基于ARIMA模型与GM(1,1)模型比较的宁夏卫生总费用及其构成预测研究

目的比较ARIMA模型和GM(1,1)模型对宁夏卫生费用的拟合效果,并预测宁夏卫生总费用及其构成的未来发展趋势,为相关部门制定和调整医疗卫生政策提供参考。方法利用2016年—2022年宁夏卫生总费用及其构成的相关数据,分别构建ARIMA模型和GM(1,1)模型,进行卫生总费用构成的拟合,采用平均绝对误差(Mean Absolute Error,MAE)和均方根误差(Root Mean Square Error,RMSE)比较拟合效果,基于优势模型对宁夏2023年—2028年卫生总费用及其构成进行预测。结果GM(1,1)模型拟合效果较好,为优势模型。预测结果显示,2023年—2028年,宁夏卫生总费用平稳增长,从465.38亿元增长至671.50亿元,政府和个人卫生支出占卫生总费用的比重分别从32.35%和25.39%下降至31.63%和22.53%,社会卫生支出占卫生总费用的比重从42.25%上升至45.84%。结论经预测,2023年—2028年宁夏卫生总费用呈逐年增长趋势,卫生费用筹资结构趋于合理化,相关部门应继续保持目前发展态势,采取有效措施以促进医疗卫生事业的可持续发展。

基于GM(1,1)模型的河北省生鲜农产品冷链物流需求预测及其影响因素研究

为了掌握河北省生鲜农产品冷链物流的发展趋势,为政府制定发展冷链物流产业政策提供参考,文章以2012—2021年河北省生鲜农产品的产量作为原始数据,通过灰色预测模型进行预测,针对2024—2031年共八年河北省生鲜农产品冷链物流需求量进行预测;另一方面从区域经济发展水平、物流运输技术能力、冷链物流市场规模、冷链支撑条件水平、人文因素五个方面,构建一个能够反映影响河北省生鲜农产品冷链物流需求的各种因素的指标体系,在构建指标的过程中,采用灰色关联分析方法。在建立影响河北省生鲜农产品冷链物流需求的指标体系过程中,进行指标选取时,应用灰色关联分析的方法。经测算,本次生鲜农产品冷链物流需求量预测的精确度为95.7%,能够进行较为精确的预测,可以得出河北省生鲜农产品冷链物流的需求量逐年增长的结果。同时灰色关联分析表明,物流交通运输能力和人文因素对生鲜农产品冷链物流需求影响最为显著,其次是冷链物流市场规模,而区域经济发展水平和冷链支撑条件水平对河北省生鲜品冷链物流需求量的影响程度相对较弱。

GM(1,1)模型在软土深基坑变形预测中的应用

灰色系统是在贫数据状态下进行数据预测的数学方法。文章以湖北省黄石市春湖小区安置房项目基坑工程为研究对象,建立了基坑周边冠梁沉降的GM(1,1)预测模型,对其分布和变化规律进行了预测,并与实测结果进行了对比分析。结果表明:预测结果与实测结果的相对误差在1.33%~10.95%之间,且相对误差率随着监测时间的增加而明显减小,满足相关规范对基坑监控预警预测精度的要求,可用于指导实际应用。

基于灰色GM(1,1)模型的我国医院感染患病率变化趋势及预测

目的了解我国医院感染患病率变化趋势,并采用灰色GM(1,1)模型对我国不同规模医院的医院感染患病率进行预测,为医院感染防控提供数据支持和新思路。方法采用描述性流行病学方法分析我国医院感染患病率变化趋势,2008—2016年我国医院感染患病率数据进行灰色GM(1,1)模型构建,2018—2020年数据进行模型验证。采用构建的灰色GM(1,1)模型对2022—2024年我国医院感染患病率进行预测。结果我国医院感染患病率呈下降趋势,随着医院规模的增加医院感染患病率升高。医院感染患病率灰色GM(1,1)模型的精度良好、拟合效果较高。2024年全国、<300张床位医院、300~599张床位医院、600~899张床位医院和≥900张床位医院的医院感染患病率可降为1.00%、0.49%、0.90%、1.13%和2.05%。结论我国医院感染防控效果明显,灰色GM(1,1)模型对我国医院感染患病率有较好的预测效果。

基于灰色GM(1,1)模型的2023—2027年闵行区脑卒中死亡趋势预测

目的分析2012—2022年上海市闵行区脑卒中死亡变化趋势,预测2023—2027年脑卒中死亡情况。方法测算2012—2022年上海市闵行区脑卒中死亡的年度变化百分比(annual percentage change,APC),运用Joinpoint线性回归模型进行时间趋势分析。以2012—2022年上海市闵行区脑卒中死亡率构建灰色GM(1,1)模型,运用相对误差和级比偏差评估模型拟合效果,对2023—2027年上海市闵行区脑卒中死亡率进行预测分析。结果2012—2022年上海市闵行区脑卒中全人群、男性和女性粗死亡率均呈上升趋势(全人群:APC=2.50%,P<0.001;男性:APC=3.41%,P<0.001;女性:APC=1.46%,P=0.008)。灰色GM(1,1)模型预测2023—2027年上海市闵行区脑卒中死亡率呈上升趋势,2027年全人群脑卒中粗死亡率为97.55/10万,男性为112.31/10万,女性为83.33/10万,检验评估模型拟合效果达到较高要求。结论近十年来上海市闵行区脑卒中死亡率呈明显上升趋势,5年预测结果显示死亡率呈逐年上升趋势。

基于GM(1,1)-IPSO-BP的重载铁路小半径曲线钢轨磨耗预测方法

为实现重载铁路小半径曲线段钢轨磨耗量的精准预测,提出一种非等间距灰色模型GM(1,1)与改进粒子群算法(IPSO)优化BP神经网络相结合的钢轨磨耗预测方法。首先,根据积分原理优化GM(1,1)非等间距模型的背景值计算方法,基于改进的模型得到实测磨耗序列的初步预测结果;然后,利用IPSO算法对BP神经网络的权值和阈值进行自动寻优,对GM(1,1)模型初步预测序列的残差进行校正;最后,将优化后的两种模型组合构建基于GM(1,1)-IPSO-BP的重载铁路小半径曲线地段钢轨磨耗量预测模型。以某重载铁路桥上半径400 m曲线为例,利用长期的磨耗监测数据进行方法的适用性分析,研究结果表明:GM(1,1)-IPSO-BP模型克服了磨耗数据的非线性、随机性特征对计算结果的影响,预测精度优于单独使用GM(1,1)、IPSO-BP模型;背景值优化后的GM(1,1)模型预测准确性更可靠;IPSO优化算法提高了BP神经网络计算的精度和速度;预测结果和实测数据之间的相对误差不大于4%;在预测区间上的绝对误差小于0.4 mm,运用该方法能够较准确地得到钢轨磨耗的发展规律。研究结果可为重载铁路小半径曲线钢轨的精准维修和科学使用提供参考。

GM(1,1)模型在安徽省城镇化水平预测中的应用

为了推进安徽省城镇化建设,制定正确的城镇发展方针政策是十分必要的.而对安徽省未来城镇化水平进行合理预测则可为政府制定城镇发展方针政策提供理论依据.现选取2010~2021年的安徽省城镇化率作为研究数据,采用GM(1,1)模型对安徽省城镇化水平建立动态预测模型,并对建立的模型进行了检验.研究表明:GM(1,1)模型具有较好的拟合精度,建模精度达到99.38%.运用GM(1,1)模型对2022~2026年安徽省城镇化率进行预测,预测结果显示未来几年安徽省城镇化水平将呈上升趋势.

硫酸盐冻融下沙漠砂混凝土抗冻性能及基于GM(1,1)模型强度预测

为了研究硫酸盐冻融循环作用下沙漠砂混凝土(DSC)抗冻性能及强度规律,以不同质量分数硫酸盐溶液(3%、5%、7%Na_(2)SO_(4))为冻融介质进行冻融循环试验,分析硫酸盐冻融下DSC表观特征、质量损失率、相对动弹性模量、抗蚀系数、超声波速损失率变化规律;建立硫酸盐冻融下沙漠砂混凝土GM(1,1)强度预测模型。研究结果表明,随着冻融循环次数增加,混凝土质量损失率、超声波速损失率增大,抗蚀系数与相对动弹性模量降低。沙漠砂替代率(DSRR)从0增至40%时混凝土表现出较好抗冻性能;当DSRR为60%时,过量沙漠砂的掺入对混凝土抗冻性能产生不利影响。较大质量分数硫酸盐溶液加剧混凝土破坏,降低了预测寿命。GM(1,1)模型预测结果平均相对误差小于2%,具有较好预测精度,可为西北地区硫酸盐冻融环境下混凝土结构服役评估提供参考。

基于新陈代谢GM(1,1)++的疫情应急物资需求量预测研究

当大规模疫情发生时,应急物资的供给至关重要.在新陈代谢GM(1,1)模型的基础上提出了一种新陈代谢GM(1,1)++模型,即再加入新信息,移除原始数据中的旧信息的同时,将原始数据中与拟合值相对残差最大的数据项用拟合值替代.提出的方法既能够及时去掉意义逐渐降低的老信息,加入更能够反应系统目前特征的新信息,又能够降低其他因素对原始数据的扰动性,使原始数据更具规律性.为了检验新陈代谢GM(1,1)++模型的有效性,将其预测结果分别与传统GM(1,1)、新信息GM(1,1)、新陈代谢GM(1,1)的预测结果进行比较研究.试验结果显示,新陈代谢GM(1,1)++模型的误差平方和最小,预测准确性远优于另外3种预测模型.

基于GM(1,1)模型的地铁基坑变形预测研究

在深大基坑开挖过程中,基坑周围土体会受到扰动,势必会影响到基坑、基坑周围建筑物和构筑物的稳定与安全。为解决基坑开挖过程中变形监测周期过长而无法长期监测以及监测数据误差等问题,以某工程实例为依据,对基坑周围地表沉降变形进行监测,以地表沉降监测数据为基础数据建立GM(1,1)预测模型,进行基坑后期沉降变形预测分析。结果表明:该模型预测结果能较好的反映基坑的沉降变形情况,预测精度能满足工程需要,预测结果相对于实际观测值表现出超前现象,可为类似工程建设提供参考。

基于GM(1,1)-Markov模型的我国人口城市化水平预测

结合灰色GM(1,1)模型和马尔可夫链理论的优点,建立耦合的GM(1,1)-Markov预测模型。实例预测2009年—2015年我国人口城市化水平,其结果证明GM(1,1)-Markov模型预测精度较高,具有较强的科学性和实用性。

基于新陈代谢GM(1,1)-Markov链模型的有效灌溉面积预测

采用新陈代谢GM(1,1)模型对全国有效灌溉面积的动态变化进行初次拟合和预测,并根据有效灌溉面积时间序列波动的随机性,利用Markov链模型对新陈代谢GM(1,1)模型的残差进行修正,以概率形式确定出未来全国有效灌溉面积的动态变化区间,并依此模型预测未来10年全国有效灌溉面积的发展趋势。结果表明,该模型预测结果准确可靠,可为区域水资源规划管理及农业发展规划决策提供一定的科学依据。

基于Markov和GM(1,1)模型的土地利用结构预测

根据张掖市2003-2006年土地利用变更数据，分别采用Markov与灰色GM（1，1）模型，对全市2011年和2015年土地利用结构变化进行预测，并将所得结果相互验证、对比分析，以提高预测可信度。结果表明：到2015年张掖市耕地、牧草地和未利用地将持续减少，林地和建设用地呈增长趋势；土地利用类型由耕地、园地、牧草地和未利用地向林地、建设用地转化。表6，参8。

基于GM(1,1)-Markov链模型的汽车企业订单预测

准确预测企业下一周期的订单数量至关重要。相比其他众多的预测方法,GM(1,1)模型能够较好地通过建立一个小型样本模型来完成短期预测。提出了一种基于改进的GM(1,1)模型与Markov链模型相结合的汽车企业订单预测模型,该预测模型的有效性通过柳州一家汽车公司的实际数据得到检验。

河流年径流量的GM(1,2)-Markov中长期预测模型

径流过程具有随机和灰色特征。基于此,将Markov预测与灰色GM(1,2)预测相结合,提出了GM(1,2)-Markov中长期河流年径流量预测模型。通过对黑河正义峡、莺落峡水文站65 a(1949-2014年)的年径流量资料分析,将莺落峡年径流量作为GM(1,2)预测的相关因素数据列,以1990-2009年的数据建立正义峡年径流量GM(1,2)-Markov模型,以2010-2014年的年径流量进行模型验证。结果表明:莺落峡、正义峡年径流量具有较强的相关性;建立的正义峡年径流量预测模型精度为83.65%;预测未来5 a的径流量,预测精度达到了97.12%;GM(1,2)-Markov、GM(1,1)和GM(1,2)模型的模型精度都符合建模的要求,但GM(1,2)-Markov模型的预测精度明显高于GM(1,1)模型和GM(1,2)模型。GM(1,2)-Markov模型为河流径流量的中长期预测提供了一种新方法。

Markov残差修正的灰色GM(1,N)模型在粮食产量预测中的应用

将灰色理论和Markov预测方法用于中国粮食产量的预测。运用灰色关联分析,从众多影响粮食产量的因素中确定了影响粮食产量的主要因素为:乡村从业人员、农作物有效灌溉面积、粮食作物播种面积、受灾面积。以粮食产量作为特征变量,以影响粮食产量的主要因素作为选定变量构建了粮食产量的灰色GM(1,5)预测模型,并对我国粮食产量进行拟合和预测。为了捕获粮食产量时间序列的随机波动性,使用马尔可夫模型对GM(1,5)模型的残差进行修正,以便改善预测精度。实例结果:事后检验阶段GM(1,5)模型的平均绝对百分比误差为15.45%,灰色Markov模型的平均绝对百分比误差为5.625%。灰色Markov模型能够提高预测的精度,是一种有效的、具有鲁棒性的预测方法。

基于粒子群与Markov优化的PMIGM(1,1)模型预测路基沉降方法研究

高速公路路基沉降的准确预测对高速公路病害预防和治理有着极其重要的指导意义。以往的路基沉降预测模型多为单一模型或简单改进模型,提出了一种基于粒子群与Markov优化的PMIGM(1,1)预测模型。首先,基于灰色理论,提出了改进的IGM(1,1)预测模型;然后,利用Markov理论对IGM(1,1)预测模型的相对残差序列进行修正,使得该模型能反映数据的波动特征,得到了MIGM(1,1)预测模型;在此基础上,采用粒子群算法对残差序列参数进行白化,建立了PMIGM(1,1)预测模型。将该预测模型应用于云南保施高速公路高填方路基,分析结果表明该模型可提高预测模型的精度。

改进GM(1,1)-ARIMA-LR模型天然气产量预测研究

为提高天然气产量在少样本情形下预测的准确性,基于对过去的预测误差进行学习的思想,加入自适应学习因子和组合学习因子以改进模型,构建包含GM(1,1)、ARIMA和LR的集成预测模型。该模型以平均误差百分比为评价指标,依据预测步长变化和过去预测误差对单个模型分别进行动态调整,再建立目标规划模型对各模型进行动态加权。实证结果表明,改进GM(1,1)-ARIMA-LR模型能够更好地提取时间序列的长短时依赖关系,与其它的主流模型相比,其预测精度更高。对近5年的天然气产量进行一步、五步与八步预测,GM(1,1)-ARIMA-LR集成模型预测误差分别为1.187%、3.129%、9.855%。本文运用该模型对2023-2030年中国天然气产量进行预测。

GM(1,1)-Markov模型在地震应急基础数据更新中的应用

受灾地区的国民生产总值(GDP)数据是地震应急基础数据库中一类重要的基础数据,由于数据收集的周期较长,造成GDP数据的现势性差。利用灰色-马尔可夫模型(GM(1,1)-Markov模型),建立甘肃省县一级GDP增长模型,实现静态GDP基础数据在地震发生时的动态计算,使其接近于社会经济发展的实际情况;在实际数据未得到之前,本研究中得到的GDP数据可以作为应急数据库中相关基础数据更新的补充手段,或作为未来几年震害预测时的基础数据参考。

基于改进GM(1,1)模型的生活用水量预测

生活用水量预测是城市给水规划的关键,其核心是提高预测的精准度。由于传统GM(1,1)模型误差主要来源于背景值和初始值,文章采取引入幂函数改进背景值和初始值2种改进方法。引入幂函数改进背景值权重构造,使新数据占改进模型主导地位;引入幂函数减少原始数据振荡,优化原始序列。将改进后的2种模型应用于河南省生活用水量预测中,并与传统GM(1,1)模型进行比较。结果表明改进模型各个检验均满足要求,可进行中长期用水量预测,预测可得2025年河南省生活用水量为48.31×10^(8)m^(3)。优化原始值改进的GM(1,1)模型预测效果好、精度高,可为当地水资源保护、管理提供参考。