线性回归预测模型有效超前期的确定方法

线性回归预测模型是应用线性回归技术,根据历史数据建立回归方程．用此回归方程进行超前预测。然而,建立了一个线性回归模型能否用其做无限期的超前预测呢？显然,一个预测模型的预测精度随着超前期的增加而逐渐降低,即预测误差越来越大。当外推至某一期时,预测误差之大,使该模型继续作外报预测几乎不再有什么实际意义。此时的预测超前期的长度我们称之为有效超前期。下面讨论线性回归预测模型有效超前期的一种确定方法。且确定方法对于一元线性回归预测模型此模型参数的最小二乘估计为：未来视察值如果将来在第k＋1期时,实际观察值超…     

用偏倚缩减法对线性回归模型有效预测的探讨

线性回归模型是应用回归技术 ,根据随机序列历史数据建立回归方程 ,用此回归方程进行超前预测的数学工具。一个预测模型的预测精度随着超前期的增加而逐渐减低 ,预测误差越来越大 [3 ] 。另一方面 ,回归方程的系数由变量的自相关函数确定 ,因此自相关函数的估算精度直接影响着线性回归模型的预测精度。本文用偏倚缩减法 [1 ,2 ]对自相关函数进行估算 ,提高自相关函数估算精度 [1 ] ,从而提高线性回归模型的有效预测。许多生物信号具有准周期性和随机性 ,本文以壁湍流信号 (具有准周期性和随机性 )为例进行超前预测。1　用偏倚缩减法求自相关…     

运用经典统计理论确定医学预测中线性模型的有效超前期

目的:运用经典统计理论探讨了医学预测中线性模型有效超前期的确定方法,并对各种方法进行比较,进而选择出确定有效超前期的最好方法及其使用条件,确定出最佳预测模型。方法:利用1979年~1999年全国平均每万人口中卫生机构专业卫生人员数资料,从数值分析和误差理论入手,用经典统计理论探讨了线性回归模型有效超前期的确定方法。结果:用直线回归模型和对数线性回归模型对全国平均每万人口中卫生机构专业卫生人员数资料进行拟合,获得两个模型。确定有效超前期的研究结果显示,用经典统计理论的t检验法和F检验法确定直线回归模型的有效超前期为两年,而在确定对数线性回归模型的有效超前期时,t检验法不稳定而导致无法确定有效超前期,F检验法确定的有效超前期为4年。结论:①确定有效超前期需根据方法的应用条件和数据的性质确定,若数据间的独立性满足F检验法时,宜选用F检验法而不选用t检验法;②对数线性回归模型的有效超前期优于直线回归模型。     

GA-BP神经网络、多元线性回归预测新疆癫痫患儿拉莫三嗪血药浓度

摘要：目的:建立遗传算法-反向传播（GA-BP）神经网络模型、多元线性回归模型预测新疆癫痫患儿拉莫三嗪血药浓度。方法:回顾性收集自治区人民医院2015年8月～2021年10月份就诊的296例癫痫患儿口服拉莫三嗪的稳态血药浓度以及临床资料,建立GA-BP人工神经网络模型、多元线性回归模型预测拉莫三嗪血药浓度,比较两种方法对拉莫三嗪血药浓度的预测能力。结果:多元线性回归分析结果显示影响拉莫三嗪血药浓度的因素有民族、合并用药、给药剂量、疗效以及部分生化指标（P＜0.05）;GA-BP神经网络模型对60个验证组浓度预测误差均小于10%,误差小于15%的比率是100.00%,平均预测误差（MPE）为0.000 72%,平均绝对误差（MAE）为0.45%,血药浓度预测值与实测值之间的相关系数r=0.999 8,预测结果较理想。多元线性回归模型60个浓度预测误差小于15%的比率是20.00%,MPE为2.54%,MAE为4.74%,血药浓度的预测值与实测值之间的相关系数r=0.225 2,预测结果较差。结论:与多元线性预测模型相比,GA-BP神经网络预测模型根据患者临床资料可较好的预测新疆癫痫患儿拉莫三嗪血药浓度。     

基于广义线性回归模型的医疗保险住院费用预测

在医疗保险基金运行中,住院费用支出是一个重要方面。人们以前常常采用古典线性回归模型对住院费用进行分析,但是古典线性回归模型是建立在一些假设之上的。在非寿险精算中,古典线性回归模型的假设很难得到满足。广义线性模型的误差项服从自然指数分布,而普通线性回归模型的误差项服从正态分布,这样就使得广义线性模型更加灵活,适用范围更加广阔。用广义线性回归模型分别对住院费用进行分析和预测。     

基于改进曲线回归模型的人全血中环孢素A谷浓度预测

目的：建立基于改进曲线回归的人全血中环孢素A（CsA）谷浓度预测模型,为临床个体化用药提供依据。方法：回顾收集天津医科大学总医院37名使用CsA治疗免疫相关性全血细胞减少症（IRP）的患者生理生化检测指标相关信息,采用主成分分析法（PCA）-多元线性回归模型和PCA-多项式曲线回归模型利用上述指标对患者全血中CsA谷浓度进行预测。结果：利用PCA将33个生理生化指标降维简化,确定10个主成分。PCA-多元线性回归模型的拟合优度为0.254 6,均方误差为175.8;PCA-多项式曲线回归模型的拟合优度为1.000,均方误差为3e^-15。结论：PCA-多项式曲线回归模型拟合程度高,均方误差较小,优于PCA-多元线性回归模型。PCA-多项式曲线回归模型更适合用于IRP患者CsA谷浓度的预测。     

人工神经网络在耐甲氧西林葡萄球菌感染患儿万古霉素个体化给药中的应用

目的建立人工神经网络模型用于估算耐甲氧西林葡萄球菌(MRS)感染患儿万古霉素稳态血药浓度,以指导个体化给药。方法收集100例MRS感染患儿静脉泵注万古霉素后的180例次稳态血药浓度数据和临床资料。将所有血药浓度数据和病例资料随机分成两组,训练组(n=150)采用遗传算法配合动量法训练后建立人工神经网络模型,另外建立多元线性回归模型;测试组(n=30)用建立的人工神经网络预测测试组患儿的血药浓度,通过计算平均预测误差(MPE)、权重残差(WRES)、平均绝对预测误差(MAE)、平均预测误差平方(MSE)和均方根预测误差(RMSE)来验证模型。结果人工神经网络MPE(0.33±1.86)mg·L-1,WRES(14.83±14.55)%,MAE(1.38±1.26)mg·L-1,MSE(3.45±5.32)(mg·L-1)2,RMSE 1.86 mg·L-1;人工神经网络模型有83%的血药浓度数据绝对预测误差<3.0 mg·L-1,而多元线性回归模型仅有53%。人工神经网络预测的准确度及精密度均优于多元线性回归模型。结论本研究建立的人工神经网络预测性能较好,可用于预测MRS感染患儿万古霉素稳态血药浓度以指导个体化给药。     

人口死亡率的灰色预测模型

应用 GM( 1,1)模型对十堰市城区人口的死亡率建立了灰色预测模型。经检验模型拟合精度高 ,外推预测效果好     

多元非线性回归与BP神经网络在香菇多糖提取工艺研究中的应用

目的 探讨多元非线性回归与BP神经网络在香菇多糖提取工艺研究中的应用;方法 使用香菇多糖提取工艺中提取时间、提取温度、料液比、醇析乙醇量和多糖提取率的实验结果,分别建立多元非线性回归方程和BP神经网络;结果 多元非线性回归拟合mse为0.1483,预测误差为1.44%;BP神经网络拟合mse为0.1474,预测误差为1.29%;结论 多元非线性回归与BP神经网络均可用于多因素的非线性模型建立.     

灰色模型GM(1,1)在北京市围产儿死亡率预测中的应用

应用 GM( 1,1)模型 ,根据北京市围产儿死亡率数据建立了灰色预测模型。经检验 ,模型拟合精度高 ,外推预测效果好。