非线性科学与系统科学
疾病费用预测的建模分析
2016-04-15
根据重庆市某三级甲等医院2012年1月至2014年12月5种常见疾病(糖尿病、甲状腺功能亢进、顺产、肠息肉、脑梗死)的月人均治疗费用数据,采用BP神经网络模型、广义回归神经网络模型、灰色GM(1,1)模型以及非线性回归模型,分别预测2015年1月至8月5种疾病的月人均治疗费用的变化情况,并与真实费用数据进行对比,判断4种模型预测的准确程度。结果表明:BP神经网络模型、广义回归神经网络模型、灰色GM(1,1)模型、非线性回归模型预测5种疾病的可决系数R2最小分别为0.278、0.565、0.048和0.097,最大分别为0.826、0.901、0.600和0.747;与2015年1月至8月的真实费用数据比较,4种模型预测的相对误差最小分别为9.845%、3.507%、5.897%和3.642%,最大分别为15.450%、13.940%、30.518%和17.204%。其中广义回归神经网络在疾病费用的预测结果相对于其他模型更准确。
格 式:
PDF原版;EPUB自适应版(需下载客户端)
0 64
下载全文(PDF文件/289K)
重庆大学学报
2016年02期
相似文献
带约束非线性回归模型的影响分析
期刊
非线性回归模型的应用
期刊
三角进化算法在非线性回归模型建立中的应用
期刊
一种多元非线性回归模型的建立方法及其应用
期刊
非线性回归模型残差的近似分析
期刊
非线性回归模型的几个二阶近似公式
期刊
更多相似文献