随着社会经济的发展、科学技术的进步,医疗卫生领域中的预测问题越来越受到人们的关注。在当今社会中,经济效益是个值得思考的问题,如何提高医学领域的经济效益,预测发挥了很大的作用。首先,在传染病方面,通过预测传染病的发病率,可以指导相关医疗卫生机构,合理分配人力物力资源,及时控制传染病爆发,减小其危害。其次,医院的门诊量、住院率等数据反映了一个医院的应诊能力以及医疗技术水平,通过对这些数据的预测,可以合理分配医疗资源,正确评价医院的业务水平。对于传染病的预测,以往常采用回归的方法、指数平滑法、ARIMA预测方法、灰色预测方法、神经网络预测方法等。这些预测方法有各自的优点,但同时也存在着不足。如何提高预测的准确性,减小误差是预测中遇到的主要问题。灰色模型系统是利用累加后生成的新数据进行建模,在一定程度上弱化了原始数据的随机性,容易找出数据的变化规律,具有建模所需样本量小,短期预测精度高等优点。但是同时存在着对历史数据异常情况难以处理,对历史数据依赖性强,当数据突然出现较大变化时,预测偏差大的问题。神经网络具有模仿多种函数的能力,可以逼进任意闭区间内的任意复杂的连续非线性函数,能够避免其它某些系统数据辨识方法产生的信息失真现象,具有良好的适应和自学习能力。但是存在需要样本量大,学习收敛速度较慢,对初始权值非常敏感,极易收敛于局部极小值,网络学习和记忆还具有不稳定性等问题。利用灰色神经网络模型预测时间序列时,与灰色模型相比：计算精度高,且误差可控。与神经网络模型相比：计算量小,在少样本情况下也可达到较高的预测精度。这样既充分利用了灰色模型具有建模所需样本数据少,原理简单,运算方便,短期预测精度高等优点,也发挥了神经网络并行计算,容错和自适应能力强,能很好地反映数据的波动性变化等优点。本文运用灰色神经网络组合方法对病毒性肝炎的发病率进行预测,并与灰色模型以及神经网络模型的预测相比较,结果表明组合模型的预测效果更好。