组合预测法在门急诊量预测中的应用

目的 为充分发挥单个预测模型的优点，建立优化组合预测模型。方法 以1990-2000年我院门急诊量作为原始数据建立单个模型，按“误差平方和最小”原则，将GM（1，1）模型和折扣最小二乘法模型优化组合成一新模型，并对三者的预测结果进行比较分析。结果 GM（1，1）模型、折扣最小二乘法模型、组合预测模型的误差平方和分别为92．26，317．77，61．13。结论 组合预测模型优于单个预测模型，适于统计预测。     

基于熵权的医院门诊量组合预测模型

目的：探讨基于熵权理论的组合预测模型预测医院门诊量,以提高预测的精度。方法依据信息熵理论,选取平方和误差（ SSE）、平均绝对误差（ MAE）、均方误差（ MSE）、平均绝对百分比误差（ MAPE）、均方百分比误差（ MSPE）等5个误差指标作为评价指标,根据这些预测误差所反映出的信息熵,确定所选各单项预测方法的权重,得到基于熵权的组合预测模型,并将模型应用于文献的数据,与该文献模型的预测效果作比较。结果文献[1]的折扣最小二乘法模型、GM（1,1）模型、自回归预测模型和组合模型的5个误差指标分别为：115.27911、1.99707、0.71579、0.04408、0.01401;67.53414、1.64571、0.54786、0.03871、0.01229;70.47580、1.37669、0.55967、0.03417、0.01340和58.64677、1.44235、0.51054、0.03471、0.01180。熵权组合模型的5个误差指标为50.39541、1.39713、0.47326、0.03364、0.01116。基于熵权的组合预测方法有较高的拟合精度,预测效果优于单项预测模型和文献的组合模型。结论熵权组合预测模型计算简单,预测效果好,可以在医院门诊量预测中推广应用。     

ARIMA模型应用于月门诊量预测

目的探讨季节性时间序列ARIMA预测模型在时间序列资料分析中的应用，建立门诊量的预测模型。方法采用最小二乘法估计模型参数，通过对数转换及差分方法使原始序列平稳，按照残差不相关原则、简洁原则确定模型结构．依据AIC和SBC准则确定模型阶数，建立ARIMA预测模型。结果季节自回归参数有统计学意义。方差估计值为0．001956．AIC=-443．26．SBC=-437．51。对模型进行白噪声残差分析，拟合优度统计量表中表明ARIMA的估计具体模型为：（1-B）（1-B^12）Zt=（1—0．24269B）（1—0．30096B^12）a1是适合的。结论用所建立模型对月门诊量进行预测。结果表明ARIMA是一种短期预测精度较高的预测模型。     

ARMA模型对肾综合征出血热发病趋势预测的拟合研究

[目的]探讨应用ARMA模型在时间序列资料分析中的应用,建立HFRS发病趋势的预测模型,从理论角度为制定科学、有效的防制措施提供理论依据.[方法]应用平稳时间序列分析,选用最小二乘法按照信忠量准则,AIC、模型的拟合度与相关系数以及误差,确定ARMA的所有参数,用非线性最小二乘法重新估计,得出组合模型的最终估计;应用DPS (Data Processing System)数据处理系统.[结果]数据转换后,建立ARMA(1,1)模型,其残差平方和SS=0.6987,残差标准差:0.2158, AIC=-3.7044,相关系数R=0.96930,拟合度C=93.96%.[结论]模型可以用来讲行预测.     

运用灰色数列模型对某院门诊量进行分析预测

目的 预测某院门诊量的变化趋势,为医院领导制定管理措施提供科学依据. 方法 利用GM（1,1）灰色模型对某院近10年门诊人次数进行拟合,并预测近3年的门诊量. 结果 根据某院1999-2008年的门诊人次数建立的灰色预测模型为：（t）=2 787.08e^0.023 28（t-1）-2 727.67 .模型的平均误差率为1.49%,该模型精度为优（C=0.206, P=1.000）,预测效果好. 结论 GM（1,1）灰色模型为拟合和预测医院门诊量的理想模型,预测出该院门诊量呈上升趋势.     

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.     

折扣最小二乘法及其应用

统计预测的方法很多,各种预测方法都有一定的局限性,预测结果的正确与否,一方面取决于数据的准确性,另一方面也取决于预测方法及数学模型的确定。本文通过用折扣最小二乘法预测出院病人日均费用来说明这一方法的应用。计算步骤与方法所谓折扣最小二乘法,即在预测中,根据“近大远小”的预测原则,将普通最小二乘法加以改进的一种方法。用折扣最小二乘法的准则为:拟合误差的平方和Ｓ=∑ｍ-1ｔ=0αｒｔｅ2ｔ=ｍｉｎ(1)其中ｅ2ｔ为ｔ时刻的拟合误差的平方,即:ｅ2ｔ=(ｙｔ-^ｙｔ)2;α为折扣系数,0<α<1;ｒｔ为折扣指数。若时间数列有ｔ期资料,则令…     

门诊量预测在医院管理中的应用

目的了解2005~2007年门诊量趋势走向,为医院进行管理、规划提供科学依据。方法根据医院5年的门诊量变化趋势,依照折扣最小二乘法原理选择线性模型y=a+bx进行拟合,建立方程组来进行动态外推预测。结果预测模型为:Y=265.6021+21.6917X,估计标准差S(y)=17.44千人次。结论门诊量变动呈上升趋势。若要使门诊量达到预期目的,必须从主观上找窍门,挖掘潜力,依靠全院职工的共同努力。     

折扣最小二乘法预测医院工作量过程中α系数的确定

目的对医院业务工作量进行科学预测。方法运用折扣最小二乘法，以某医院1994--2003年统计报表中的出院人数为资料来源，以作图法和计算拟合误差平方和来确定折扣系数（α系数），预测2004年的出院人数。结果本例中的折扣系数为0．4—0．6之间，据此可预测2004年出院人数为7572—7742人，2004年实际值为7688人，说明预测值与实际值较吻合。结论折扣最小二乘法是医院业务工作量预测当中的一个非常有力的工具，在实际预测过程中，折扣系数α的确定，对预测结果有着非常大的影响。所以，对医院发展前景进行科学预测，就必须先科学合理地确定好α系数。     

GRNN组合预测模型对辽宁省及部分地区肾综合征出血热发病率的预测研究

目的探讨广义回归神经网络（GRNN）组合预测模型在肾综合征出血热（HFRS）发病率预测上的优势及应用前景。方法利用1990—2001年辽宁省、丹东市、沈阳市和朝阳市HFRS发病率分别建立GM（1，1）灰色预测模型和求和自回归滑动平均（ARIMA）模型，把2个模型的预测值作为GRNN的输入，实测值作为网络的输出，对样本进行训练和预测，并对3个模型的预测效果进行比较。结果针对辽宁省HFRS发病率建立的GM（1，1）模型、ARIMA模型和GRNN组合预测模型的平均误差率（MER）分别为13．5143％、25．0814％和5．5755％；R^2分别为0．8961、0．6997和0．9837。针对丹东市HFRS发病率建立模型的MER分别为19．7329％、20．6275％和14．0789％；R^2分别为0．8112、0．7628和0．8750。针对沈阳市HFRS发病率建立模型的MER分别为15．1421％、18．0584％和14．3592％；R。分别为0．8757、0．7889和0．8585。针对朝阳市HFRS发病率建立模型的MER分别为51．5090％、28．6593％和28．5927％；R^2分别为0．7863、0．8291和0．7753。GRNN组合预测模型对于辽宁省和丹东市的HFRS发病率预测效果好于2个单一模型；针对沈阳市所建立的HFRS发病率预测模型，GRNN组合预测模型和GM（1，1）模型相当，ARIMA模型最差。朝阳市的HFRS发病率预测模型不适合用上述方法建立。结论GRNN组合预测模型充分体现了它在小样本预测中的优势，预测效果优于GM（1，1）模型和ARIMA模型，对解决时间序列类型的HFRS发病率等资料有很好的实用价值。     

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...     

温特斯法和季节指数GM（1，1）模型在狂犬病暴露人群预测中的应用

目的比较温特斯法模型和季节指数GM（1，1）模型对舟山市狂犬病暴露人群数量的预测效果。方法选取2006—2011年舟山市各月狂犬病暴露人群资料分别建立温特斯法模型和季节指数GM（1，1）模型，用2012年1—12月实际暴露人数验证比较两种模型拟合预测效果。选取相对误差较小的模型预测2013年舟山市狂犬病暴露人数。结果应用季节指数GM（1，1）模型和温特斯法模型对2006--2011年狂犬病暴露人群资料进行拟合，模型平均绝对误差率分别为19．1048％和7．7013％；温特斯法模型的平均绝对误差、均方根误差都低于季节指数GM（1，1）模型。2012年季节指数GM（1，1）模型和温特斯法模型预测值距实测值的平均绝对误差率分别22．8435％和11．3124％。温斯特法模型预测2013年舟山市狂犬病暴露约13526人。结论温特斯法模型对舟山市狂犬病暴露人群的预测效果要优于季节指数GM（1，1）模型。在预测具有季节性和趋势的资料时，应用两种模型进行比较后选择最优模型，更有利于疾病的预测和防治效果的评估。     

建德市肾综合征出血热GM（1,1）模型预测研究

为利用灰色模型ＧＭ（１,１）预测肾综合征出血热（ＨＦＲＳ）年发病率。采用建德市肾综合征血热１９７０～１９９７年年发病率资料建立ＧＭ（１,１）模型,预测１９９８～２００２年ＨＦＲＳ年发病率。结果表明实验预测阶段（１９９３～１９９７年）年发病率结果同实际值吻合,模型精度等级检验良好,能采用ＧＭ（１,１）模型预测１９９８～２００２年ＨＦＲＳ年发病率。表明ＧＭ（１,１）可作为一项快速和简便的方法预测ＨＦＲＳ发病情况,为控制ＨＦＲＳ流行提供一项辅助手段。     

基于GRNN的组合预测模型在传染病发病率预测中的应用

目的研究基于GRNN的组合预测模型拟合传染病发病率的优越性和不足。方法以浙中某市1998—2008年的肺结核发病率为研究资料,分别构建了灰色模型和ARIMA模型,以这两种模型为基础构建了基于GRNN的组合预测模型。结果残差修正GM(1,1)模型、ARIMA(1,0,1)*(1,1,0)12模型、基于GRNN的组合预测模型的MSE,MAE,MAPE和MER分别为37.451,5.692,53.69%,48.51%;18.509,3.761,35.13%,32.05%;9.961,2.571,25.6%,21.9%。结论基于GRNN的组合预测模型的预测精度优于两种单项模型。     

GM(1,1)灰色模型、马尔可夫链模型及其组合模型和SARIMA模型在甲肝发病数预测中的应用效果比较

目的 比较GM（1,1）灰色模型、马尔可夫链模型及其组合模型和SARIMA模型在甲肝发病数预测中的应用效果。方法 利用2010—2014年江西省甲肝逐月发病数数据,分别拟合GM（1,1）灰色模型、马尔可夫链模型、灰色马尔可夫链组合模型和SARIMA模型。利用4个模型预测2015年1—12月甲肝发病数并与实际值比较,采用平均绝对百分比误差（MAPE）、平均误差率（MER）、均方误差（MSE）和平均绝对误差（MAE）4个指标评模型预测效果。结果 2010—2015年江西省累计报告甲肝2 939例,甲肝发病数整体呈逐年下降趋势（r_s=-0.838,P<0.01）。SARIMA（0,1,1）（1,0,0）₁₂为最优SARIMA模型;GM（1,1）灰色模型拟合精度为合格。模型预测的MAPE从低到高依次为灰色马尔可夫链组合模型（23.894%）、SARIMA模型（25.529%）、GM（1,1）灰色模型（28.429%）、马尔可夫链模型（39.426%）;MER从低到高依次为SARIMA模型（21.303%）、灰色马尔可夫链组合模型（25.574%）、灰色模型（30.717%）、马尔可夫链模型（35.203%）;MSE 和MAE 从低到高依次均为SARIMA模型（45.293、4.918）、灰色马尔可夫链组合模型（47.122、5.903）、灰色模型（67.738、7.091）、马尔可夫链模型（85.252、8.126）。结论 灰色马尔可夫链组合模型和SARIMA模型预测效果较好,可以用于甲肝发病数的预测。     

应用灰色模型和指数平滑法预测上海市肾综合征出血热发病率

[目的]预测上海市肾综合征出血热的发病趋势。[方法]利用上海市肾综合征出血热发病资料,建立灰色模型和指数平滑模型来预测本市未来肾综合征出血热的发病率。[结果]上海地区肾综合征出血热发病率（×10-5）的灰色预测模型为：=（1.49-2.3669/0.5823）e-0.5823t＋2.3669/0.5823,拟合检验显示本模型精度等级为一级,能够较好地预测上海市肾综合征出血热发病率;Holter-Winters双参数指数平滑法预测的最小误差平方和与均方根误差最小,通过D-W检验,预测效果较好。[结论]两种方法均可应用于上海市肾综合征出血热发病率的预测。