟疾疫情预测模型GM（1,1）,应用于百色疟疾发病率的预测。方法根据2000～2010年百色疟疾发病率数据,建立疟疾发病率预测灰色模型GM（1,1）,并作拟合效果检验;外推预测2011～2013年百色区疟疾发病率。结果疟疾发病率预测数学模型为X（t）=3.71056128e-0.329307（t-1）（t=2,3,……,n）,经拟合检验,模型拟合精度合格（C=0.4069,P=0.9000）。外推2011～2013年百色疟疾发病率,分别为0.0991/10万、0.0713/10万和0.0513/10万。结论GM（1,1）模型较好地拟合了百色疟疾发病的趋势,预测结果具有参考价值。     

运用GM（1,1）模型和曲线回归模型预测辽阳市丙肝发病趋势

目的：预测辽阳市丙肝的发病趋势,为制定防控措施提供科学依据。方法利用辽阳市丙肝发病资料,建立GM(1,1)模型和曲线回归模型预测辽阳市丙肝发病趋势。结果辽阳市丙肝发病数的GM (1,1)预测模型为=（123+259.0685/0.1304)e0.1304t-259.0685/0.1304。预测值与实测值偏离较大;曲线回归模型为y=146.134+10.101x+19.234x2-1.466x3,该预测模型的拟合效果较好。结论曲线回归模型可较好地预测辽阳市丙肝发病趋势。     

SARIMA模型在苏州市肺结核发病预测中的应用

目的 建立苏州市肺结核发病的SARIMA模型并预测发病,为苏州市肺结核防控提供参考。方法 收集结核病信息管理系统（新）中苏州市2010年1月—2018年12月肺结核月发病数,通过时间序列分析建立SARIMA模型并预测苏州市2019年肺结核的发病情况。结果 苏州市肺结核发病数具有明显的季节周期性,每年的发病最高峰为5月,发病最低谷为2月。苏州市肺结核发病数的最佳拟合模型为SARIMA (0,1,1)×(0,1,1)₁₂,AIC=9.590,SBC=9.644,模型参数均具有统计学意义,模型残差为白噪声序列,模型的预测值与实际值平均绝对百分比误差MAPE=7.943%,模型预测精度较高。预测苏州市2019年肺结核发病数为3 467例,月发病数平均值为289例,发病水平较2018年略有下降。结论 SARIMA(0,1,1)×(0,1,1)₁₂模型能较好拟合出苏州市肺结核发病数的时间变化趋势,可应用于苏州市肺结核月发病数的短期预测。     

ARIMA模型在涂阳肺结核月发病预测中的应用

目的 探讨重庆市涂阳肺结核月发病数随时间的变化规律,为控制和预防肺结核提供科学依据。方法 采用SPSS13.0软件对2005～2009年重庆市涂阳肺结核月发病数资料建立ARIMA模型,利用该模型预测2010年1月～12月的涂阳肺结核月发病数,对模型的短期预测及其效果进行初步评价。结果 建立的ARIMA(1,1,0)×(0,1,1)₁₂模型是拟合重庆市涂阳肺结核月发病数的合适模型,2005～2009年观测值落在拟合值95%的可信区间内,2010年预测值的平均相对误差为6.31%。结论 ARIMA(1,1,0)×(0,1,1)₁₂模型能很好地预测重庆市涂阳肺结核月发病情况,为控制和预防肺结核提供了可靠依据。     

ARIMA模型与GRNN模型对肺结核发病率预测的对比研究

目的 比较自回归移动平均(ARIMA)模型与广义回归神经网络(GRNN)模型对于肺结核发病率的预测性能.方法 根据我国2004年1月至2012年12月的肺结核逐月发病率数据资料,应用Eviews 7.0.0.1建立ARIMA模型,应用Matlab 7.1的神经网络工具箱建立GRNN模型;选取2013年肺结核逐月发病率数据对两种预测模型进行检验,比较预测结果.结果 ARIMA模型和GRNN模型的Theil不等系数(TIC)分别是0.034和0.059,说明ARIMA模型对我国2013年肺结核逐月发病率的拟合程度优于GRNN模型,ARIMA模型相对误差绝对值仅为GRNN模型的57.19％.结论 ARIMA预测模型更适合用于我国肺结核发病率的预测;建议尝试组合模型预测肺结核发病率.     

基于GM（1,1）模型的住院人次预测

目的应用GM（1,1）模型预测住院人次。方法建立GM（1,1）模型对某三级医院2010年住院人次进行定量预测。结果 GM（1,1）模型预测住院人数效果非常理想,残差ε-=3.4548%、后验差比c=0.1130、P=1、r=0.9785,模型测定为Ⅰ级,外推可信。预测医院2010年住院人次为6.7342万人次。结论运用GM（1,1）模型可为医院合理配置医疗资源提供科学依据。     

GM(1,1)模型在子宫颈癌死亡率预测中的应用

目的:预测湖北省荆州市子宫颈癌疾病死亡率趋势,为制定针对性的防治管理措施提供依据。方法:依据荆州市2002～2009年子宫颈癌的死亡率,应用灰色系统理论,建立子宫颈癌死亡率预测模型,进行预测研究。结果:求得荆州市子宫颈癌死亡率的预测模型为X(k+1)=-113.7842e-0.0 2 7 4 7R+117.0342,拟合检验显示本模型拟合精度为好,能够较好的预测子宫颈癌的死亡率。结论:荆州市子宫颈癌死亡率将继续呈下降趋势。