基于GWO-SVR的冠心病住院费用预测

摘要：

冠心病,作为世界上威胁中老年人健康最常见的疾病之一,近年来诊疗费用不断攀升.因此对冠心病住院费用进行准确的预测,对于着力控制其医疗费用增长具有重要意义.本文运用灰狼优化算法(Grey Wolf Optimizer,GWO)对支持向量机回归(Support Vector Regression,SVR)模型的惩罚系数C和核函数方差g进行优化,实现了基于GWO-SVR的冠心病住院费用预测模型.研究结果表明,相较于原始SVR模型,差分进化算法(Differential Evolution,DE)、布谷鸟搜索算法(Cuckoo Search,CS)、粒子群算法(Particle swarm optimization,PSO)优化的SVR模型,灰狼优化算法可以在最短时间内实现参数优化,并且能更加精准有效的预测出冠心病住院费用变化的趋势.

关键词：住院费用预测、冠心病、灰狼优化算法、支持向量机回归

所属期刊栏目：10

分类号：TP391.7(计算技术、计算机技术)

资助基金：贵州省数字健康管理工程技术研究中心项目黔科合G字[2014]4002号

在线出版日期：2021-03-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：42-46