基于灰色模型与人工神经网络的改进组合预测模型及其应用研究

发布时间：2021-06-11 00:32

　　随着信息技术的飞速发展,数据库管理信息系统应用的规模、范围和深度不断扩大和深入,系统中存储积累的数据也越来越多,但是现有的数据库管理信息系统实现的基本上都是传统的数据管理功能,只是对数据进行一些传统的查询、统计操作或固定的数学指标的计算等,数据资源并没有得到充分的利用,造成很大的资源浪费,也难以满足新形势下管理决策人员对数据支撑的需求。当前医院竞争形势日趋激烈,医院如何提高自身在社会上的竞争优势就显得尤为重要,医院要实现自身的生存与发展离不开科学有效的管理,因此管理决策人员除了需要传统的查询统计结果,还非常迫切地需要对一些指标进行科学地预测,从而能够在此基础上做出下一步科学有效的工作安排,合理准备材料、安排人员,进而达到节约资源,提高医院综合竞争优势的目标。在医院管理信息系统中存储积累了多年的门诊量、住院病人量、药品使用量等与时间有关的时间序列数据,目前国内外对此类数据进行预测已经有了一些研究成果,其中有两种应用比较广泛的预测模型,分别是灰色模型和人工神经网络模型,这两种模型分别采用不同的算法来实现通过历史数据对未来数据进行预测的功能,能够取得较好的预测精度,也都有其各自的优点。灰色模... 

【文章来源】：山东师范大学山东省

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

某医院1998年～2005年月门诊量折线图

图 3-3 IGM 模型预测结果与实际数据对比图GM 模型实际预测结果及相关误差检验指标值我们可以看出，I间序列的总体变化趋势情况，但对季节性波动变化的具体特征因此，IGM 预测季节性时间序列时，造成灰色模型拟合序列和列（即预测值与实际值之间的差值构成的数据序列）波动性较负交替现象，其预测误差较大，预测精度需要进一步提高。模型对单一指数增长的时间序列进行预测，能够得到较好的预测弱化时间序列随机性的同时，对波动性比较大的序列，则难以成较大的预测误差，即使对模型进行改进也难以解决这方面的诊量与平均值之间波动比较大的月份的拟合均出现了较大的正并不理想，需要对其残差序列通过人工神经网络进行进一步的精度的预测结果。

图 4-4 BP 人工神经网络数据创建窗口创建神经网络。入训练样本数据后，即可开始建立神经网络了，点击 New Netw如图 4-5 所示 BP 人工神经网络创建窗口界面。中可以对神经网络的名称、类型、结构和训练函数等参数进行般用 TANSIG，即表示隐层输出是[-1,1]之间的实数，与 LOGS本例通过多次调试最终确定网络结构如图 4-6 所示。神经网络的初始化神经网络的初始化，和直接调用函数生成神经网络一样，在神后，网络的权值和阈值已进行了初始化，一般不需要进行改动改网络权值和阈值，则可在图 4-7 所示的界面中通过 Weights置。神经网络的训练


本文编号：3223429