衛(wèi)生技術(shù)人員數(shù)量變化趨勢(shì)預(yù)測(cè)的灰色神經(jīng)網(wǎng)絡(luò)模型*

新鄉(xiāng)醫(yī)學(xué)院期刊社（453003） 張艷麗

?

衛(wèi)生技術(shù)人員數(shù)量變化趨勢(shì)預(yù)測(cè)的灰色神經(jīng)網(wǎng)絡(luò)模型*

新鄉(xiāng)醫(yī)學(xué)院期刊社（453003） 張艷麗△

衛(wèi)生技術(shù)人員數(shù)量是衡量一個(gè)國(guó)家或地區(qū)公共衛(wèi)生、醫(yī)療服務(wù)發(fā)展水平的重要指標(biāo)。建立科學(xué)合理的衛(wèi)生技術(shù)人員數(shù)量變化趨勢(shì)預(yù)測(cè)模型，豐富和完善衛(wèi)生技術(shù)人員數(shù)量變化趨勢(shì)預(yù)測(cè)理論方法，有利于合理優(yōu)化衛(wèi)生人力資源的培養(yǎng)與配置，明確公共衛(wèi)生政策缺口和改進(jìn)空間，進(jìn)而改善公共衛(wèi)生管理和服務(wù)的績(jī)效。文獻(xiàn)［1-4］多通過(guò)ARMA、ARIMA等時(shí)間序列模型來(lái)預(yù)測(cè)衛(wèi)生技術(shù)人員的變化趨勢(shì)，這類模型對(duì)數(shù)據(jù)的穩(wěn)定性和統(tǒng)計(jì)規(guī)律性要求高，常常不能滿足現(xiàn)實(shí)需要。基于灰色GM（1，1）模型等對(duì)護(hù)士數(shù)量、醫(yī)護(hù)比例等衛(wèi)生技術(shù)人員變化趨勢(shì)的成功刻畫(huà)［5-6］和貝葉斯正則化神經(jīng)網(wǎng)絡(luò)的良好泛化推廣能力、預(yù)測(cè)精度高的優(yōu)勢(shì)，本研究將PGM（1，1）模型、GM（1，1）模型、無(wú)偏GM（1，1）模型與貝葉斯正則化神經(jīng)網(wǎng)絡(luò)相結(jié)合，融合各預(yù)測(cè)模型的優(yōu)點(diǎn)，建立衛(wèi)生技術(shù)人員數(shù)量變化趨勢(shì)預(yù)測(cè)的灰色神經(jīng)網(wǎng)絡(luò)模型，并實(shí)例驗(yàn)證所建模型的科學(xué)性和合理性，以期為科學(xué)制定衛(wèi)生人力資源培養(yǎng)計(jì)劃、配置政策提供準(zhǔn)確可靠的決策依據(jù)。

貝葉斯正則化神經(jīng)網(wǎng)絡(luò)

PGM（1，1）模型、GM（1，1）模型、無(wú)偏GM（1，1）模型的建模過(guò)程

已知原始數(shù)據(jù)序列：X（0）=（x（0）（1），x（0）（2），…，x（0）（n））（x（0）（k）≥0，k =1，2，…，n）。建立PGM（1，1）模型過(guò)程［8］如下：

3.確定矩陣

求得參數(shù)列：a*=［a，b］T=（BTB）-1BTY；

5.求得x（1）新的背景值為

6.確定新的數(shù)據(jù)陣

求得新參數(shù)列：A*=［a′，b′］T=（B′TB′）-1B′TY；

7.X（0）的PGM（1，1）預(yù)測(cè)模型為：

重復(fù)1-7步GM（1，1）預(yù)測(cè)模型為：

重復(fù)1-3步，無(wú)偏GM（1，1）預(yù)測(cè)模型［9］為：

衛(wèi)生技術(shù)人員數(shù)量變化趨勢(shì)預(yù)測(cè)的灰色神經(jīng)網(wǎng)絡(luò)融合模型

分別利用PGM（1，1）模型、GM（1，1）模型、無(wú)偏GM（1，1）模型對(duì)n個(gè)連續(xù)時(shí)期的衛(wèi)生技術(shù)人員原始數(shù)據(jù)值x1，x2，…，xn-1，xn進(jìn)行擬合，減弱原始數(shù)據(jù)的隨機(jī)性、增強(qiáng)規(guī)律性，以PGM（1，1）模型、GM（1，1）模型、無(wú)偏GM（1，1）模型擬合后的每期衛(wèi)生技術(shù)人員數(shù)值為貝葉斯正則化神經(jīng)網(wǎng)絡(luò)的輸入，以每期衛(wèi)生技術(shù)人員的實(shí)際值為網(wǎng)絡(luò)輸出，集成貝葉斯正則化神經(jīng)網(wǎng)絡(luò)良好的泛化能力、預(yù)測(cè)精度高和灰色模型少數(shù)據(jù)建模的優(yōu)勢(shì)，建立灰色神經(jīng)網(wǎng)絡(luò)融合預(yù)測(cè)模型，探尋n個(gè)連續(xù)時(shí)期衛(wèi)生技術(shù)人員數(shù)量的變化趨勢(shì)規(guī)律，并通過(guò)這個(gè)規(guī)律預(yù)測(cè)第n +1期的衛(wèi)生技術(shù)人員數(shù)量

1.以x1為初始點(diǎn)，選擇適當(dāng)?shù)男蛄芯S度，分別利用PGM（1，1）模型、GM（1，1）模型、無(wú)偏GM（1，1）模型擬合衛(wèi)生技術(shù)人員原始數(shù)據(jù)值，得到擬合值序列：并分別得到xn +1的一次預(yù)測(cè)值

驗(yàn)證實(shí)例

以中國(guó)每千人口衛(wèi)生技術(shù)人員數(shù)量變化趨勢(shì)預(yù)測(cè)為例，驗(yàn)證所建模型的有效性。選取2003～2013年歷年每千人口衛(wèi)生技術(shù)人員數(shù)據(jù)［10］（表1），利用2003～2011年數(shù)據(jù)建模，以2012年和2013年的預(yù)測(cè)值作為檢驗(yàn)?zāi)Ｐ蛢?yōu)劣與否的樣本。

表1　2003～2013年中國(guó)每千人口衛(wèi)生技術(shù)人員數(shù)據(jù)

以MATLAB7.0為仿真平臺(tái)，利用2003年中國(guó)每千人口衛(wèi)生技術(shù)人員數(shù)據(jù)為初始值，7維序列長(zhǎng)度分別建立GM（1，1）模型、PGM（1，1）模型、無(wú)偏GM（1，1）模型，得到中國(guó)每千人口衛(wèi)生技術(shù)人員的灰色模型擬合值如表2所示。

表2　2003～2013年中國(guó)每千人口衛(wèi)生技術(shù)人員數(shù)據(jù)灰色模型擬合值（人）

將衛(wèi)生技術(shù)人員數(shù)據(jù)灰色模型擬合值與實(shí)際值按照建模步驟方法帶入網(wǎng)絡(luò)訓(xùn)練，針對(duì)2012年數(shù)據(jù)值作預(yù)測(cè)，確定貝葉斯正則化網(wǎng)絡(luò)訓(xùn)練誤差目標(biāo)為0.001，節(jié)點(diǎn)結(jié)構(gòu)為3-16-1，得到預(yù)測(cè)值為4.73；針對(duì)2013年數(shù)據(jù)值作預(yù)測(cè)，確定網(wǎng)絡(luò)訓(xùn)練誤差目標(biāo)為0.001，節(jié)點(diǎn)結(jié)構(gòu)為3-9-1，得到預(yù)測(cè)值為5.23。采用相對(duì)誤差統(tǒng)計(jì)量評(píng)估模型預(yù)測(cè)效果。具體結(jié)果如表3所示。

表3　模型預(yù)測(cè)值與實(shí)際值對(duì)比結(jié)果

結(jié) 論

本文建立的利用PGM（1，1）模型、GM（1，1）模型、無(wú)偏GM（1，1）模型等灰色模型實(shí)現(xiàn)原始數(shù)據(jù)的一次預(yù)測(cè)并構(gòu)建規(guī)律性強(qiáng)的訓(xùn)練樣本集，通過(guò)貝葉斯正則化網(wǎng)絡(luò)二次預(yù)測(cè)，融合了貝葉斯正則化神經(jīng)網(wǎng)絡(luò)良好的泛化能力、預(yù)測(cè)精度高和灰色模型少數(shù)據(jù)建模的優(yōu)勢(shì)，實(shí)例檢驗(yàn)結(jié)果表明所建模型預(yù)測(cè)精度高、相對(duì)誤差小。為衛(wèi)生技術(shù)人員數(shù)量變化趨勢(shì)預(yù)測(cè)提供了一種新方法，進(jìn)而為相關(guān)部門(mén)制定合理的衛(wèi)生人力資源培養(yǎng)計(jì)劃、科學(xué)配置衛(wèi)生人力資源提供準(zhǔn)確可靠的決策參考。

參考文獻(xiàn)

［1］吳煥.基于ARIMA模型的河南省衛(wèi)生技術(shù)人員需求預(yù)測(cè)分析.現(xiàn)代預(yù)防醫(yī)學(xué)，2013，40（9）：1664-1666.

［2］韓春蕾，胡西厚，趙擁軍，等.組合模型在我國(guó)衛(wèi)生技術(shù)人員數(shù)量預(yù)測(cè)中的應(yīng)用.中國(guó)衛(wèi)生統(tǒng)計(jì)，2011，28（4）：391-393.

［3］徐威，劉文川.中國(guó)衛(wèi)生技術(shù)人員發(fā)展趨勢(shì)預(yù)測(cè)分析.中國(guó)公共衛(wèi)生，2009，25（2）：240-241.

［4］王小合，李寒箐，黃仙紅，等.基于ARIMA組合模型的不同經(jīng)濟(jì)類型區(qū)域衛(wèi)技人員預(yù)測(cè)研究.中國(guó)衛(wèi)生經(jīng)濟(jì)，2010，29（12）：49-53.

［5］劉軍，楊川，王慧勤.灰色模型GM（1，1）在新疆生產(chǎn)建設(shè)兵團(tuán)護(hù)士人力預(yù)測(cè)研究中的應(yīng)用.中國(guó)衛(wèi)生統(tǒng)計(jì)，2014，31（3）：461-462.

［6］朱蒙蒙，顏康康，王秉文，等.灰色GM（1，1）模型在醫(yī)護(hù)比例預(yù)測(cè)研究中的應(yīng)用.中國(guó)衛(wèi)生統(tǒng)計(jì)，2014，31（4）：690-692.

［7］顏衛(wèi)衛(wèi)，肖業(yè)興，馬鐵軍.基于貝葉斯正則化BP神經(jīng)網(wǎng)絡(luò)的擠出溫度預(yù)測(cè)模型.橡膠工業(yè)，2014，61（4）：241-243.

［8］李樹(shù)峰，陳志丹.pGM（1，1）模型權(quán)值p的精確求解及其性質(zhì)分析.統(tǒng)計(jì)與決策，2009，21：153-154.

［9］嚴(yán)磊，劉好斌，雷邦軍，等.基于灰色廣義回歸神經(jīng)網(wǎng)絡(luò)模型的城市耕地面積預(yù)測(cè).地理與地理信息科學(xué)，2012，28（3）：111-112.

［10］中國(guó)國(guó)家統(tǒng)計(jì)局.中國(guó)統(tǒng)計(jì)年鑒2014.北京：中國(guó)統(tǒng)計(jì)出版社，2014.

（責(zé)任編輯：劉壯）

·計(jì)算機(jī)應(yīng)用·

*基金項(xiàng)目：河南省哲學(xué)社會(huì)科學(xué)規(guī)劃項(xiàng)目（編號(hào)：2014BZX012）

通信作者：△張艷麗，E-mail：ylzhang2@126.com