版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、目的:流行性傳染病是嚴重威脅人類健康和生存的最重要的危險因素之一?;疑到y(tǒng)理論,尤其是其中的GM(1,1)模型在預測流行性傳染病的流行趨勢上有較好的效果。建立GM(1,1)模型的傳統(tǒng)方法有計算方法簡便的優(yōu)點,美中不足的是擬合精度和預測精度有時較差。而基于信息再利用的方法將參數(shù)的求解與邊值的確定綜合在一起討論,用該方法建立的GM(1,1)模型既能極大地提高GM(1,1)模型的擬合精度和預測精度,又能保持傳統(tǒng)方法建立GM(1,1)模型的計算
2、方法簡便的優(yōu)點。該研究旨在通過收集流行性傳染病發(fā)病數(shù)據(jù),建立相關(guān)的基于信息再利用的GM(1,1)模型,預測該流行性傳染病的流行趨勢。從而建立流行性傳染病的預警機制,為有關(guān)部門預防和控制疾病提供科學的決策依據(jù)。
方法:本課題研究的主要內(nèi)容包括基于信息再利用的GM(1,1)模型的建立和其在流行病預測中的應用兩部分。首先通過中國宏觀數(shù)據(jù)挖掘系統(tǒng)、互聯(lián)網(wǎng)以及中國衛(wèi)生統(tǒng)計年鑒、當?shù)胤酪哒镜认嚓P(guān)部門大量收集流行病發(fā)病數(shù)據(jù);然后按照灰色
3、系統(tǒng)理論和基于信息再利用的方法,利用收集的發(fā)病數(shù)據(jù)建立相關(guān)的GM(1,1)模型;最后利用建立的基于信息再利用的GM(1,1)模型預測該流行性傳染病的未來發(fā)展趨勢。
結(jié)果:本文將該方法應用于兒童手足口病、甲型H1N1流感、狂犬病、病毒性肝炎、艾滋病、流行性出血熱、梅毒、麻疹等流行性傳染病流行趨勢的預測,獲得的GM(1,1)模型較好地預測了這些流行性傳染病的流行趨勢,說明該方法可用于傳染病流行趨勢的預測。
結(jié)論:
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 河北省腎綜合征出血熱流行特征及基于信息再利用灰色系統(tǒng)GM(1,1)模型預測的應用.pdf
- 灰色gm(1,1)模型在經(jīng)濟預測中的應用
- 灰色預測gm(1,1)模型在石油工程中的應用
- gm(1,1)模型在圍護體變形預測中的應用
- 13771.gm(1,1)灰色模型改進及在海平面變化預測中應用
- 11277.灰色預測gm(1,1)模型的幾種拓廣模型研究
- 39563.灰色gm(1,1)模型的改進及應用
- 基于小波去噪的灰色GM(1,1)與RBFNN在變形預測中的應用.pdf
- 基于時間序列模型的傳染病流行趨勢及預測研究.pdf
- 基于灰色生成技術(shù)和灰色馬爾科夫模型的GM(1,1)模型預測效應研究.pdf
- 改進gm(1,1)預測模型及其在城市用水量中的應用
- 基于灰色GM(1,1)-馬爾科夫鏈模型的職業(yè)衛(wèi)生預測研究.pdf
- gm(1,1)模型在山區(qū)機場沉降預估中的應用
- gm(1,1)模型在山區(qū)機場沉降預估中的應用
- 基于改進gm(1,1)模型的建設(shè)工程費用預測
- 41787.基于gm(1,1)的變形預測模型庫系統(tǒng)的研究
- gm(1,1)模型在商業(yè)地產(chǎn)還原利率中的應用
- 基于數(shù)值分析的改進GM(1,1)負荷預測模型研究.pdf
- 基于GM(1,1)灰色模型和ARIMA模型的常州市物流需求的組合預測與比較研究.pdf
- 基于粒子群算法的GM(1,1)模型及其應用.pdf
評論
0/150
提交評論