数据包络分析(DEA)是基于数学规划理论评价具有多个输入和多个输出决策单元(DMU)间相对有效性的系统分析方法,是运筹学、管理科学和数理经济学交叉的一个新领域。自1978年由A.Charnes等人首次提出以来,DEA无论在理论上还是在应用上都得到了迅速的发展。近年来,随机DEA的研究成为DEA理论的前沿。将DEA方法推广到预测领域可以解决回归预测方法难以计算多投入多产出的预测问题。而传统的DEA方法不能解决含有非期望输出的预测问题。本文基于多目标规划理论,进一步探讨了目标规划与DEA方法的内在联系,用以解决含非期望输出的预测问题。在实际生产中,由于数据噪声和测量误差等因素影响,输入、输出是随机的,因此本文试图将传统的预测模型推广到随机范畴,建立了具有非期望输出的随机DEA预测模型,为随机环境、多输入多输出指标等条件下的系统决策服务。最后,本文将该模型使用在抗-HIV免疫治疗过程中,对各治疗阶段的有效性进行分析,并对各阶段未来走势进行预测。由于模型包含了HIV病毒以及用药副作用的因素,考虑了模型数据本身及模型的随机误差,计算过程比较简便,为AIDS病的有效防治提供理论依据。