标题 | 基于PNN—LSSVM模型的医院总收入预测 |
范文 | 刘超 周波 李清竹 张雅云 秦国伟 刘卓慧 胡光阔 摘要:目的:以云南省某醫院总收入为研究对象,对该医院2013年收入数据进行建模、预测。方法:根据医院总收入特性,首先对医院总收入进行分类,分类后分别建立适合各类别的LSSVM模型。结果:相比单一预测模型预测精度高,对30个样本点预测平均相对误差为4.95%。结论:医院总收入直接反映了医院的业务情况、筹资结构和经济效益,与医院的可持续发展息息相关,且各因素之间的关系是模糊的,很难依据各影响因素进行预测。本文充分考虑到医院总收入的特性,利用建立的PNN-LSSVM模型对医院总收入进行预测,为医院制订中、长期发展规划提供依。 Abstract: Objective: To take the total income of a hospital in Yunnan Province as the research object, to model and predict the 2013 income data of the hospital. Methods: According to the characteristics of the hospital's total income, the hospital's total income is first classified, and the LSSVM models suitable for each category are established after classification. Results: Compared with the single prediction model, the prediction accuracy is high, and the average relative error for the 30 sample points is 4.95%. Conclusion: The hospital's total income directly reflects the hospital's business situation, fund raising structure and economic benefits, and is closely related to the sustainable development of the hospital. The relationship among various factors is ambiguous and it is difficult to predict based on various factors. This paper fully considers the characteristics of the hospital's total income, uses the established PNN-LSSVM model to predict the total hospital revenue, to provide guidance for hospitals to formulate medium and long-term development plans. 关键词:医院总收入预测;PNN-LSSVM模型;LSSVM建模 Key words: hospital revenue projections;PNN-LSSVM model;LSSVM model 中图分类号:R197.3 文献标识码:A 文章编号:1006-4311(2018)14-0081-030 引言 医院总收入预测是制订医院发展的中、长期规划的依据。它直接反映了医院的业务情况、筹资结构和经济效益,与医院的可持续发展息息相关。目前对医院收入的预测主要有文献[1],金新政等通过建立GM(1,1)模型对医院收入的发展趋势进行预测;芦小娟[2]利用最小二乘法原理,运用Excel软件计算线性回归方程,最后对住院收入进行预测;景立伟[3]通过建立传递函数模型对医院业务收入进行预测;周莲英[4]应用相关直线回归分析方法对门诊以及住院收入进行预测。医院的收入还受较多因素的影响,如业务量、工作效率、医疗技术水平、医院规模等,且各因素之间的关系是模糊的,很难依据各影响因素进行预测。 针对以上情况,首先本文利用概率神经网络(PNN)对医院总收入进行分类,分类后根据不同时期医院总收入情况建立LSSVM模型进行预测,本文定义此方法为PNN-LSSVM模型。根据医院总收入特性,本文通过建立PNN-LSSVM模型对医院总收入进行预测。1 PNN-LSSVM模型建立 大量的研究表明,医院总收入受到各种复杂因素的影响,导致医院总收入是典型的非线性系统。而相空间重构是根据有限的数据来重构吸引子以研究系统动力行为的方法,即用系统的一个观察量可以重构出原动力系统模型。根据前文描述,为提高模型的预测精度,先是原始信息进行重构,再进而分类。然后进行训练模型、测试,最后对医院总收入进行预测。 1.1 医院总收入概率神经网络(PNN)分类 概率神经网络(PNN)[7-8]是是径向基网络的一个分支,属于前馈网络的一种。概率神经网络一般有以下四层:输入层、模式层、求和层和输出层。概率型神经网络的基本拓扑结构如图1所示。第一层为输入层,这一层对输入不做任何处理,只是简单的将输入向量X=[x1,x2,…,xL]传递给网络;中间两层为隐层,模式层通过连接权值与输入层连接。计算输入特征向量与训练集中各个模式的匹配程度,也就是相似度,将其距离送入高斯函数得到模式层的输出。模式层在接收输入向量X=[x1,x2,…,xL]后,第i类模式的第j个模式神经元所确定的输入输出关系由下式来定义: ![]() ![]() 医院的收入受较多因素的影响,如业务量、工作效率、医疗技术水平、医院规模等,且各因素之间的关系是模糊的,都给预测医院总收入带来较大困难。本文充分考虑到医院总收入的特性,利用建立的PNN-LSSVM模型对医院总收入进行预测,相比单一预测模型预测精度高,对30个样本点预测平均相对误差为4.95%,为医院制订中、长期发展规划提供依据。参考文献: [1]梁景星.灰色系统理论在医院总收入预测中的应用[J].中国医院统计,2013,20(1):25-27. [2]芦小娟.二元回归直线方程预测住院收入[J].中国医院统计,2008,15(2):163-164. [3]景立伟,玉彤,王卫琪.传递函数模型在医院业务收人预测中的应用[J].现代预防医学,2007,34(20):3858-3859. [4]周蓮英,邹文雄,赖伏虎.医院经济收入统计分析及预测[J]. 中国医院统计,2004,11(2):134-136. [5]N.H.Packard,J.PCrutchfietd, J.D.Farmer, et a1. Geometry from a time series.Phys.Rev.Lett,1980,45(9):712-716. [6]ETakens.Deterrning strange attractors in turbulence.Lecture notes in Math,1981,898:361-38l. [7]Wasserman P D. Advanced Methods in Neural Computing [M]. New York: Van Nostrand Reinhold, 1993, 35-55. [8]Romero R, Tourtzky D, et al. . Probabilistic Neural network classifiers for optical Chinese recognition [J]. Pattern Recognition, 1997, 8(30) :1279-1292. [9]Vapnik V N.The Nature of Statistical Learning Theory,2nd Edition.New York:Springer Verlag,1999. [10]Suykens J A K,Gestel T V,Brabanter J D,et a1.Least Squares Support Vector Machines.Singapore:World Scientific Pub.Co.,2002. |
随便看 |
|
科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。