您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览96 | 下载0

目的 应用改进的GM(1,1)模型对衡水市乙肝的发病率进行趋势分析和预测,并比较其与原GM(1,1)模型的预测效果.方法 收集2005年-2015年衡水市乙肝发病率资料,并组成时间序列,对前10年的数据进行建模,2015年的发病率作为检验数据,对四种模型的预测效能进行验证与评价.结果 改进的GM(1,1)模型的拟合及预测的平均相对误差分别为0.93%、0.12%,原GM(1.1)模型的拟合及预测的平均相对误差分别为1.41%、0.52%,精度分别提高了34.0%和76.9%.结论 改进的GM(1,1)模型拟合和预测效果均优于原GM(1,1)模型.提高背景值精度、优化初值可以提高GM(1,1)模型的拟合和预测效果,对发病率的趋势预测具有较好的应用价值.

作者:张倩;陈超

来源:现代预防医学 2017 年 44卷 11期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:96 | 下载:0
作者:
张倩;陈超
来源:
现代预防医学 2017 年 44卷 11期
标签:
GM(1,1)模型 背景值 乙肝 发病率 预测 GM (1,1) model Background value Hepatitis B Incidence Prediction
目的 应用改进的GM(1,1)模型对衡水市乙肝的发病率进行趋势分析和预测,并比较其与原GM(1,1)模型的预测效果.方法 收集2005年-2015年衡水市乙肝发病率资料,并组成时间序列,对前10年的数据进行建模,2015年的发病率作为检验数据,对四种模型的预测效能进行验证与评价.结果 改进的GM(1,1)模型的拟合及预测的平均相对误差分别为0.93%、0.12%,原GM(1.1)模型的拟合及预测的平均相对误差分别为1.41%、0.52%,精度分别提高了34.0%和76.9%.结论 改进的GM(1,1)模型拟合和预测效果均优于原GM(1,1)模型.提高背景值精度、优化初值可以提高GM(1,1)模型的拟合和预测效果,对发病率的趋势预测具有较好的应用价值.

Baidu
map