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)據(jù)進(jìn)行一些傳統(tǒng)的查詢、統(tǒng)計操作或固定的數(shù)學(xué)指標(biāo)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(fèi),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(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)計結(jié)果,還非常迫切地需要對一些指標(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(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)絡(luò)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(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�... 

【文章來源】：山東師范大學(xué)山東省

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

某醫(yī)院1998年～2005年月門診量折線圖

圖 3-3 IGM 模型預(yù)測結(jié)果與實際數(shù)據(jù)對比圖GM 模型實際預(yù)測結(jié)果及相關(guān)誤差檢驗指標(biāo)值我們可以看出，I間序列的總體變化趨勢情況，但對季節(jié)性波動變化的具體特征因此，IGM 預(yù)測季節(jié)性時間序列時，造成灰色模型擬合序列和列（即預(yù)測值與實際值之間的差值構(gòu)成的數(shù)據(jù)序列）波動性較負(fù)交替現(xiàn)象，其預(yù)測誤差較大，預(yù)測精度需要進(jìn)一步提高。模型對單一指數(shù)增長的時間序列進(jìn)行預(yù)測，能夠得到較好的預(yù)測弱化時間序列隨機(jī)性的同時，對波動性比較大的序列，則難以成較大的預(yù)測誤差，即使對模型進(jìn)行改進(jìn)也難以解決這方面的診量與平均值之間波動比較大的月份的擬合均出現(xiàn)了較大的正并不理想，需要對其殘差序列通過人工神經(jīng)網(wǎng)絡(luò)進(jìn)行進(jìn)一步的精度的預(yù)測結(jié)果。

圖 4-4 BP 人工神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)創(chuàng)建窗口創(chuàng)建神經(jīng)網(wǎng)絡(luò)。入訓(xùn)練樣本數(shù)據(jù)后，即可開始建立神經(jīng)網(wǎng)絡(luò)了，點(diǎn)擊 New Netw如圖 4-5 所示 BP 人工神經(jīng)網(wǎng)絡(luò)創(chuàng)建窗口界面。中可以對神經(jīng)網(wǎng)絡(luò)的名稱、類型、結(jié)構(gòu)和訓(xùn)練函數(shù)等參數(shù)進(jìn)行般用 TANSIG，即表示隱層輸出是[-1,1]之間的實數(shù)，與 LOGS本例通過多次調(diào)試最終確定網(wǎng)絡(luò)結(jié)構(gòu)如圖 4-6 所示。神經(jīng)網(wǎng)絡(luò)的初始化神經(jīng)網(wǎng)絡(luò)的初始化，和直接調(diào)用函數(shù)生成神經(jīng)網(wǎng)絡(luò)一樣，在神后，網(wǎng)絡(luò)的權(quán)值和閾值已進(jìn)行了初始化，一般不需要進(jìn)行改動改網(wǎng)絡(luò)權(quán)值和閾值，則可在圖 4-7 所示的界面中通過 Weights置。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練


本文編號：3223429