目的:探讨传染病的流行规律,研究传染病的流行趋势。基于时间序列特征和灰色系统理论,选择合适的传染病预测控制模型。首先,针对含有趋势性和随机波动性特征的新疆法定传染病发病特征,构建符合其发病特征的灰色预测模型及其改进模型,并寻求合适的预测模型;其次,针对含有非线性特征的新疆乙肝发病数据,构建优化的非线性灰色伯努利预测模型,并采用现代优化算法对模型参数进行优化;再次,针对含有趋势性、季节性、周期性和随机波动特征的新疆包虫病发病数时间序列,构建包虫病的灰色组合预测模型,从理论上提出包虫病控制策略。方法:1)针对新疆2004-2010年法定传染病发病数据,通过选择不同的维度,分别建立静态灰色预测模型和动态滚动灰色预测(Rolling grey model,RGM)模型。为进一步验证模型精度,建立了等维递补的新疆肺结核预测模型,并与几个改进的GM模型(贝叶斯参数优化灰色模型(Bayesian based grey prediction model,BGM),最小二乘改进的灰色模型(Least squares based grey prediction model,LSEGM),无偏灰色预测模型(Unbiased grey prediction model,UGM))拟合结果做了对比。2)基于新疆乙肝2012年1月-2012年12月发病率数据(2012年1月-2012年8月的8组观察数据作为模拟数据,而2012年9月-2012年12月的4组数据作为检测数据),建立了5个预测模型:GM(1,1),灰色Verhulst模型(GVM),Holt-Winters指数平滑模型,NGBM(1,1),粒子群优化的Nash非线性灰色伯努利模型(Optimized Nash nonlinear grey Bernoulli model based on particle swarm optimization,PSO-NNGBM(1,1)),并比较模型精度。为进一步验证PSO-NNGBM(1,1)在非线性传染病数据预测方面的可行性与有效性,将PSO-NNGBM(1,1)模型应用于2009-2012年乙肝年发病率数据的分析。3)依据2011年1月-2012年12月观测数据(2011年1月-2012年6月的18组观察数据作为模拟数据,而2012年7月-2012年12月的6组数据作为检测数据)构建遗传优化的非线性灰色伯努利模型(Optimized Nonlinear grey Bernoulli model,ONGBM(1,1)),并与经典的GM(1,1)、GVM、传统的非线性灰色伯努利模型(Nonlinear grey Bernoulli model,NGBM(1,1))拟合结果进行对比,检验模型优劣。4)依据2004年第一季度-2012年第四季度观测数据(2004年第一季度-2012年第一季度的33个观察数据作为模拟数据,而2012年第二季度-2012年第四季度的3个数据作为检测数据),从包虫病的发病数特征与传播机制出发,建立包虫病的灰色-周期外延-par)(组合模型(grey-periodicextensionalcombinatorialmodel,pecgm(1,1))和灰色-傅立叶残差校正模型(errormodifiedgreymodelusingfourierseries,fgm(1,1))。为探讨新疆包虫病的长期发病趋势,根据包虫病的传播机理,建立了包虫病传播的灰色-动力学组合模型,并从理论上提出控制策略。结果:1)依据2006-2010年法定传染病数据(5维)建立的静态gm(1,1)模型精度最高(平均相对误差为=Δ%6.6,灰色绝对关联度r=980.0,均方差比值c=38.0,小误差概率p=1),达到2级。依据2005-2010年数据(6维)建立的静态gm(1,1)模型模拟精度较低(3级),依据2004-2010年数据(7维)建立的静态gm(1,1)模型精度最低(4级),不适合作外推预测。经过一次等维递补的5维rgm(1,1)模型精度即可达到1级,而6维rgm模型经过两次等维递补,精度也可达到1级。rgm模型结果显示,若采取有效的预防和治疗措施,新疆法定传染病发病率在未来5年内将逐年稳步下降,到2015年,年发病率不超过400/10万。2)依据新疆肺结核发病数据建立的7维gm(1,1)、6维gm(1,1)、7维rgm(1,1)及6维递补rgm(1,1)预测模型模拟精度较高(模型精度分别为1,2,1,1),适合作中长期预测,5维gm(1,1)模型模拟效果一般(3级),可作短期预测。而lsegm(1,1),bgm(1,1),ugm(1,1)三个模型拟合精度均低于rgm(1,1)(精度分别为3,4,3),是不适合做外推预测的。7维rgm(1,1)拟合结果表明,新疆2020年肺结核年发病率不会超过128(1/10万)。从模型10年预测的结果来看,新疆肺结核整体发病率将呈下降趋势。但短期预测结果表明,新疆肺结核年发病率到2015年仍可能达到151/10万,每10万人较2004年水平还高出不少于8人。3)4个乙肝预测模型(gm(1,1),gvm,ngbm(1,1),ongbm(1,1))拟合结果得到,平均相对误差(meanabsolutepercentageerror,mape)值分别为8.18%,32.22%,7.87%和7.43%,相应的均方根误差(rootmeansquarederror,rmse)为1.75,7.41,1.87和1.71。外推检验结果表明,遗传优化的ongbm(1,1)模型的mape(8.79%)和rmse(1.84)均小于其他几个模型(gm(1,1):mape=9.04%,rmse=1.99;gvm:mape=16.14%,rmse=4.48;ngbm(1,1):mape=10.96%,rmse=2.20)。4)传统的ngbm(1,1)(mape=4.66%,rmspe=6.51%)与pso-nngbm(1,1)(mape=4.59%,rmspe=6.50%)在应用于新疆乙肝预测时有相近的拟合结果,holt-winters指数平滑模型也取得了较高的拟合精度(mape=3.39%,rmspe=8.28%)。外推检验结果得到,pso-nngbm(1,1)(mape=10.97%,rmspe=16.0%)比ngbm(mape=10.99%,rmspe=16.02%)和holt-winters(mape=17.61%,rmspe=20.54%)具有更高的预测精度。针对乙肝发病年数据,pso-nngbm(1,1)模型得到了最高的预测精度。剔除异常值带来的影响,pso-nngbm(1,1)模型的mape值低于4.45%,rmspe值低于5.51%,可以满足实际应用的要求,将其应用于新疆乙肝发病预测是合理且有效的。5)包虫病短期预测模型中,PECGM(1,1)模型(拟合:MAPE=10.7536%,RMSE=23.1066;外推:MAPE=16.3088%,RMSE=65.6686)能与原始数据同步波动,比经典的GM(1,1)模型(拟合:MAPE=25.8364%,RMSE=37.4480;外推:MAPE=19.8847%,RMSE=78.9060)具有更好的拟合效果。PECGM(1,1)模型结果显示,新疆包虫病发病情况具有明显的季节性和周期性:4个季度为一个周期,春季为高发季节。FGM(1,1)模型相较GM(1,1)与PECGM(1,1)模型,无论是拟合(MAPE=8.8952%,RMSE=12.4442)或是预测(MAPE=11.0688%,RMSE=42.0548)均具有更好的效果。在针对新疆包虫病发病数据预测建模时,FGM(1,1)模型相较GM(1,1)与PECGM(1,1)模型,具有更高的预测精度,更小的拟合误差。几个灰色模型的预测结果均展示了同一个问题:新疆包虫病的发病数短期内不会下降。6)动力学长期预测模型结果表明,在当前的卫生条件和控制措施下,未来20几年,包虫病感染人数将会持续上升,在25年左右达到理论上的高峰(全年约1250例),随后开始缓慢下降趋于稳定。模型基本再生数粗糙估计值:541.00R=,这说明根据新疆当前卫生条件,人类包虫病病例数最终将趋向于零。结论:1)新疆法定传染病数据具有非稳定、非线性和随机性特点。RGM模型每预测一步,模型参数做一次修正,模型得到改进,预测值产生于动态之中。RGM在传染病中长期预测中能更好地揭示系统的发展趋势,获得好的预测效果。2)现代优化算法优化模型参数的非线性灰色伯努利模型,对含有趋势性、随机性、非线性特征的乙肝发病时间序列建模是合适的。3)对影响因素较多,有一定波动性的系统进行预测时,残差校正的PECGM(1,1)模型和FGM(1,1)模型较经典的GM(1,1)预测精度高。PECGM(1,1)模型和FGM(1,1)模型应用于含有趋势性、季节性、周期性和随机性的包虫病发病时间序列建模是合适的。4)灰色-动力学模型能更好地把握数据短期和长期趋势,利用该模型对新疆包虫病总体趋势进行预测是可行的。模型数值模拟结果表明,控制终宿主(犬)种群的规模,严格处理感染包虫囊的内脏,捕杀野犬、病犬及无用犬,加强对犬的免疫,同时降低犬的传染率和犬的新增数量,把犬的驱虫治疗和控制犬的种群规模两种措施结合起来可以更好的控制包虫病的传播。随着医疗卫生条件、控制措施和宣传力度的加强,理论上的峰值将会不断向后推移。