基于灰色模型與人工神經(jīng)網(wǎng)絡的改進組合預測模型及其應用研究.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)應用的規(guī)模、范圍和深度不斷擴大和深入，系統(tǒng)中存儲積累的數(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)實現(xiàn)的基本上都是傳統(tǒng)的數(shù)據(jù)管理功能，只是對數(shù)掘進行一些傳統(tǒng)的查詢、統(tǒng)計操作或固定的數(shù)學指標的計算等，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，也難以滿足新形勢下管理決策人員對數(shù)據(jù)支撐的需求。當前醫(yī)院競爭形勢日趨激烈，醫(yī)院如何提高自身在社會上的競爭優(yōu)勢就顯得尤為重要，醫(yī)院要實現(xiàn)自身的生存與發(fā)展

2、離不開科學有效的管理，因此管理決策人員除了需要傳統(tǒng)的查詢統(tǒng)計結(jié)果，還非常迫切地需要對一些指標進行科學地預測，從而能夠在此基礎上做出下一步科學有效的工作安排，合理準備材料、安排人員，進而達到節(jié)約資源，提高醫(yī)院綜合競爭優(yōu)勢的目標。 在醫(yī)院管理信息系統(tǒng)中存儲積累了多年的門診量、住院病人量、藥品使用量等與時間有關(guān)的時間序列數(shù)據(jù)，目前國內(nèi)外對此類數(shù)據(jù)進行預測已經(jīng)有了一些研究成果，其中有兩種應用比較廣泛的預測模型，分別是灰色模型和人工神經(jīng)網(wǎng)

3、絡模型，這兩種模型分別采用不同的算法來實現(xiàn)通過歷史數(shù)據(jù)對未來數(shù)據(jù)進行預測的功能，能夠取得較好的預測精度，也都有其各自的優(yōu)點?；疑Ｐ途哂薪Ｋ铇颖緮?shù)據(jù)少、原理簡單、運算方便、短期預測精度高等優(yōu)點，而人工神經(jīng)網(wǎng)絡模型能夠并行計算、模仿多種函數(shù)，具有良好的適應、自學習能力和較強的容錯能力等優(yōu)點。但是無論是灰色模型還是人工神經(jīng)網(wǎng)絡模型，其作為單一的預測模型還是存在一定的不足，比如灰色模型有對數(shù)據(jù)的波動性適應不夠理想、對歷史數(shù)據(jù)有很強的依賴性

4、等不足，人工神經(jīng)網(wǎng)絡模型有對樣本容量要求較大、預測結(jié)果受個人經(jīng)驗影響比較大、網(wǎng)絡學習和記憶具有不穩(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，并對其進行改進，利用改進的GM(1，1)模型對某醫(yī)院的月門診量進行預測，通過預測結(jié)果分析其存在的不足。然后利用人工神經(jīng)網(wǎng)絡模型對門診量進行預測，同樣分析其存在的不足。為了提高數(shù)據(jù)預測的精度，吸取兩種模型的優(yōu)點，提出了一種改進的組

5、合預測模型。用改進的灰色模型來對歷史數(shù)據(jù)進行擬合，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)絡模型對殘差序列進行修正，然后將改進的灰色模型預測產(chǎn)生的基本數(shù)據(jù)與修正后的殘差序列結(jié)合，得到組合模型預測結(jié)果。改進的灰色模型、人工神經(jīng)網(wǎng)絡模型和組合模型預測結(jié)果的均方誤差分別為13465、14235、10548，平均相對誤差分別為8.09％、9.60％、6.27％。從預測結(jié)果的誤差指標上可以看出，組合預測模型在很大程度上克服了單一模型的