2024年7月30日，《中國感染控制雜志》發(fā)表了樓潤平教授團隊的論文《2011-2021年浙江省肺結(jié)核發(fā)病率預測：基于三體模型和三體預測法》，標志著三體預測法成功應用于預防醫(yī)學和衛(wèi)生學?！吨袊腥究刂齐s志》入選了中國預防醫(yī)學和衛(wèi)生學高質(zhì)量科技期刊T1級、CSCD核心期刊、北大核心期刊目錄。

2022年6月，中華預防醫(yī)學會發(fā)布了《預防醫(yī)學和衛(wèi)生學高質(zhì)量科技期刊分級目錄(2021版)》，中文期刊一共有33種，從高到低依次分為T1、T2、T3級；其中，中文T1級期刊共6種（英文T1級期刊共16種），中文T2級期刊共9種，中文T3級期刊共18種，《中國感染控制雜志》入選了T1級期刊，如圖1所示。

圖1 .預防醫(yī)學和衛(wèi)生學高質(zhì)量科技期刊分級目錄

2023年7月，經(jīng)濟科學出版社發(fā)行了樓潤平博士的著作《經(jīng)濟管理預測實用方法：三體模型和三體預測法》。該書提出的三體模型和三體預測法簡潔實用，易學易用，泛化能力強健。該書收錄了經(jīng)濟、管理、旅游領(lǐng)域大約30個實例，并提供了原始數(shù)據(jù)。讀者可以使用三體模型、三體預測法及原始數(shù)據(jù)復制出跟書中完全一樣的預測模型、預測結(jié)果和可視化圖形。

《中國感染控制雜志》能夠發(fā)表樓潤平教授團隊的論文（第二、三作者依次為研究生潘依菲、王棣楠），對于該論文作者團隊而言，令人欣慰！令人鼓舞！為了進一步檢驗三體模型和三體預測法的泛化能力和預測表現(xiàn)，樓潤平教授還使用三體預測法對江蘇省肺結(jié)核發(fā)病率、中國肺結(jié)核發(fā)病人數(shù)等場景進行了實證檢驗，結(jié)果表明，三體預測法表現(xiàn)優(yōu)秀。

《中國衛(wèi)生統(tǒng)計》（預防醫(yī)學和衛(wèi)生學高質(zhì)量科技期刊T3級，CSCD核心）2020年4月第2期刊登了一篇文章，題為《時間序列分析與機器學習方法在預測肺結(jié)核發(fā)病趨勢中的應用》（以下簡稱“文[1]”）。文[1]使用江蘇省2009-2018年肺結(jié)核月度發(fā)病率數(shù)據(jù)，構(gòu)建ARIMA 模型、支持向量回歸SVR 、BPANN、ARIMA-SVR、ARIMA-BP等5種預測模型，對江蘇省肺結(jié)核發(fā)病率數(shù)據(jù)進行了預測研究。

圖2. 2009~2018年江蘇省肺結(jié)核每月發(fā)病率走勢及趨勢

2009-2018年江蘇省肺結(jié)核每月發(fā)病率走勢及趨勢如圖2所示。樓潤平教授使用與文[1]同樣的訓練集和測試集，基于三體模型和三體預測法得到了預測模型1和模型2，其平均相對預測誤差分別為6.31%、6.34%；而文[1]使用ARIMA、SVR、BPANN、ARIMA-SVR、ARIMA-BP模型得到的平均相對預測誤差分別為5.76%、6.19%、6.20%、5.63%、5.70%。上述預測誤差匯總?cè)绫?所示，平均預測誤差均處于區(qū)間[5.5%,6.5%]，預測表現(xiàn)優(yōu)秀。

圖3展示了2010年1月至2021年12月中國肺結(jié)核發(fā)病人數(shù)走勢及趨勢?！吨袊腥究刂齐s志》2023年7月第7期刊登了一篇文章，題為《中國肺結(jié)核病的季節(jié)性特征、循環(huán)周期及長短期預測》(以下簡稱“文[2]”)。樓潤平教授使用與文[2]同樣的訓練集和測試集，對中國2010-2021年中國肺結(jié)核發(fā)病人數(shù)月度數(shù)據(jù)進行了預測研究，基于三體預測法得到的預測模型1、模型2的平均相對預測誤差分別為9.28%、8.69%，預測表現(xiàn)優(yōu)秀。

圖3.2010年1月~2021年12月中國肺結(jié)核發(fā)病人數(shù)走勢及趨勢

圖4為2002年1月至2019年12月中國機電產(chǎn)品出口貿(mào)易走勢。《中國管理科學》（FMS中文T1級，CSCD核心）2023年第6期刊登了一篇論文，題為《基于小波分解和ARIMA-GRU混合模型的外貿(mào)風險預測預警研究》(以下簡稱“文[3]”)，文[3]對2002年1月至2019年12月中國機電產(chǎn)品出口貿(mào)易時序數(shù)據(jù)進行了預測研究。通過使用與文[3]同樣的訓練集和測試集，樓潤平教授使用三體模型和三體預測法，得出了令人滿意的預測模型，其平均相對預測誤差MRPE僅有7.78%，預測表現(xiàn)優(yōu)秀。

圖4.2002年1月~2019年12月中國機電產(chǎn)品出口貿(mào)易走勢及趨勢

過去幾個月以來，時間序列基礎(chǔ)模型在快速發(fā)展，美國頭部AI公司紛紛發(fā)布了時間序列基礎(chǔ)模型(或者在其大語言模型(LLM)中植入時間序列模塊)，例如谷歌發(fā)布了TimesFM,亞馬遜發(fā)布了Chronos，Meta(元宇宙)發(fā)布了Lag-LIama，Nixtla發(fā)布了TimeGPT，Saleforce發(fā)布了Moirai。本書提出的三體模型和三體預測法面向時間序列，具有泛化能力強、可解釋、輕量化等特點。本書出版正逢其時，躬逢其盛，富有實踐意義。

期待有更多讀者關(guān)注《經(jīng)濟管理預測實用方法：三體模型和三體預測法》（注：第二版書名擬定為《時間序列預測實用方法：三體模型和三體預測法》），希望讀者能夠使用三體模型和三體預測法做好預測工作。