卫生技术人员数量变化趋势预测的灰色神经网络模型*

2016-06-24新乡医学院期刊社453003张艳丽

中国卫生统计 2016年2期

新乡医学院期刊社（453003）张艳丽

新乡医学院期刊社（453003）张艳丽△

卫生技术人员数量是衡量一个国家或地区公共卫生、医疗服务发展水平的重要指标。建立科学合理的卫生技术人员数量变化趋势预测模型，丰富和完善卫生技术人员数量变化趋势预测理论方法，有利于合理优化卫生人力资源的培养与配置，明确公共卫生政策缺口和改进空间，进而改善公共卫生管理和服务的绩效。文献［1-4］多通过ARMA、ARIMA等时间序列模型来预测卫生技术人员的变化趋势，这类模型对数据的稳定性和统计规律性要求高，常常不能满足现实需要。基于灰色GM（1，1）模型等对护士数量、医护比例等卫生技术人员变化趋势的成功刻画［5-6］和贝叶斯正则化神经网络的良好泛化推广能力、预测精度高的优势，本研究将PGM（1，1）模型、GM（1，1）模型、无偏GM（1，1）模型与贝叶斯正则化神经网络相结合，融合各预测模型的优点，建立卫生技术人员数量变化趋势预测的灰色神经网络模型，并实例验证所建模型的科学性和合理性，以期为科学制定卫生人力资源培养计划、配置政策提供准确可靠的决策依据。

贝叶斯正则化神经网络

PGM（1，1）模型、GM（1，1）模型、无偏GM（1，1）模型的建模过程

已知原始数据序列：X（0）=（x（0）（1），x（0）（2），…，x（0）（n））（x（0）（k）≥0，k =1，2，…，n）。建立PGM（1，1）模型过程［8］如下：

3.确定矩阵

求得参数列：a*=［a，b］T=（BTB）-1BTY；

5.求得x（1）新的背景值为

6.确定新的数据阵

求得新参数列：A*=［a′，b′］T=（B′TB′）-1B′TY；

7.X（0）的PGM（1，1）预测模型为：

重复1-7步GM（1，1）预测模型为：

重复1-3步，无偏GM（1，1）预测模型［9］为：

卫生技术人员数量变化趋势预测的灰色神经网络融合模型

分别利用PGM（1，1）模型、GM（1，1）模型、无偏GM（1，1）模型对n个连续时期的卫生技术人员原始数据值x1，x2，…，xn-1，xn进行拟合，减弱原始数据的随机性、增强规律性，以PGM（1，1）模型、GM（1，1）模型、无偏GM（1，1）模型拟合后的每期卫生技术人员数值为贝叶斯正则化神经网络的输入，以每期卫生技术人员的实际值为网络输出，集成贝叶斯正则化神经网络良好的泛化能力、预测精度高和灰色模型少数据建模的优势，建立灰色神经网络融合预测模型，探寻n个连续时期卫生技术人员数量的变化趋势规律，并通过这个规律预测第n +1期的卫生技术人员数量

1.以x1为初始点，选择适当的序列维度，分别利用PGM（1，1）模型、GM（1，1）模型、无偏GM（1，1）模型拟合卫生技术人员原始数据值，得到拟合值序列：并分别得到xn +1的一次预测值

验证实例

以中国每千人口卫生技术人员数量变化趋势预测为例，验证所建模型的有效性。选取2003～2013年历年每千人口卫生技术人员数据［10］（表1），利用2003～2011年数据建模，以2012年和2013年的预测值作为检验模型优劣与否的样本。

表1　2003～2013年中国每千人口卫生技术人员数据

以MATLAB7.0为仿真平台，利用2003年中国每千人口卫生技术人员数据为初始值，7维序列长度分别建立GM（1，1）模型、PGM（1，1）模型、无偏GM（1，1）模型，得到中国每千人口卫生技术人员的灰色模型拟合值如表2所示。

表2　2003～2013年中国每千人口卫生技术人员数据灰色模型拟合值（人）

将卫生技术人员数据灰色模型拟合值与实际值按照建模步骤方法带入网络训练，针对2012年数据值作预测，确定贝叶斯正则化网络训练误差目标为0.001，节点结构为3-16-1，得到预测值为4.73；针对2013年数据值作预测，确定网络训练误差目标为0.001，节点结构为3-9-1，得到预测值为5.23。采用相对误差统计量评估模型预测效果。具体结果如表3所示。

表3　模型预测值与实际值对比结果

结论

本文建立的利用PGM（1，1）模型、GM（1，1）模型、无偏GM（1，1）模型等灰色模型实现原始数据的一次预测并构建规律性强的训练样本集，通过贝叶斯正则化网络二次预测，融合了贝叶斯正则化神经网络良好的泛化能力、预测精度高和灰色模型少数据建模的优势，实例检验结果表明所建模型预测精度高、相对误差小。为卫生技术人员数量变化趋势预测提供了一种新方法，进而为相关部门制定合理的卫生人力资源培养计划、科学配置卫生人力资源提供准确可靠的决策参考。

参考文献

［1］吴焕.基于ARIMA模型的河南省卫生技术人员需求预测分析.现代预防医学，2013，40（9）：1664-1666.

［2］韩春蕾，胡西厚，赵拥军，等.组合模型在我国卫生技术人员数量预测中的应用.中国卫生统计，2011，28（4）：391-393.

［3］徐威，刘文川.中国卫生技术人员发展趋势预测分析.中国公共卫生，2009，25（2）：240-241.

［4］王小合，李寒箐，黄仙红，等.基于ARIMA组合模型的不同经济类型区域卫技人员预测研究.中国卫生经济，2010，29（12）：49-53.

［5］刘军，杨川，王慧勤.灰色模型GM（1，1）在新疆生产建设兵团护士人力预测研究中的应用.中国卫生统计，2014，31（3）：461-462.

［6］朱蒙蒙，颜康康，王秉文，等.灰色GM（1，1）模型在医护比例预测研究中的应用.中国卫生统计，2014，31（4）：690-692.

［7］颜卫卫，肖业兴，马铁军.基于贝叶斯正则化BP神经网络的挤出温度预测模型.橡胶工业，2014，61（4）：241-243.

［8］李树峰，陈志丹.pGM（1，1）模型权值p的精确求解及其性质分析.统计与决策，2009，21：153-154.

［9］严磊，刘好斌，雷邦军，等.基于灰色广义回归神经网络模型的城市耕地面积预测.地理与地理信息科学，2012，28（3）：111-112.

［10］中国国家统计局.中国统计年鉴2014.北京：中国统计出版社，2014.

（责任编辑：刘壮）