用神经网络组合预测算卫生总费用.pdfVIP

商业科技 一陈瑛徐晓肆 华北煤炭医学院 【摘要】利用BP神经网络组合能够较好地模拟在各种不确定因素影响下因果变量之间的内在关系。建立了基于人工神经网络的 学习样本进行训练，得到各节点间的连接权和阈值，然后用优化好的网络进行卫生总费用预测。预测结果表明，利用该方法建立的模型 预测误差在1％以内，十分精确。 【关键词】卫生总费用 神经网络组合预测 随着经济增长、人口老龄化、疾病模式的改变，人们对卫生 个重要分支，具有自组织、自学习、自适应、非线性动态处理以 服务需要迅速增加，卫生总费用和医疗费用增长较快，这是目前许 及联想推理能力。其中多层前馈型神经网络(8P网络)应用最为广 多国家和地区共同面临的重要问题。国内外许多研究人员采用了 泛。它是一种具有3层或3层以上的阶层型神经网络，其上下层之 不同的预测技术．建立了各种时间序列预测模型，对中国卫生总 间各神经元实现完全连接。当一对学习样本提供给网络后，神经 费用的未来趋势进行了预测分析，这些预测和研究普遍认为：中 元的激活值从输入层经中间层向输出层传播．输出层的各神经元 国卫生总费用在近期不会超出国民经济承受范围，但在长期将对 获得网络的输入响应，然后，按照减小希望输出和实际输出误差的 国民经济造成一定的压力，政府必须在宏观政策上作一些调整。 方向．从输出层经中间层逐层修正各连结权，最后到输入层。随着 预测方法用于总费用估算的很多，其中最常用的有3种：单因 误差逆传播的不断进行，对输入的响应正确率也不断上升。 素回归法、弹性系数法、计量经济学模型法。然而，卫生系统本 假设BP网络每层有N个处理单元，训练集包括M个样本模 身具有复杂性和时变性的双重特性．卫生总费用的影响因素较多． 而且多个因素问相互作用、相互影响，用简单的统计模型会受数 输出记为0…则： N 』．1 据异常的影响导致结果不可靠。目前的实际情况是缺乏全面、准 net。=∑％o。 I|) i=1 确和详细的费用数据，特别是缺乏有效的估算方法和估算准则，估 算的结果粗糙、笼统，准确度和置信度低。由于估算不能准确反 0月=f(net用) () 映费用总量、各种费用关系、关键的费用要素和费用规律．所以 其中w．．——神经元l，j之间的权值jf——作用函数．采 很难起到科学安排计划、控制费用的作用。基于这种现状．同时 用Sigmoid函数，即： 考虑到卫生总费用的非正态分布，不具备线性特征．本文采用已 neural 似)=专 (3) 广泛应用于各领域并取得很多成果的人工神经网络(artificial network．ANN)组合预测法对卫生总费用进行估算。近年来，ANN以如果任意设置网络初始权值，那么对每一个输入模式P．网络 其在非线性领域的独特优势迅速兴起的BP网络在非线性费用估算 输出与期望输出一般总有误差，定义网络误差为： 领域的广泛应用是一种必然趋势。本文所采用的组合预测法就是 E=∑耳 (4) P 基于人工神经网络中的BP网络。下面依次介绍与组合预测法有关 B=去∑(d。一D。)2 (b) 的BP神经网络。 式中dnI——对第P个输入模式输出单元j的期望输出。学习 一、BP神经网络 规则的实质是利用梯度快速下降法，使权值沿误差函数的负梯度 BP神经网络是20世纪80年代迅速发展起来的人工智能的一 方向变化。BP算法权值