买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京航空航天大学申请的专利一种基于灰色成分预测建模的疾病人群中老年类别结构预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121350518B 。

龙图腾网通过国家知识产权局官网在2026-04-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511925723.7，技术领域涉及：G06F18/20；该发明授权一种基于灰色成分预测建模的疾病人群中老年类别结构预测方法是由李惠;谢乃明设计研发完成，并于2025-12-19向国家知识产权局提交的专利申请。

本一种基于灰色成分预测建模的疾病人群中老年类别结构预测方法在说明书摘要公布了：本发明提供一种基于灰色成分预测建模的疾病人群中老年类别结构预测方法，包括：收集特定疾病影响的多成分老年人口结构数据，分析成分数据特征；根据数据特征搭建一种融合时间弹性机制与成分结构分析的建模框架；基于框架建立适配不规则时序成分数据的多参数组合优化的新型动态非线性灰色成分预测模型；求解灰色成分预测模型参数，估算各成分老龄疾病人群结构演化，从而解决小样本序列建模的疾病人群老年类别结构预测与健康管理问题。本发明提出的方法，能够精准刻画疾病人群不同健康状态老年人的比例变化规律，使得卫生管理人员能够更准确地把握老年人群在疾病负担中的变化趋势，从而制定更加合理的资源配置与干预策略。

本发明授权一种基于灰色成分预测建模的疾病人群中老年类别结构预测方法在权利要求书中公布了：1.一种基于灰色成分预测建模的疾病人群中老年类别结构预测方法，其特征在于，包括以下步骤： S1、收集某类型疾病影响的多成分老年人口结构数据，并分析成分数据特征；具体包括： 收集某一类型的疾病影响的多成分老年人口结构数据，数据来源于包含多轮调查的数据库，其调查时间点形成非等间距的时间序列；按照失能与否及其程度将患有疾病的老人划分为四个明确的成分类别，在获得四个类别构成的原始占比序列后，识别并量化所述序列的核心特征，即时间非等间距性与成分结构约束性； 通过计算序列中连续时间点之间的实际间隔长度，并分析这些间隔长度的变异系数，以数值化表征时间序列的非均匀性程度；同时，对每个时间点的所有类别占比数据执行加和一致性验证；分析各成分序列随时间的变化模式，通过计算相邻时间点间各成分占比的绝对变化量及其方向，识别出不同失能类别人群占比演化趋势的异质性，即某些类别呈现单调变化而其他类别存在波动或转折； S2、根据数据特征，搭建融合时间弹性机制与成分结构分析的建模框架；具体包括： 对收集的原始多成分老年人口结构数据进行非对称对数比变换，将原始占比序列转换为建模序列，其中变换过程通过计算每个成分占比与参考成分占比的比值的自然对数实现，从而消除成分数据的恒定和约束，使变换后的序列适用于灰色建模； 将变换后的成分结构数据作为建模序列，构建灰色动态成分预测模型，通过处理不规则时间间隔，并集成成分结构分析以捕捉多成分系统的动态演化特征； 对输出的模拟和预测序列进行非对称反对数变换，将序列还原为原始占比序列，其中反变换过程通过指数运算和归一化处理，确保还原后的序列满足所有成分占比之和为1的约束条件； 以平均相对百分比误差、相对百分比误差的标准差和平均绝对缩放误差作为评价标准，对灰色成分模型得到的疾病人群中老年类别结构预测曲线进行精度评价，其中平均相对百分比误差计算为各时间点预测值与实际值相对误差绝对值的平均值，相对百分比误差的标准差计算为这些相对误差的离散程度指标，平均绝对缩放误差计算为预测误差与序列一阶差分平均绝对值的比值； S3、基于建模框架，建立适配不规则时序成分数据的非等间距的灰色动态成分预测模型，通过参数组合优化并挖掘隐含的累加规律、背景值系数及非线性特性，其表达式包含可优化的阶数、指数、背景值及待求解的固定参数与动态参数； S4、基于对数变换求解灰色成分预测模型的参数，并进行反对数变换，进而估算各成分老龄疾病人群的结构演化，包括：通过最小二乘法求解模型的固定参数，使用粒子群算法对动态参数进行全局组合寻优以最小化全局平均相对模拟误差，基于求解的参数得到各序列的累加序列预测值并通过累减还原为原始序列预测值，最后通过反对数变换得到原始占比序列的模拟或预测结果，连接各离散时刻的预测值即得到疾病人群中老年人群不同类别的成分演化曲线。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：211106 江苏省南京市江宁区将军大道29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。