基于灰色神经网络模型的全国病毒性肝炎发病率预测

摘要

随着社会经济的发展、科学技术的进步，医疗卫生领域中的预测问题越来越受到人们的关注。在当今社会中，经济效益是个值得思考的问题，如何提高医学领域的经济效益，预测发挥了很大的作用。首先，在传染病方面，通过预测传染病的发病率，可以指导相关医疗卫生机构，合理分配人力物力资源，及时控制传染病爆发，减小其危害。其次，医院的门诊量、住院率等数据反映了一个医院的应诊能力以及医疗技术水平，通过对这些数据的预测，可以合理分配医疗资源，正确评价医院的业务水平。
　　 对于传染病的预测，以往常采用回归的方法、指数平滑法、ARIMA预测方法、灰色预测方法、神经网络预测方法等。这些预测方法有各自的优点，但同时也存在着不足。如何提高预测的准确性，减小误差是预测中遇到的主要问题。
　　 灰色模型系统是利用累加后生成的新数据进行建模，在一定程度上弱化了原始数据的随机性，容易找出数据的变化规律，具有建模所需样本量小，短期预测精度高等优点。但是同时存在着对历史数据异常情况难以处理，对历史数据依赖性强，当数据突然出现较大变化时，预测偏差大的问题。
　　 神经网络具有模仿多种函数的能力，可以逼进任意闭区间内的任意复杂的连续非线性函数，能够避免其它某些系统数据辨识方法产生的信息失真现象，具有良好的适应和自学习能力。但是存在需要样本量大，学习收敛速度较慢，对初始权值非常敏感，极易收敛于局部极小值，网络学习和记忆还具有不稳定性等问题。
　　 利用灰色神经网络模型预测时间序列时，与灰色模型相比：计算精度高，且误差可控。与神经网络模型相比：计算量小，在少样本情况下也可达到较高的预测精度。这样既充分利用了灰色模型具有建模所需样本数据少，原理简单，运算方便，短期预测精度高等优点，也发挥了神经网络并行计算，容错和自适应能力强，能很好地反映数据的波动性变化等优点。本文运用灰色神经网络组合方法对病毒性肝炎的发病率进行预测，并与灰色模型以及神经网络模型的预测相比较，结果表明组合模型的预测效果更好。

目录

声明

前言

一、研究意义

二、国内外研究现状分析

第一章 灰色系统理论

1.1 灰色系统的基本原理

1.1.1 灰色系统理论的基本内容

1.1.2 灰色系统的基本概念

1.1.3 灰色系统预测

1.2 GM(1,1)模型

1.2.1 GM(1,1)模型的建立

1.2.2 结果检验

1.2.3 残差GM(1,1)模型

1.2.4 动态模型与新陈代谢模型

第二章 神经网络理论

2.1 人工神经网络

2.1.1 生物神经元

2.1.2 人工神经网络简介

2.1.3 人工神经网络的特点

2.1.4 神经网络的分类

2.2 前馈神经网络及其BP算法

2.2.1 前馈神经网络

2.2.2 BP算法

2.3 神经网络学习方法

2.3.1 无导师学习

2.3.2 有导师学习

第三章 灰色神经网络组合模型

3.1 组合模型的可行性

3.1.1 灰色模型的优缺点

3.1.2 神经网络模型的优缺点

3.2 组合模型

第四章 全国病毒性肝炎发病率预测

4.1 灰色模型对全国病毒性肝炎发病率的预测

4.2 BP神经网络对全国病毒性肝炎发病率的预测结果

4.3 组合模型对全国病毒性肝炎发病率预测

4.4 结论

第五章 讨论

附录

参考文献

个人简介

致谢