基于數學建模的預測方法種類繁多，從經典的單耗法、彈性系數法、統計分析法，到目前的灰色預測法。當在使用相應的預測方法建立預測模型時，我們需要知道主要的一些預測方法的研究特點，優缺點和適用范圍。下面就當下一些主要的預測方法進行總結： 預測模型名稱 適用范圍

　　基于數學建模的預測方法種類繁多，從經典的單耗法、彈性系數法、統計分析法，到目前的灰色預測法。當在使用相應的預測方法建立預測模型時，我們需要知道主要的一些預測方法的研究特點，優缺點和適用范圍。下面就當下一些主要的預測方法進行總結： 預測模型名稱 適用范圍 優點 缺點 灰色預測模型 該模型使用的不是原始數據的序列，而是生成的數據序列。核心體系是Grey Model.即對原始數據作累加生成（或其他處理生成）得到近似的指數規律再進行建模的方法。 在處理較少的特征值數據，不需要數據的樣本空間足夠大，就能解決歷史數據少、序列的完整性以及可靠性低的問題，能將無規律的原始數據進行生成得到規律較強的生成序列。 只適用于中短期的預測，只適合近似于指數增長的預測。 插值與擬合 適用于有物體運動軌跡圖像的模型。如導彈的運動軌跡測量的建模分析。 分為曲面擬合和曲線擬合，擬合就是要找出一種方法（函數）使得得到的仿真曲線（曲面）最大程度的接近原來的曲線（曲線），甚至重合。這個擬合的好壞程度可以用一個指標來判斷。 時間序列預測法 根據客觀事物發展

　　本網站所有注明“來源：梅斯醫學”或“來源：MedSci原創”的文字、圖片和音視頻資料，版權均屬于梅斯醫學所有。非經授權，任何媒體、網站或個人不得轉載，授權轉載時須注明“來源：梅斯醫學”。其它來源的文章系轉載文章，本網所有轉載文章系出于傳遞更多信息之目的，轉載內容不代表本站立場。不希望被轉載的媒體或個人可與我們聯系，我們將立即進行刪除處理。

　　11月8日，記者從中山大學中山眼科中心獲悉，該中心教授劉奕志團隊利用百萬醫學驗光大數據，創建了近視眼人工智能預測模型，可對近視進展趨勢進行個體化預測。相關研究11月6日在線發表在《公共科學圖書館—醫學》（PLoS Medicine）官網首頁。