城市生活垃圾产生量的灰色组合预测模型

分析了昆明市1996-2001年垃圾产生量的数据变化及各种定量预测模型的特性，提出了应用于我国南方城市垃圾产生量预测的灰色组合模型。该模型通过对灰色模型GM（1，n）与GM（1，1）SSODMM优化组合后，提高了各单项模型原有的预测精度。通过对昆明市2003-2010年生活垃圾产生量进行了灰色组合模型预测，结果表明该模型的预测精度达到一级。     

北京城市生活垃圾产生量的影响因素研究及预测

统计了北京市2003—2012年城市生活垃圾的产生量,借助SPSS对垃圾产生量可能的影响因素进行了分析,结果表明,垃圾产生量与该地区的人口数量、地区生产总值、人均消费性支出等因素密切相关。为了准确预测垃圾产生量,分别采用多元回归模型和灰色预测模型进行适用性分析,研究发现多元回归分析方法在本研究中的应用违背了"自变量之间互斥性"的原则,不适合产生量预测。运用灰色方法对原始数据通过级比检验、精度分析,确定了GM(1,1)建模的可行性,建立了北京市城市生活垃圾产生量的GM(1,1)灰色预测模型,结果表明预测精度较高,应用此模型对北京市未来几年的城市生活垃圾产生量进行了预测。     

基于GM(1,1)模型的镇江市污泥产生量预测研究

把镇江市污泥产生量作为一个灰色系统,以2001～2006年镇江市污泥产生量作为原生序列,建立灰色GM(1,1)模型,通过模型精度的检验,表明所建立的GM(1,1)预测模型精度满足要求,预测结果可信,同时利用建立的GM(1,1)模型预测2007～2010年污泥产生量,为镇江市污泥处理处置提供规划依据.     

徐州市城市生活垃圾产生量预测分析

通过对1999—2008年徐州市城市生活垃圾产生量数据的分析,采用灰色预测GM(1,1)方法,对徐州市2009—2018年的城市生活垃圾产生量进行预测,在考虑到城市生活垃圾产生量的主要影响因素之后,运用多元线性回归方法,借助Matlab软件建立了城市生活垃圾产生量预测模型,并对模型的合理性和预测精度进行了分析。     

上海市浦东新区生活垃圾产生量预测及处置对策

介绍了上海市浦东新区生活垃圾产生量和处理处置现状,应用灰色系统模型GM(1,1)对未来几年的人均垃圾产生量进行预测,进而预测浦东新区未来几年生活垃圾产生量,并提出生活垃圾处理处置对策.     

GM(1,1)SSODMM在城市垃圾产生量预测中的应用

分析了成都市2000-2005年的城市垃圾产生量,运用GM(1,1)SSODMM对成都市2006-2013年城市生活垃圾产生量进行了预测,模型预测精度达到一级.并指出该模型可进一步推广应用于南方其他城市的垃圾产生量的预测.     

上海市医院入院人数的灰色预测研究

目的应用灰色GM(1,1)模型预测上海市医院入院人数的动态变化趋势,为现代医院的科学管理提供理论基础。方法利用上海市医院2007—2017年入院人数的相关数据,通过Matlab软件建立GM(1,1)模型,对入院人数进行预测。结果建立的灰色预测模型为(1)(k+1)=1933.5292e0.089904k-1789.7792,入院人数模型的平均相对误差为0.92%,C=0.0852、P=1,该模型精度为优,预测效果好。结论灰色GM(1,1)模型能够较为准确地预测上海市医院入院人数在时间序列上的变动趋势,为现代医院提高医疗卫生资源利用率提供保障。     

基于信息再利用的灰色系统GM(1.1)模型在传染病流行趋势预测中的应用

[目的]建立预测传染病流行趋势的灰色系统GM(1.1)模型。[方法]用基于信息再利用的方法,建立灰色系统GM(1.1)模型。[结果]用基于信息再利用的灰色系统GM(1.1)模型建模方法,建立了预测传染病流行趋势的GM(1.1)模型。[结论]预测传染病流行趋势的GM(1.1)模型较好地预测了儿童手足口病的流行趋势。     

灰色模型与计算机编程的实现

当前,人们在作经济预测或人才预测时,常常用到灰色系统理论(Grey System),因为对于中长期预测来讲,用建立在灰色系统理论基础上的数学模型(称灰色模型)较之其他预测方法更为准确、可靠,且涉及的相关变量要少。本文就是根据灰色模型的建模方法,编制了一套计算机软件,从而加快了运算的速度和保证了精度,有广泛的应用价值。(以下简称灰色模型为GM模型。)。一、GM模型的建模方法 GM模型(Grey Model)是以灰色系统理论作为基础的。所谓灰色系统,是指信息由部份明确(白色模块),部份不明确(灰     

基于灰色GM(1,1)模型对我国糖尿病患者死亡趋势预测

目的预测我国糖尿病患者死亡变化趋势,为糖尿病防控提供参考。方法收集2007-2018年我国糖尿病患者死亡率数据,运用灰色GM(1,1)模型进行预测分析。结果2007-2017年我国城市糖尿病患者死亡呈下降趋势,而农村糖尿病患者死亡呈明显上升趋势;城市、城市男性、城市女性、农村男性、农村女性5个变量所拟合灰色GM(1,1)模型C值均<0.35,且P值均>0.95,模型拟合精度为1级,农村变量拟合的灰色GM(1,1)模型C值为0.391,P值为0.9,模型拟合精度为2级;6个变量所拟合灰色GM(1,1)模型平均相对误差值分别为1.102%、1.020%、1.199%、1.177%、0.495%、0.698%。结论灰色GM(1,1)模型在我国糖尿病患者死亡趋势预测效果较好,能够为糖尿病防治提供参考依据。     

单段函数残差辨识在疾病预测中的应用

应用灰色系统 GM(1,1)模型可以预测疾病的发生情况。但是该模型有时预测精度不够高。单段函数残差辨识可以弥补其不足。单段函数残差辨识就是利用 GM(1,1)模型的残差信息,并在此基础上建立新的模型。本文介绍了单段函数残差辨识的原理、计算过程及其应用,结果表明比 GM(1,1)模型更有效、更精确。具有实际应用价值。     

城市垃圾量的灰色预测

运用灰色系统原理,提出了城市垃圾量预测的非线性模型,并将其非线性微分方程化为简单的非线性方程。根据最小二乘法确定了模型中的参数,从而避免了复杂的矩阵方程运算。文中给出了该模型的ｍａｔａｌａｂ程序,且该模型相比线性模型ＧＭ（１,１）而言,适用性广,拟合精度高。实例验证了该模型用于城市垃圾量预测的可行性和有效性。     

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。     

灰色模型GM（1，1）在全国甲乙类传染病发病率定量宏观评估中的可行性研究

目的探索灰色模型GM（1,1）在全国甲乙类传染病发病率定量宏观评估中的合理性与应用条件。方法收集1990～2011年中国大陆地区22年甲乙类法定传染病发病率资料。首先,利用1990～2007年甲、乙类法定传染病发病率建立灰色GM（1,1）模型,然后对2008-2011年甲、乙类法定传染病发病率进行外推预测。结果灰色模型GM（1,1）应用较好的全国甲乙类传染病包括：伤寒和副伤寒、流行性脑脊髓膜炎和流行性乙型脑炎。应用基本适合的包括：梅毒、百日咳、白喉、钩端螺旋体病、布鲁氏菌病和炭疽。这些传染病发病率均具有呈指数上升或下降的趋势。结论GM（1,1）模型本质上是指数模型,当数据服从指数分布时,利用GM（1,1）效果较好,与指数函数回归结果基本一致。     

灰色GM（1,1）模型在门急诊、出院人次预测中的应用

目的 探讨灰色预测方法在医院管理中的应用,对医院门急诊量、出院人次进行预测,有助于管理者掌握医院门急诊量、出院人次的变动趋势及规律,为医院在管理、决策中的合理应用提供量化的理论依据方法 选用某医院2000-2010年门急诊人次、出院人次统计年报数据,基于灰色系统理论的建模方法建立GM（1,1）预测模型,采用Excel表进行计算,预测2011-2013年医院门急诊量、出院人次结果 根据后验差比值C和小误差概率P值的计算及预测精度等级判定,所建预测模型拟合精度高,结果较理想,可用于外推预测.预测评价结果显示：2011-2013年门急诊人次预测值为256 267、27 666、300 852人次,评价等级为合格之上（C=0.33＜0.35,P=1＞0.9）;出院人次预测值为17 739、19 044、20 445人次,评价等级为优秀（C=0.29＜0.35,P=1）.医院门急诊人次、出院人次的年增长率分别为为8.35%、7.36%.通过预测医院门急诊量、出院人次有缓慢上升趋势,且趋于平稳,是一种呈稳步上升发展态势结论 灰色预测有一定优点,不要求统计变量具有正态分布,而是在杂乱无章的、有限的、离散的数据中找出规律,按系统发展趋势预测分析,提高了预测和分析的精确度.通过预测结果相互印证,理论值接近实际值,此方法在医院管理中有实用性.     

应用灰色系统GM（1,1）模型预测梅毒发病率

目的：探讨预测江苏省梅毒发病率的数学模型,为梅毒防制工作提供科学的参考依据。方法：利用2004年～2009年江苏省梅毒的发病率资料建立GM（1,1）预测模型,并进行模型评价。结果：梅毒发病率的GM（1,1）模型为^Yt=53.1596e0.2253（t-1）-42.9478（t=1,2,…,n）,拟合效果较好,同时利用模型外推预测了江苏省2010年的梅毒发病率。结论：如无较大规模的梅毒流行,运用此预测方法预测梅毒年发病率较为方便适用,2010年江苏省梅毒预测发病率为41.43/10万。     

我国常见细菌耐药趋势预测研究:基于灰色GM (1,1)模型

 目的 通过对耐甲氧西林金黄色葡萄球菌（MRSA）、耐碳青霉烯类铜绿假单胞菌（CRPA）、耐碳青霉烯类鲍曼不动杆菌（CRAB）、耐第三代头孢菌素的大肠埃希菌（3GCR-E.coli）、耐第三代头孢菌素的肺炎克雷伯菌（3GCR-KP）等细菌耐药数据构建灰色预测模型,分析细菌耐药特征的变化趋势,探讨灰色预测模型在细菌耐药领域的应用价值。方法 采用2014-2018年全国细菌耐药监测报告中MRSA、CRPA和CRAB、3GCR-E.coli、3GCR-KP等耐药率数据构建灰色预测GM （1,1）模型。用后验差比C值和小误差概率P值评估模型精度,用相对误差和级比偏差评估模型拟合效果,并用2019-2020年数据对模型预测效果进行验证。最终根据模型对2021-2023年的耐药率进行预测。结果 本研究构建的GM （1,1）模型对MRSA、CRPA、CRAB、3GCR-E.coli和3GCR-KP等细菌耐药率预测效果较好,根据该模型预测到2023年其耐药率分别可降低至23.9%、15.2%、50.2%、43.8%、26.1%。结论 全国针对细菌耐药情况采取的控制措施取得明显成效,GM （1,1）模型对细菌耐药率预测效果较好,可在细菌耐药管理领域推广应用。