本文選題：信息融合　切入點：審計預(yù)警模型　出處：《浙江理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著醫(yī)院業(yè)務(wù)的不斷擴展和完善,醫(yī)院審計工作越來越繁雜,傳統(tǒng)的審計方式已經(jīng)無法滿足當(dāng)今數(shù)字化、信息化的發(fā)展要求,因此連續(xù)審計工作將成為今后的發(fā)展趨勢。雖然信息融合技術(shù)在民事領(lǐng)域應(yīng)用相對廣泛,但大多集中在醫(yī)療診斷和財務(wù)危機方面,在連續(xù)審計以及審計預(yù)警方面的應(yīng)用還處在基礎(chǔ)研究階段。本文針對當(dāng)前醫(yī)院審計工作的現(xiàn)狀,以神經(jīng)網(wǎng)絡(luò)BP算法和D-S證據(jù)理論為研究核心,構(gòu)建了基于信息融合的醫(yī)院審計預(yù)警模型,完成審計數(shù)據(jù)的判斷和審計危機預(yù)警等功能,從而達(dá)到實時監(jiān)測醫(yī)院審計活動的目的。本文的主要研究內(nèi)容概括如下:(1)根據(jù)國內(nèi)外的研究現(xiàn)狀,分析并總結(jié)了信息融合技術(shù)應(yīng)用于審計預(yù)警領(lǐng)域時存在的問題,確定了論文研究的主要內(nèi)容,并對預(yù)警模型的主要理論及技術(shù)進行了介紹,為最終系統(tǒng)的設(shè)計與實現(xiàn)提供理論依據(jù)。(2)針對當(dāng)前醫(yī)院審計流程存在的問題,分析審計數(shù)據(jù)的主要屬性并對比審計預(yù)警算法的優(yōu)劣,選取神經(jīng)網(wǎng)絡(luò)BP算法構(gòu)建審計預(yù)警模型,同時針對神經(jīng)網(wǎng)絡(luò)BP算法所存在的缺陷,提出反向遺傳算法(OBGA)與固定隱含層神經(jīng)元個數(shù)相結(jié)合的優(yōu)化方法。通過反向遺傳算法找尋輸入變量最優(yōu)組合,隱含層神經(jīng)元個數(shù)提高預(yù)測精度的方式,建立OBGA-FHBP審計預(yù)警模型。實驗對比證明,OBGA-FHBP審計預(yù)警模型在準(zhǔn)確率、建模時間、網(wǎng)絡(luò)誤差精度以及穩(wěn)定性上都有所改善。(3)利用審計活動產(chǎn)生的異常數(shù)據(jù),采用D-S證據(jù)理論的置信函數(shù)建立審計危機預(yù)警指標(biāo)優(yōu)先級排列框架,獲得發(fā)現(xiàn)異常數(shù)據(jù)最多的審計危機預(yù)警指標(biāo),逐步建立DR-Z審計危機預(yù)警模型。通過實驗證明,該審計危機預(yù)警模型能夠?qū)︶t(yī)院的經(jīng)營狀況進行正確的預(yù)警,并對危機險情做出更加客觀的判斷,實現(xiàn)事前或事中預(yù)警的功能。(4)根據(jù)醫(yī)院審計預(yù)警系統(tǒng)的設(shè)計目標(biāo),對系統(tǒng)進行了總體設(shè)計和詳細(xì)設(shè)計,并完成了系統(tǒng)的開發(fā)。通過對系統(tǒng)的展示,驗證了系統(tǒng)不僅能夠?qū)徲嫈?shù)據(jù)進行管理與判斷,還能夠有效地實現(xiàn)醫(yī)院審計危機預(yù)警與風(fēng)險評估的功能。該系統(tǒng)包括審計數(shù)據(jù)審核、異常數(shù)據(jù)處理、危機險情警示以及審計結(jié)果公示四個功能模塊,實現(xiàn)審計過程的智能化和一體化。
[Abstract]:With the continuous expansion and improvement of hospital business, hospital audit work is becoming more and more complicated, the traditional audit methods can not meet the needs of digital and information development. Therefore, continuous audit work will become a trend in the future. Although information fusion technology is widely used in the civil field, it is mostly focused on medical diagnosis and financial crisis. The application of continuous audit and audit warning is still in the basic research stage. According to the current situation of hospital audit, this paper takes BP algorithm of neural network and D-S evidence theory as the core of the research. A hospital audit early warning model based on information fusion is constructed to complete the functions of judging audit data and early warning of audit crisis. The main research contents of this paper are summarized as follows: (1) according to the current research situation at home and abroad, the problems existing in the application of information fusion technology in the field of audit early warning are analyzed and summarized. The main contents of the paper are determined, and the main theory and technology of the early warning model are introduced, which provides the theoretical basis for the design and implementation of the final system. This paper analyzes the main attributes of audit data and compares the advantages and disadvantages of the audit early warning algorithm, selects the neural network BP algorithm to construct the audit early warning model, and aims at the defects of the neural network BP algorithm. In this paper, an optimization method combining inverse genetic algorithm (OBGA) with the number of neurons in the fixed hidden layer is proposed. The optimal combination of input variables is found through the reverse genetic algorithm, and the number of neurons in the hidden layer improves the prediction accuracy. The experimental results show that the accuracy, modeling time, network error accuracy and stability of OBGA-FHBP audit early warning model have been improved. By using the confidence function of D-S evidence theory, the priority ranking framework of audit crisis warning index is established, and the audit crisis warning index with the most abnormal data is obtained, and the DR-Z audit crisis warning model is established step by step. The early warning model of audit crisis can give a correct early warning to the operating condition of the hospital, and make a more objective judgment on the crisis risk situation, so as to realize the function of early warning in advance or in the event) according to the design goal of the early warning system of the hospital audit, The overall design and detailed design of the system are carried out, and the development of the system is completed. Through the display of the system, it is verified that the system can not only manage and judge the audit data. The system includes four modules: audit data audit, abnormal data processing, crisis warning and audit result announcement. Realize the intelligence and integration of audit process.
【學(xué)位授予單位】：浙江理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：R197.3;TP183;TP277

【相似文獻(xiàn)】

相關(guān)期刊論文 前4條

1 張敏;杜燮yN;朱彩云;劉國華;;高危作業(yè)有害因素預(yù)防控制水平預(yù)警模型[J];中國安全生產(chǎn)科學(xué)技術(shù);2009年02期

2 萬歡英;過依;;慢性阻塞性肺疾病預(yù)警模型研究[J];內(nèi)科理論與實踐;2012年06期

3 劉如春;陳田木;;長沙市流感/甲型H1N1流感預(yù)警模型建立與評價[J];醫(yī)學(xué)動物防制;2010年04期

4 ;[J];;年期

相關(guān)會議論文 前6條

1 張國興;劉鵬;汪應(yīng)洛;郭菊娥;;銀行集中信用違約預(yù)警模型[A];社會經(jīng)濟發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第17屆學(xué)術(shù)年會論文集[C];2012年

2 鄭伯峰;張錦;李司鐸;劉瀟;;基于貝葉斯網(wǎng)絡(luò)的大客戶離網(wǎng)預(yù)警模型研究[A];第四屆中國智能計算大會論文集[C];2010年

3 應(yīng)江勇;周宇;;決策樹在我國通信行業(yè)用戶預(yù)警模型中的研究應(yīng)用[A];第十三屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2011年

4 翟東升;張金寶;王明吉;張書杰;;基于財務(wù)指標(biāo)的上市公司信用預(yù)警模型研究[A];中國現(xiàn)場統(tǒng)計研究會第12屆學(xué)術(shù)年會論文集[C];2005年

5 文柯;;基于Logistic的上市公司產(chǎn)融結(jié)合風(fēng)險預(yù)警模型研究[A];第十四屆中國管理科學(xué)學(xué)術(shù)年會論文集(上冊)[C];2012年

6 潘潔珠;吳共慶;胡學(xué)鋼;;基于關(guān)聯(lián)規(guī)則的成績預(yù)警模型研究[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

相關(guān)重要報紙文章 前4條

1 本報通訊員 宋娟 嚴(yán)明良;構(gòu)建預(yù)警模型 降低路網(wǎng)風(fēng)險[N];中國氣象報;2013年

2 廣發(fā)證券股份有限公司 何沛俐 章早立;立體空間下的全新財務(wù)危機遠(yuǎn)期預(yù)警模型[N];證券時報;2003年

3 記者 謝柳;合眾人壽完成信用風(fēng)險預(yù)警模型[N];中國保險報;2011年

4 張憲邋郝力平 涂春輝 王法力 洪明 劉年財;全流通后警惕公司財務(wù)危機[N];中國證券報;2007年

相關(guān)博士學(xué)位論文 前9條

1 董鶴云;大型施工項目目標(biāo)偏差適時監(jiān)控方法及預(yù)警模型研究[D];華北電力大學(xué);2015年

2 劉彥文;上市公司財務(wù)危機預(yù)警模型研究[D];大連理工大學(xué);2009年

3 朱鈞鈞;主權(quán)違約風(fēng)險的評估方法和預(yù)警模型[D];復(fù)旦大學(xué);2011年

4 丁寶成;煤礦安全預(yù)警模型及應(yīng)用研究[D];遼寧工程技術(shù)大學(xué);2010年

5 張云波;工程項目工期延誤原因及預(yù)警模型研究[D];天津大學(xué);2004年

6 趙軍;基于GIS空間統(tǒng)計分析的區(qū)域房地產(chǎn)動態(tài)預(yù)警模型[D];中國地質(zhì)大學(xué)（北京）;2011年

7 張加強;中國農(nóng)業(yè)類上市公司可持續(xù)發(fā)展預(yù)警模型研究[D];華中農(nóng)業(yè)大學(xué);2011年

8 汪冬華;我國上市公司行業(yè)分析方法及違約風(fēng)險預(yù)警模型研究[D];華中科技大學(xué);2004年

9 馬輝;中國金融風(fēng)險指標(biāo)體系構(gòu)建與預(yù)警研究[D];吉林大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 冷靜;秦皇島旅游業(yè)可持續(xù)發(fā)展預(yù)警模型建立[D];燕山大學(xué);2015年

2 陳小志;輸電線路鳥害預(yù)警模型及系統(tǒng)的設(shè)計與實現(xiàn)[D];電子科技大學(xué);2014年

3 汪旭穎;基于支持向量回歸機的油田異常井預(yù)警模型研究[D];東北石油大學(xué);2015年

4 劉若辰;我國建筑業(yè)上市公司財務(wù)危機預(yù)警模型研究[D];山東建筑大學(xué);2016年

5 王敏蝦;基于邏輯回歸關(guān)聯(lián)規(guī)則的疾病預(yù)警模型[D];山東大學(xué);2016年

6 明杰;企業(yè)安全生產(chǎn)預(yù)警模型與應(yīng)用研究[D];首都經(jīng)濟貿(mào)易大學(xué);2016年

7 王若佳;基于互聯(lián)網(wǎng)搜索數(shù)據(jù)的流感預(yù)警模型比較與優(yōu)化[D];南開大學(xué);2016年

8 唐琳;衡陽市手足口病疫情分布特征及預(yù)警模型的建立[D];南華大學(xué);2016年

9 周丹;我國A股市場上市公司財務(wù)危機預(yù)警模型研究[D];南華大學(xué);2016年

10 王飛;貴州干旱特征及預(yù)警模型研究[D];華北水利水電大學(xué);2016年

，

本文編號：1570231