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。     

灰色系统GM(1,1)模型在常州市乙型肝炎发病趋势预测中的应用

目的:建立乙型肝炎(乙肝)灰色预测模型GM(1,1),应用于常州市乙肝发病趋势的预测。方法:根据中国疾病预防控制信息系统中2004～2011年常州市乙肝发病率报告资料,建立乙肝发病率灰色预测模型GM(1,1),并对2012～2014年常州市乙肝发病率进行预测。结果:建立的预测模型x∧(1)(k+1)=-228.213 9 e-0.237 73k+304.554 0,经拟合检验,后验差比值C为0.069,小概率误差P为1,拟合精度为优秀。利用建立的模型预测常州市2012～2014年乙肝发病率分别为9.143 5/10万、7.208 9/10万和5.683 6/10万。结论:GM(1,1)模型较好地拟合了常州市乙肝发病的趋势,预测结果具有参考价值。     

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.     

应用灰色预测模型GM(1,1)对结核病发病率进行预测

目的:探讨灰色预测模型GM(1,1)在时间序列资料中的应用;建立结核病登记发病率的预测模型.方法:利用重庆市结核病防治所于1993～2003年登记的结核病发病率资料建立灰色预测模型即残差GM(1,1)模型,并对2004年结核病登记发病率进行预测.结果:残差GM(1,1)模型为:(X)(1)(k 1)=89.5776e0.0392k-85.0913 8(k-1)1.6435e-0.306.8k,1993～2003年预测值的相对误差均小于0.05,关联度＞0.6,小误差概率P＞0.8;2004年结核病登记发病率预测为5.2942/10万,相对误差为0.0461,修正后的相对误差为0.0121.结论:残差GM(1,1)模型拟合效果结果较为理想,是一种短期内预测精度较高的预测模型.     

基于改进BP神经网络模型的肺结核发病率预测

目的建立用于肺结核发病率预测的人工神经网络模型,预测肺结核疫情发生发展趋势,为肺结核的预防和控制提供理论依据。方法选取肺结核2000～2014年发病率数据,采用改进的误差反向传播（BP）神经网络算法建立预测模型。其中以2000～2013年的发病率数据作为训练样本,以2014 年的发病率数据来检验模型的有效性。并对2015～2019 年肺结核的发病率进行预测。结果采用单隐层神经网络模型,输入层节点数为3,隐含层节点数为7,输出层节点数为1。建立的肺结核发病率预测模型在仿真预测样本处的平均相对误差为0.7597%,在检验样本处的相对误差为0.2649%。经预测,2015～2019 年肺结核的发病率分别为69.33/10 万、71.16/10万、64.49/10 万、62.41/10 万和72.78/10 万。结论采用改进的BP神经网络算法建立的肺结核发病预测模型具有较高的预测精度及较低的预测相对误差,为肺结核疫情预测提供一种新的预测模型。     

两种模型预测北京市痢疾发病率的效果比较

目的 比较Winters乘法预测模型和自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)两种模型对北京市痢疾发病率的预测效果,从而选择合适的预测方法.方法 收集2007～2012年北京市痢疾分月发病率资料,分别运用Winters乘法预测模型和ARIMA模型进行建模,评估两种模型的预测效果,并用较好的模型预测2013年第一季度北京市痢疾发病率.结果 以2012年数据验证两种模型的拟合情况,预测误差百分比比较,Winters乘法(1.13％)优于ARIMA模型(6.80％).Winters乘法预测2013年1、2、3月痢疾发病率分别为1.82/10万、1.54/10万、1.85/10万.结论 Winters乘法预测模型可以较好地反映北京市痢疾发病趋势,用于预测预警.     

应用GM（1,1）模型预测河南省细菌性痢疾发病趋势

目的描述分析河南省近十七年细菌性痢疾的发病率变化趋势,探讨OM（1,1）模型在细菌性痢疾分析中的作用,为卫生部门制定相应的防治策略提供理论依据。方法根据河南省1996—2012年细菌性痢疾的报告发病率数据,应用GM（1,1）灰色预测模型进行模型拟合和趋势预测,外推预测2013年、2014年和2015年的发病率。结果1996-2012年河南省菌痢报告发病率总体呈下降趋势,由58．68／10万降至19．56／10万。求得预测模型为：Y（t＋1）=-750.89e^-0．0717t＋809.51,模型拟合精度合格,外推2013～2015年菌痢发病率分别为1649／10万,15．36／10万,1429／10万。结论QM（1,1）模型较好的拟合了河南省细菌性痢疾的发病趋势,预测河南省菌痢发病率将继续呈下降趋势。     

应用回归法预测贵州省伤寒副伤寒发病

目的预测贵州省伤寒、副伤寒发病趋势,为进一步制定伤寒、副伤寒防控策略和措施提供依据。方法根据贵州省2004-2012年的伤寒、副伤寒发病率数据,用Excel软件建立数据库进行趋势回归模型的选择,然后利用合适的模型对该数据进行拟合,并预测2013、2014年伤寒、副伤寒发病率,分析其变化趋势。结果建立的贵州省2004-2012年伤寒、副伤寒发病率预测模型为二次多项式趋势回归模型,即y=0.3 821x2-5.8 632x＋24.785,决定系数R2=0.9 909,模型拟合效果较好。2013年和2014年预测发病率分别为4.36/10万、6.52/10万。结论贵州省伤寒、副伤寒发病率近年来呈逐年下降趋势,2013年和2014年预测发病率有所升高,需采取综合防治措施。     

应用灰色数列模型预测布氏杆菌病发病趋势

目的:预测内蒙古自治区2013-2018年布氏杆菌病发病趋势。方法:利用内蒙古自治区2006-2012年布氏杆菌病疫情资料建立灰色模型GM(1,1)。结果:内蒙古自治区布氏杆菌病发病率(1/10万)的灰色数列模型为:Yt=(33.23+43.66/0.06)e0.06t-43.66/0.06(t=0,1,2,…,7),拟合检验显示本模型拟合精度合格(C=0.46,P=9.11),能较好地预测布氏杆菌病发病率的中长期趋势。结论:2013-2018年内蒙古自治区布氏杆菌病发病率呈上升趋势。     

辽阳市肺结核病流行趋势的灰色模型分析

目的探讨GM(1,1)模型在辽阳市肺结核发病率预测中的应用,以期为相关部门科学合理的制定肺结核防制策略提供理论依据。方法根据2001-2008年辽阳市肺结核发病率,确定GM(1,1)模型,并对今后2年辽阳市肺结核发病率进行预测。结果辽阳市肺结核预测模型为x^(1()K+1)=254.65e0.159K-227.11,2009和2010年预测值分别为年133.57/10万和156.58/10万。结论灰色模型较好的拟合了辽阳市肺结核的发病趋势,预测结果具有一定的参考价值,辽阳市肺结核发病率呈上升趋势,为防范疫情传播,相关部门应加强对该病的控制与管理。     

应用GM（1，1，sinω）模型预测肾综合征出血热发病率研究

目的探讨GM（1．1,sinω）模型在肾综合征出血热（HFRS）发病率预测的应用。方法利用1984～2004年沈阳市HFRS发病率资料建立GM（1,1）预测模型和GM（1,1,sinω）预测模型,对样本进行拟合和预测并对两者的拟舍和预测效果进行比较。结果GM（1,1）预测模型为X^（1）（k＋1）=-541．5277e^-0.0092k＋551．4778;GM（1,1,sinω）模型为Xω^（1）（k＋1）=-158．4104e^-0.0444k＋162．6622＋11．7276sin2kπ／21＋5．6982cos2kπ／21,GM（1,1,sinω）模型拟合精度较好（C=0．3912,P=0．9048）。GM（1,1）和GM（1,1,sinω）预测模型拟合的平均误差率（MER）分别为50．22％、20．34％;两者的预测MER分别为25．64％、13．10％,无论从拟合效果还是从预测效果来看GM（1,1,sinω）模型xing1,sinω）forecast的MER均低于GM（1,1）模型。结论GM（1,1,sinω）模型克服了传统灰色模型GM（1,1）的局限性,对于波动性较大且具有周期性的资料具有很好的实用价值。     

3种模型在肺结核发病率预测中的比较研究

目的对GM（1,1）模型、霍尔特双参数指数平滑预测模型和ARIMA模型在肺结核发病率预测中的效果进行比较。方法利用1980-2007年北京市肺结核的发病率分别建立GM（1,1）灰色预测模型、霍尔特双参数指数平滑预测模型和ARIMA模型,对建立的模型进行拟合。比较3个模型的拟合效果,同时利用ARIMA模型对2008年北京市的肺结核发病率进行预测。结果针对北京市肺结核发病率建立的GM（1,1）模型、霍尔特双参数指数平滑预测模型和ARIMA模型的平均误差率（MER）分别为15.11%、9.51%、9.52%,决定系数R2分别为0.935、0.964、0.969。结论 ARIMA模型对于隐含波动周期并且不稳定的循环型时间序列拟合效果优于GM（1,1）模型,对解决时间序列类型的肺结核发病率等资料有很好的实用价值。     

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。     

灰色预测模型GM（1，1）在医院门诊量预测中的应用

目的了解医院2000年-2011年门诊量的趋势,探讨灰色预测模型GM（1,1）在时问序列资料中的应用,建立预测医院月门诊量的时间序列模型,为优化医疗资源配置提供科学的统计学依据。方法根据医院2000年-2011年门诊量数据,应用MATLAB软件建立灰色预测模型并进行模型评价,预测2012年-2014年的门诊量。结果GM（1,1）模型为：P（t）=552512．3619e0.1021（t-1）-478343．3619,预测值的相对误差小于20％,模型精度为优（C=0．29,P=1．00）,预测效果好,2012年-2014年医院门诊量预测值分别为182612、202243、223984。结论GM（1,1）灰色模型能很好的拟合门诊量的变动趋势,在无外界因素影响的情况下,医院门诊量将会继续上涨。     

灰色预测模型在广州市白云区水痘防控工作中的应用

目的建立灰色预测模型GM(1,1)预测2014年广州市白云区水痘发病率,为制订白云区水痘防控策略提供依据。方法根据中国疾病预防控制信息系统中广州市白云区2006~2013年的水痘年发病率资料建立灰色预测模型,并对2014年白云区水痘发病率进行预测。结果2006~2013年白云区年均发病率为99.95/10万,发病主要集中在幼托儿童和学生,运用灰色模型预测2014年白云区水痘发病率为92.21/10万,检验预测精度为优秀。结论通过灰色模型预测2014年白云区水痘发病趋势仍保持在较高水平,加强对学生、托幼儿童等重点人群的水痘防控仍不能松懈。     

南宁市淋病1996～2005年发病率灰色模型及预测研究

目的了解南宁市1996～2005年淋病流行趋势，通过建立发病率（1／10万）灰色系统GM（1，1）模型和预测，为制定和开展更为有效的淋病预防控制措施提供科学依据。方法对南宁市10年来的淋病疫情资料进行回顾性分析，建立发病率（1／10万）灰色系统GM（1，1）模型并进行预测。结果南宁市淋病发病率多年来呈上升趋势，2003年开始呈下降趋势。预测2008、2010和2012年南宁市淋病发病率呈下降趋势结论应持续开展淋病的综合防治措施，加强淋病疫情的监测工作，以有效地控制淋病的传播与蔓延。     

1GM（1，1）季节指数模型在季节性发病情况预测研究中的应用

目的季节性发病具有季节波动性,适宜采用季节指数对原始序列进行修正后建立GM（1,1）预测模型。方法本文以某地区2004-2008年甲型肝炎发病率建立GM（1,1）模型、GM（1,1）季节指数修正模型。结果在有季节性变动的发病率预测中,GM（1,1）季节指数修正模型预测精度明显提高。结论GM（1,1）季节指数模型可以应用于季节性传染病的预测。     

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。