基于灰色模型與人工神經(jīng)網(wǎng)絡(luò)的改進(jìn)組合預(yù)測模型及其應(yīng)用研究.pdf

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)院競爭形勢日趨激烈，醫(yī)院如何提高自身在社會(huì)上的競爭優(yōu)勢就顯得尤為重要，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，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)院綜合競爭優(yōu)勢的目標(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)測的功能，能夠取得較好的預(yù)測精度，也都有其各自的優(yōu)點(diǎn)?；疑Ｐ途哂薪Ｋ铇颖緮?shù)據(jù)少、原理簡單、運(yùn)算方便、短期預(yù)測精度高等優(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，通過預(yù)測結(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，同樣分析其存在的不足。為了提高數(shù)據(jù)預(yù)測的精度，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)測結(jié)果的誤差指標(biāo)上可以看出，組合預(yù)測模型在很大程度上克服了單一模型的