灰色模型GM(1,1)和残差自回归模型在中国孕产妇死亡率预测中的应用

目的 采用灰色模型GM(1,1)和残差自回归模型分别对我国孕产妇死亡率(MMR)进行预测，并比较两者预测准确性，为MMR预测提供方法学指导。方法 根据我国1991—2020年的MMR数据，应用灰色模型GM(1,1)和残差自回归模型，建立MMR预测模型并进行预测研究。结果 GM(1,1)模型对MMR预测精度高于残差自回归模型，求得GM(1,1)方程为：x⁽(1))(k+1)=-1 544.142 7e^{-0.051 1k}+1 624.142 7,拟合检验显示本模型拟合精度好(C=0.186 8,P=1),能够较好地预测MMR的趋势，预测2022—2024年MMR分别为16.6/10万、15.8/10万和15.0/10万。结论 对于1991—2021年MMR数据，GM(1,1)拟合效果优于残差自回归模型，预测表明2022—2024年我国MMR将继续呈下降趋势。     

GM(1,1)灰色预测模型和ARIMA模型在拟合山东省心脑血管疾病死亡率中的应用

目的 运用GM(1,1)灰色模型和ARIMA模型对山东省心脑血管疾病死亡率进行拟合,对拟合结果行进比较。为心脑血管疾病预防提供科学依据。 方法 利用山东省全人群监测点2002-2014年心脑血管疾病死亡率数据分别建立GM(1,1)灰色模型和ARIMA模型,对建立的模型进行拟合,同时运用该模型对2015-2017年心脑血管疾病死亡率进行预测。两种模型拟合评价指标为误差平方和（SSE）、平均绝对百分误差(MAPE)两个指标。 结果 心脑血管疾病死亡率GM(1,1)灰色模型和ARIMA模型SSE和MAPE分别为1236、1189和2.75%、2.73%。2015-2017年心脑血管疾病预测死亡率（1/10万）分别为340.56、349.80、359.03。 结论 心脑血管疾病死亡率呈波动性上升趋势。ARIMA模型拟合效果优于GM(1,1),模型拟合要充分考虑数据特征。     

ARIMA模型与灰色系统GM(1,1)模型在长沙市艾滋病发病率预测中的效果比较

目的利用ARIMA模型和GM(1,1)模型对长沙市艾滋病发病率进行模拟预测并对预测效果进行比较。方法收集长沙市2006—2016年艾滋病的发病资料,分别建立自回归滑动平均模型(ARIMA)及灰色系统GM(1,1)模型,进行回代拟合,并预测2017和2018年艾滋病的发病率,同时比较2种模型的拟合与预测效果。结果 ARIMA(1,1,1)模型预测出2017和2018年长沙市艾滋病发病率分别为6.19/10万、8.19/10万;GM(1,1)模型预测出2017年和2018年长沙市艾滋病发病率为6.39/10万和8.16/10万。结论 ARIMA模型及GM(1,1)模型的拟合结果均与长沙市艾滋病发病趋势相同,ARIMA模型对2006—2016年长沙市艾滋病发病率的预测效果较GM(1,1)模型好,预测准确度P高于GM(1,1)模型,平均绝对误差MAE小于GM(1,1)模型     

GM(1,1)灰色模型和ARIMA模型在上海市手足口病发病率预测应用中的比较研究

目的分别采用求和自回归滑动平均模型(autoregressive integrated moving average,ARIMA)和灰色模型GM(1,1)(grey model,GM(1,1))对上海市手足口病的发病率进行预测,并比较两者的预测效果。方法采用2005-2008年上海市手足口病的月发病率和年发病率分别建立ARIMA模型和GM(1,1)模型,并使用2009年的实际年发病率验证两种模型拟合和预测效果。选取相对误差最小的模型预测2011-2012年的发病率。结果 针对手足口病发病率建立的GM(1,1)模型和ARIMA模型,2005-2008年的拟合平均误差率分别为11.06%和10.54%;对2009年进行预测,预测值与实测值的相对误差分别为69.30%和6.51%。采用ARIMA模型对2011年和2012年的年发病率预测为255.32/10万和294.59/10万。结论 ARIMA模型对上海市手足口病的预测效果要优于灰色模型GM(1,1),对解决时间序列类型的发病率等资料有很好的实用价值,预测结果对该病的防治具有科学意义。     

基于灰色GM(1,1)模型与ARIMA模型的四川省卫生人力资源预测探讨

目的运用灰色GM(1,1)模型与ARIMA模型对四川省卫生人力资源进行预测,为相关部门制定政策提供参考。方法采用EXCEL建立数据库,运用Matlab编程拟合灰色GM(1,1)模型、SPSS22.0拟合ARIMA模型,对四川省1990-2020年卫生人力资源进行了预测。结果拟合的灰色GM(1,1)模型误差绝对值(%)、平均误差值(%)均高于ARIMA(1,1,1)模型。结论 ARIMA(1,1,1)预测结果优于灰色GM(1,1)模型,模型拟合需要考虑数据特征等因素。     

组合模型对恶性肿瘤死亡率拟合度评价及预测方法的研究

目的 用6种单项预测方法对金昌队列13年恶性肿瘤死亡率进行拟合并预测。方法 采用动态数列、线性回归、指数平滑、自回归移动平均（ARIMA）模型、灰色模型、Joinpoint回归6种方法,利用金昌队列2001-2013年数据进行恶性肿瘤死亡率拟合及方法比较。采用组合模型进行模型优化,基于算术平均法、方差倒数法、均方误差倒数法、简单加权平均法计算组合模型权重系数。结果 对恶性肿瘤死亡率以Joinpoint线性回归拟合精度最高（87.64%）,线性回归法、动态数列、GM（1,1）模型、指数平滑法、ARIMA（1,0,0）拟合精度分别为87.32%、86.99%、86.25%、85.72%、81.98%。基于灰色模型与线性回归的组合模型预测精度（>99%）高于基于ARIMA（1,0,0）与灰色模型的组合模型,其中算术平均法和均方误差倒数法权重系数组合模型（灰色模型与线性回归）拟合效果最好。结论 组合模型预测恶性肿瘤死亡率优于单项预测法,预测精度>95%。     

ARIMA模型与GM(1,1)模型在痢疾发病数预测中的比较研究

目的 分别应用求和自回归滑动平均模型(autoregressive integrated moving average model, ARIMA)和灰色模型(gray forecast model)GM(1,1)对湖北省痢疾发病数进行预测,比较两种方法的预测效果,为选择更适宜的方法提供依据。方法 分别应用2001－2015年月发病数及年发病数建立ARIMA模型和GM(1,1)模型,用平均误差率(mean error rate,MER)和决定系数(coefficient of determination,R²)评价拟合效果,并采用2016年实际发病数验证预测效果,选择准确性更高的模型对2017－2018年发病数进行预测。结果 建立的ARIMA模型为SARIMA(1,0,0)(0,1,1)₁₂,GM(1,1)模型为(t+1)=-274 126.038e^{-0.067 467t}+293 275.08,两模型的平均误差率(mean error rate,MER)分别为3.55%和14.78%;决定系数(R²)分别为0.993和0.960,2016年实际发病数与两模型预测发病数的残差分别为635和3 240;相对误差分别为16.54%和84.38%,综合考虑各项评价指标采用ARIMA模型对2017－2018年发病数进行预测分别为4 286和4 011。结论 通过拟合及预测评价指标的比较ARIMA模型均优于GM(1,1)模型,可得ARIMA模型对湖北省痢疾发病数的预测比GM(1,1)模型有较明显的优势,能更准确的处理时间序列类型的资料,此预测结果准确具有实用价值,可为卫生防治工作提供依据。     

ARIMA模型与GM(1,1)模型对兴化市结核病发病数预测效果比较

目的 比较求和自回归滑动平均模型(ARIMA)和灰色模型GM(1,1)对结核病发病数的预测效果。方法 利用兴化市2012—2019年结核病月发病和年发病数,分别构建ARIMA模型和GM(1,1)模型,进行发病数的拟合,采用平均绝对百分误差(MAPE)、平均绝对误差(MAE)和判定系数(R²)评价拟合效果。采用优势模型预测2020—2024年发病数。结果 2012—2019年兴化市共报告结核病5 673例,年均发病率55.88/10万。发病率总体呈逐年下降趋势■,男性年平均发病率(79.09/10万)高于女性(31.75/10万),差异有统计学意义(χ²=1017.707,P<0.001)。构建的ARIMA模型为SARIMA(0,1,1)(0,1,1,)₁₂,GM(1,1)模型为■。平均误差率(MER)、平均绝对误差(MAE)和判定系数(R²),ARIMA模型为5.42%、36.43、0.929,GM模型为4.24%、28.50、0.973。GM(1,1)模型的预测效果较好。利用GM(1,1)预...     

GM(1,1)模型、ARIMA模型及其组合模型在病毒性甲型肝炎发病数中的预测效果比较

目的 探讨GM(1,1)模型、单纯自回归滑动平均(autoregressive integrated moving average,ARIMA)模型及其组成的2种组合模型在甲肝发病数预测中的应用。方法 利用某省2009年1月-2013年12月的甲肝逐月发病数作为拟合数据,以2014年1-12月的逐月发病数作为预测数据;分别建立GM(1,1)模型、ARIMA模型、GM(1,1)-ARIMA组合模型、变权组合模型,然后根据4个模型的平均绝对百分比误差(mean absolute percentage error,MAPE)、平均误差率(Mean Error Rate,MER) 、均方误差(mean square error,MSE)和平均绝对误差(mean absolute error,MAE)评价模型的效果。结果 GM(1,1)模型、ARIMA模型、GM(1,1)-ARIMA组合模型和变权组合模型的拟合、预测的MAPE、MER、MSE和MAE依次分别为20.01%,18.35%,115.98,10.96和28.79%,31.84%,32.96,8.01;21.35%,19.52%,120.75,11.66和32.41%,35.65%,36.18,8.97;17.20%,15.69%,88.07,9.07和31.17%,34.17%,34.57,8.60;18.82%,16.99%,107.82,10.15和19.19%,18.67%,20.74,4.70。结论 组合模型拟合及预测效果优于单一模型;变权组合模型为最优预测模型。     

中国出生缺陷预测模型及比较

目的运用GM、SPSS、SAS、EXCEL等软件建立我国出生缺陷发生率的灰色预测模型、回归模型、ARIMA模型,比较模型的优缺点并选择最优模型预测未来几年出生缺陷的变化,为母婴保健工作提供科学的依据。方法查找《中国卫生统计年鉴》2002-2011年出生缺陷发生率,用GM软件拟合GM(1,1)模型,用SPSS拟合回归模型,用SAS拟合ARIMA模型。结果灰色模型为y(t)=5 961.7e~(0.0218(t-1))-5 849.58,残差平方和为119.83;回归模型为Y=0.091X×3-2.103X×2+17.4X+97.928,残差平方和64.43;该序列为白噪声序列无法建立ARIMA模型。结论回归模型的精确度更高。对未来几年的出生缺陷进行预测,我国的出生缺陷发生率总体呈上升趋势,相关部门应积极采取干预措施降低发生率。     

伤寒副伤寒发病趋势的ARIMA模型和GM（1,1）模型预测

目的采用求和自回归滑动平均模型（ARIMA模型）和灰色模型GM（1,1）分别对常州市伤寒副伤寒发病率进行预测,并比较两者预测的准确性。方法根据2001—2010年的月发病率数据分别建立ARIMA模型和GM（1,1）模型。通过比较2011年实际发病率和模型预测发病率间的相对误差验证模型预测的准确性。采用准确性高的模型预测2012—2013年伤寒副伤寒的年发病率。结果 GM（1,1）模型对伤寒副伤寒的年发病率预测准确率较高。2012年和2013年伤寒副伤寒预测的年发病率分别为2.52/105和2.33/105。结论对于伤寒副伤寒发病率的预测,应同时拟合几种模型,选择拟合效果最好的一种模型。     

三种时间序列模型在尘肺发病预测中的适用性研究

目的对基于时间序列的三种预测模型即自回归滑动平均混合模型(ARIMA)、灰色模型(GM)、广义回归神经网络模型(GRNN)进行尘肺发病预测的适用性比较。方法选用河北省1954—2015年62年的尘肺发病数据,前54年数据用来拟合预测,后8年数据来比较三种模型的预测效果;采用预测误差(prediction error,PE)、平均绝对误差(mean absolute error,MAE)和平均相对误差(mean relative error,MRE)评价拟合效果。结果 GM(1,1)的预测结果较差,ARIMA的MAE和MRE是三种模型中最小的,其短期预测的PE也最低;三种方法长期预测的PE都比较大,比较而言GRNN的长期预测结果最好。结论 ARIMA适用于尘肺发病的短期预测,GRNN适用于长期预测。     

乙类传染病的ARIMA、灰色模型及组合预测模型比较

目的构建义乌市乙类传染病流行趋势最优预测模型。方法通过对义乌市2010-2012年乙类传染病按月发病率的日平均进行ARIMA时间序列、GM(1,1)灰色模型以及两者的组合模型进行建模,并预测2013年1-4月发病率与实际比较。结果 ARIMA(1,1,1)模型的r(曲)为82.49%,GM(1,1)灰色模型的r(曲)为59.07%,组合预测模型的r(曲)为70.89%;ARIMA(1,1,1)预测的MAPE为118.77%、MSPE为67.07%,GM(1,1)预测的MAPE为15.50%、MSPE为9.33%,组合预测模型预测的MAPE为107.24%、MSPE为60.06%。结论在进行义乌市乙类传染病发病流行趋势建模中,ARIMA是一个较好的方法,但是进行预测不如GM(1,1)。     

探讨新陈代谢GM（1,1）和线性回归耦合模型在卫生人力资源预测中的应用：以护理人员相对数预测为例

目的 以护理人员相对数预测为例,探讨新陈代谢GM（1,1）和线性回归耦合模型的在卫生人力资源预测中的应用,提供卫生人力预测方法学参考.方法 采用新陈代谢GM（1,1）和线性回归耦合模型进行预测拟合分析.结果 新陈代谢GM（1,1）模型预测值与实际值拟合误差较小,耦合模型预测精度高.结论 耦合模型弥补了灰色系统模型中不含线性因素的不足,又改善了线性回归预测模型中不能表达指数增长的缺陷,模型构建合理可行.     

灰色序列模型在三级综合医院门诊人次预测中的应用

目的 探讨灰色序列模型GM(1,1)在三级综合性医院门诊人次预测中的应用,为综合性医院门诊量预测提供方法学参考.方法 采用灰色序列模型GM(1,1)对门诊人次进行预测拟合分析,计算其相对误差,并进行外推预测.结果 灰色序列模型GM(1,1)预测门诊人次与实际值拟合误差较小,模型预测精度评级为优(P>0.95).结论 灰...     

灰色模型GM(1,1)和ARIMA在拟合全国婴儿、5岁以下儿童死亡率中的应用北大核心CSCD

目的比较分析灰色模型GM(1,1)、ARIMA模型在全国婴儿死亡率(IMR)和5岁以下儿童死亡率(U5MR)拟合过程中的适用性,为儿童保健工作提供科学依据。方法以1991-2012年全国IMR、U5MR为原始资料,统一运用SAS分析软件。采用灰色模型GM(1,1)和ARIMA模型进行拟合分析,分别计算各模型拟合MPE、MAPE值,比较各模型的适用性和精确性。结果婴儿死亡率GM(1,1)和ARIMA模型MPE分别为0.32、1.18,MAPE分别为3.09%、5.34%;5岁以下儿童死亡率GM(1,1)和ARIMA模型MPE分别为0.57、0.89,MAPE分别为3.11%、4.33%。结论 GM(1,1)模型对儿童保健指标拟合效果优于ARIMA模型,模型拟合要充分考虑数据特征。     

灰色模型GM(1,1)和ARIMA在拟合全国婴儿、5岁以下儿童死亡率中的应用

目的比较分析灰色模型GM(1,1)、ARIMA模型在全国婴儿死亡率(IMR)和5岁以下儿童死亡率(U5MR)拟合过程中的适用性,为儿童保健工作提供科学依据。方法以1991-2012年全国IMR、U5MR为原始资料,统一运用SAS分析软件。采用灰色模型GM(1,1)和ARIMA模型进行拟合分析,分别计算各模型拟合MPE、MAPE值,比较各模型的适用性和精确性。结果婴儿死亡率GM(1,1)和ARIMA模型MPE分别为0.32、1.18,MAPE分别为3.09%、5.34%;5岁以下儿童死亡率GM(1,1)和ARIMA模型MPE分别为0.57、0.89,MAPE分别为3.11%、4.33%。结论 GM(1,1)模型对儿童保健指标拟合效果优于ARIMA模型,模型拟合要充分考虑数据特征。     

三种时间序列模型在盐城市肾综合征出血热发病预测应用中的比较研究

目的比较GM(1,1)灰色模型、求和自回归滑动平均ARIMA模型和神经网络GRNN模型预测盐城市肾综合症出血热(HFRS)发病率的效果,探索最优预测模型。方法利用2005-2015年盐城市HFRS发病率建立GM(1,1)模型、GM(1,1)-GRNN模型、ARIMA模型和ARIMA-GRNN模型,比较模型的拟合效果。根据2016年HFRS发病率比较各模型的预测效果,确定最优模型,并预测2017-2018年HFRS发病率。结果 GM(1,1)模型、GM(1,1)-GRNN模型、ARIMA模型和ARIMA-GRNN模型拟合值相对误差分别为13.364%、2.033%、21.150%和16.519%,预测值相对误差分别为16.350%、10.773%、10.820%和0.018%。采用最优模型ARIMA-GRNN模型预测2017和2018年盐城市HFRS发病率分别为0.859/10~5和0.853/10~5。结论从模型整体拟合预测效果综合考虑,利用ARIMA-GRNN组合模型预测盐城市HFRS发病情况能够取得更好的效果,预测结果可对该病的防控提供数据支撑。     

ARIMA模型与灰色预测模型GM(1,1)在HIV感染人数预测中的应用

目的比较ARIMA模型（autoregressive integrated moving average model,ARIMA）与灰色预测模型[gray forecast model,GM（1,1）]在艾滋病感染人数预测上的有效性。方法以安徽省芜湖市2005-2011年疫情资料为基础,分别使用月发病人数及年度发病人数建立ARIMA模型及GM（1,1）模型,通过预测结果与实际值的对比来比较两模型的应用效果。结果 ARIMA模型及GM（1,1）模型的拟合结果均与芜湖市艾滋病发病趋势相一致,ARIMA模型的平均误差率稍高于GM（1,1）模型。结论在对无周期性的艾滋病疫情数据进行预测时,ARIMA模型的预测优势不能得到充分体现,从而使ARIMA模型的平均误差率稍高于GM（1,1）模型,因此在进行传染病及疾病预测时,应综合考虑和比较多种模型的预测效果,选择适合本地区的预测模型进行预测,且应不断补充新的数据对模型进行修正或重新拟合,才能达到有效预测的目的。     

RNN、JPR及ARIMA 3种模型预测中国农村孕产妇死亡率的比较

目的 利用循环神经网络(recurrent neural network, RNN)模型、Joinpoint回归(Joinpoint regression, JPR)模型、差分自回归移动平均(autoregressive integrated moving average, ARIMA)模型预测中国农村孕产妇死亡率(maternal mortality rate, MMR)的应用价值,并对《“健康中国2030”规划纲要》等文件提出的MMR下降目标能否实现进行统计预测。方法 基于2000―2019年中国农村MMR数据建立RNN、JPR及ARIMA模型,通过平均绝对误差(mean absolute error, MAE)、均方误差(mean squared error, MSE)、均方根误差(root mean square error, RMSE)比较3种模型的回代拟合效果,通过残差及相对误差比较3种模型对2020年中国农村MMR数据进行点预测的效果,利用优选模型对2021―2030年中国农村的MMR进行预测。结果 2000―2020年中国农村的MMR整体呈持续下降趋势。3种模型回代拟合...