版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著信息技術(shù)的飛速發(fā)展,數(shù)據(jù)庫管理信息系統(tǒng)應(yīng)用的規(guī)模、范圍和深度不斷擴(kuò)大和深入,系統(tǒng)中存儲(chǔ)積累的數(shù)據(jù)也越來越多,但是現(xiàn)有的數(shù)據(jù)庫管理信息系統(tǒng)實(shí)現(xiàn)的基本上都是傳統(tǒng)的數(shù)據(jù)管理功能,只是對(duì)數(shù)掘進(jìn)行一些傳統(tǒng)的查詢、統(tǒng)計(jì)操作或固定的數(shù)學(xué)指標(biāo)的計(jì)算等,數(shù)據(jù)資源并沒有得到充分的利用,造成很大的資源浪費(fèi),也難以滿足新形勢(shì)下管理決策人員對(duì)數(shù)據(jù)支撐的需求。當(dāng)前醫(yī)院競(jìng)爭(zhēng)形勢(shì)日趨激烈,醫(yī)院如何提高自身在社會(huì)上的競(jìng)爭(zhēng)優(yōu)勢(shì)就顯得尤為重要,醫(yī)院要實(shí)現(xiàn)自身的生存與發(fā)展
2、離不開科學(xué)有效的管理,因此管理決策人員除了需要傳統(tǒng)的查詢統(tǒng)計(jì)結(jié)果,還非常迫切地需要對(duì)一些指標(biāo)進(jìn)行科學(xué)地預(yù)測(cè),從而能夠在此基礎(chǔ)上做出下一步科學(xué)有效的工作安排,合理準(zhǔn)備材料、安排人員,進(jìn)而達(dá)到節(jié)約資源,提高醫(yī)院綜合競(jìng)爭(zhēng)優(yōu)勢(shì)的目標(biāo)。 在醫(yī)院管理信息系統(tǒng)中存儲(chǔ)積累了多年的門診量、住院病人量、藥品使用量等與時(shí)間有關(guān)的時(shí)間序列數(shù)據(jù),目前國內(nèi)外對(duì)此類數(shù)據(jù)進(jìn)行預(yù)測(cè)已經(jīng)有了一些研究成果,其中有兩種應(yīng)用比較廣泛的預(yù)測(cè)模型,分別是灰色模型和人工神經(jīng)網(wǎng)
3、絡(luò)模型,這兩種模型分別采用不同的算法來實(shí)現(xiàn)通過歷史數(shù)據(jù)對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)的功能,能夠取得較好的預(yù)測(cè)精度,也都有其各自的優(yōu)點(diǎn)。灰色模型具有建模所需樣本數(shù)據(jù)少、原理簡(jiǎn)單、運(yùn)算方便、短期預(yù)測(cè)精度高等優(yōu)點(diǎn),而人工神經(jīng)網(wǎng)絡(luò)模型能夠并行計(jì)算、模仿多種函數(shù),具有良好的適應(yīng)、自學(xué)習(xí)能力和較強(qiáng)的容錯(cuò)能力等優(yōu)點(diǎn)。但是無論是灰色模型還是人工神經(jīng)網(wǎng)絡(luò)模型,其作為單一的預(yù)測(cè)模型還是存在一定的不足,比如灰色模型有對(duì)數(shù)據(jù)的波動(dòng)性適應(yīng)不夠理想、對(duì)歷史數(shù)據(jù)有很強(qiáng)的依賴性
4、等不足,人工神經(jīng)網(wǎng)絡(luò)模型有對(duì)樣本容量要求較大、預(yù)測(cè)結(jié)果受個(gè)人經(jīng)驗(yàn)影響比較大、網(wǎng)絡(luò)學(xué)習(xí)和記憶具有不穩(wěn)定性等不足。單一模型存在自身難以解決的問題。 首先研究基本灰色模型GM(1,1)的使用,分析其存在的缺陷,并對(duì)其進(jìn)行改進(jìn),利用改進(jìn)的GM(1,1)模型對(duì)某醫(yī)院的月門診量進(jìn)行預(yù)測(cè),通過預(yù)測(cè)結(jié)果分析其存在的不足。然后利用人工神經(jīng)網(wǎng)絡(luò)模型對(duì)門診量進(jìn)行預(yù)測(cè),同樣分析其存在的不足。為了提高數(shù)據(jù)預(yù)測(cè)的精度,吸取兩種模型的優(yōu)點(diǎn),提出了一種改進(jìn)的組
5、合預(yù)測(cè)模型。用改進(jìn)的灰色模型來對(duì)歷史數(shù)據(jù)進(jìn)行擬合,歷史數(shù)據(jù)與擬合數(shù)據(jù)的差值構(gòu)成殘差序列,通過人工神經(jīng)網(wǎng)絡(luò)模型對(duì)殘差序列進(jìn)行修正,然后將改進(jìn)的灰色模型預(yù)測(cè)產(chǎn)生的基本數(shù)據(jù)與修正后的殘差序列結(jié)合,得到組合模型預(yù)測(cè)結(jié)果。改進(jìn)的灰色模型、人工神經(jīng)網(wǎng)絡(luò)模型和組合模型預(yù)測(cè)結(jié)果的均方誤差分別為13465、14235、10548,平均相對(duì)誤差分別為8.09%、9.60%、6.27%。從預(yù)測(cè)結(jié)果的誤差指標(biāo)上可以看出,組合預(yù)測(cè)模型在很大程度上克服了單一模型的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于灰色神經(jīng)網(wǎng)絡(luò)的變形預(yù)測(cè)模型應(yīng)用研究.pdf
- 灰色神經(jīng)網(wǎng)絡(luò)組合模型在變形預(yù)測(cè)中的應(yīng)用研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型研究.pdf
- 基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)庫存預(yù)測(cè)模型及其應(yīng)用研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的灰色預(yù)測(cè)模型.pdf
- 基于灰色預(yù)測(cè)和人工神經(jīng)網(wǎng)絡(luò)組合的負(fù)荷預(yù)測(cè).pdf
- 改進(jìn)的灰色BP神經(jīng)網(wǎng)絡(luò)組合模型在建筑物變形預(yù)測(cè)中的應(yīng)用研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)組合模型的能源需求預(yù)測(cè).pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)組合模型的流量預(yù)測(cè)與評(píng)估方法研究.pdf
- 灰色神經(jīng)網(wǎng)絡(luò)改進(jìn)算法及其應(yīng)用研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)的審計(jì)意見預(yù)測(cè)模型研究.pdf
- 基于灰色神經(jīng)網(wǎng)絡(luò)組合模型的空氣質(zhì)量預(yù)測(cè).pdf
- 基于改進(jìn)粒子群——小波神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型及其應(yīng)用研究.pdf
- 基于灰色理論與神經(jīng)網(wǎng)絡(luò)的交通量組合預(yù)測(cè)模型研究.pdf
- 基于多維灰色模型與神經(jīng)網(wǎng)絡(luò)的銷售預(yù)測(cè)模型研究.pdf
- 改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)模型及其應(yīng)用研究.pdf
- 灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的優(yōu)化研究.pdf
- 基于灰色RBF神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)爐終點(diǎn)預(yù)測(cè)模型研究.pdf
- 基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型及其仿真.pdf
- 基于灰色與神經(jīng)網(wǎng)絡(luò)組合模型的中長(zhǎng)期電力負(fù)荷預(yù)測(cè).pdf
評(píng)論
0/150
提交評(píng)論