随着信息技术的快速发展和医院建设的不断完善,以信息技术来处理医院管理数据,并对数据进行分析和预测,为医院的发展提供参考,已经越来越得到社会的重视。我国大型医院在最近几十年经历了飞速的发展,几十年来不论在医院开支还是住院人数上,都有显著的增长。人们希望能对大型医院的开支数据能有较为精确的预测,以便在管理上能减支增效。人们还希望对大型医院住院人数进行预测,以为医院的工作量安排,药品和消耗品的仓储和准备提供参考。从古至今,对不确定事件的预测都是人类的一大渴望。近现代以来随着统计学和计算机科学的进步,人们对事物的发展有了较为科学的预测方法。那就是分析数据本身的规律或是多个数据之间的影响,以获得他们的发展趋势,用数学化的方法建立描述其规律或数据之间影响力的函数,然后通过该函数不断往前推演对未来进行预测。可见预测的精度主要在于该函数对数据规律描述的准确程度,准确程度越高,其预测就越精确。医院开支数据是具有较稳定增长的数据,其依赖数据本身的规律性便可进行预测,医院住院人数在一年之内按月统计具有随机性,需要考虑多方面的影响因素,将对住院人数的影响分析清楚并建立函数,然后进行预测,下面本文将依靠两种预测模型对两个问题分别进行分析和解决。本文主要对医院开支和住院人数,基于两种预测模型,针对现有研究中存在的一些不足,对模型进行改进,而后作出预测。本文的具体工作和贡献如下:1.建立一个基于自适应增长率的GM(1,1)模型AG-GM(1,1)的大医院开支预测的方法。本文通过对大医院开支数据序列和GM(1,1)模型的深入研究,建立了两个模型。适用于高增长序列的预测模型用复化辛普森积分公式对背景值计算公式进行改造,以从根本上提高其精度,然后改变了初始值的选择方法,将两者结合构造模型。适用于普通增长序列的预测模型对经典模型背景值构造函数进行加权寻优,用遍历法求出最优解,并与初始值选择方法结合构成模型。文中设计了一个算法,计算出医院开支数据的增长率,并利用它的大小来确定选择哪个模型进行预测。然后对于波动较大序列计算平衡因子,对其预测结果使用平衡因子进行修正。通过实验证明了本文方法的有效性,在预测中精度有所提高。2.提出一种基于加权限制的果蝇优化的支持向量机回归模型WF-SVR的大型医院住院人数预测方法。对支持向量机回归(SVR)模型进行了一系列优化和改进,使用了果蝇优化算法对参数进行优选,使参数优选的过程更加高质高效,减少时间消耗的同时提高参数质量。对惩罚权重进行了加权处理,使其对时间上先后出现的样本在训练时的惩罚力度不同,更精确的反映了时间先后的样本对于未来数据影响力的不同。文中对住院人数的影响因素进行分析,确定了六种主要的影响因素,使用优化的支持向量机回归模型对其进行建模预测。使用一些医院和所在城市数据建立数据集,进行测试,并与基础方法进行对比,实验表明本文对模型的改进和优化起到了良好的效果。