深圳人口與醫(yī)療需求預測大學生數(shù)學建模論文

PAGEPAGE18理學院數(shù)學建模成員：周立成員：李婧成員：賴永寬深圳人口與醫(yī)療需求預測摘要：一個城市未來的醫(yī)療需求與人口結(jié)構(gòu)、數(shù)量和經(jīng)濟發(fā)展等因素相關(guān)，合理預測能使醫(yī)療設施建設正確匹配未來人口健康保障需求，是保證深圳社會經(jīng)濟可持續(xù)發(fā)展的重要條件。本題主要是深圳人口與醫(yī)療需求預測。針對問題一：（1）由于深圳市的人口結(jié)構(gòu)比較特殊，我們首先將深圳市人口分為常住人口和非常住人口，常住人口又包括了戶籍人口和非戶籍人口，對于戶籍人口，根據(jù)其特點，我們用多項式擬合，原始數(shù)據(jù)與擬合后的相比較，擬合結(jié)果非常好；對于非戶籍人口，則采用指數(shù)擬合，取得的效果也非常明顯。由于沒有查閱到深圳的流動人口數(shù)據(jù)，而上海和深圳的經(jīng)濟發(fā)展模式非常相似，所以在此，我們借鑒上海市的流動人口相關(guān)比例來得出深圳的流動人口，再根據(jù)灰色估計來預測未來十年深圳的非常住人口。（2）對于人口結(jié)構(gòu)的預測，由于數(shù)據(jù)相對較少，我們采用了三次多項式值法來擬合，其結(jié)果與實際情況比較符合。(3)對于深圳醫(yī)療床位數(shù)本文運用BP神經(jīng)網(wǎng)絡和多元線性回歸進行預測,本文考慮全市的醫(yī)療床位數(shù)與人均GDP、幼兒化比例、老齡化比例、醫(yī)院發(fā)展狀況有關(guān)；醫(yī)院發(fā)展狀況主要由醫(yī)院數(shù)目、衛(wèi)生技術(shù)人員數(shù)目、執(zhí)行醫(yī)師數(shù)目、固定資產(chǎn)投入、衛(wèi)生事業(yè)費等因素來確定。從而床位數(shù)與以上八個方面有關(guān)。針對問題二：首先，我們將深圳市的醫(yī)療機構(gòu)主要分為三大類，分別是：（1）綜合醫(yī)院、（2）中醫(yī)院和?？漆t(yī)院（3）其它機構(gòu)（包括門診部、婦幼保健院、?？萍膊》乐卧旱龋?。本文選取糖尿病作為研究對象，把預測的深圳市各年齡段人口數(shù)和不同年齡段的發(fā)病率結(jié)合起來，得出各年齡段的發(fā)病人數(shù)；最后考慮糖尿病的住院時間得出醫(yī)院每天所需的病床數(shù)目，再依據(jù)每類醫(yī)療結(jié)構(gòu)的門診人數(shù)而將病床數(shù)目合理的分配下去。關(guān)鍵詞：灰色估計BP神經(jīng)網(wǎng)絡多元線性回歸插值擬合問題的重述深圳是我國經(jīng)濟發(fā)展最快的城市之一，30多年來，衛(wèi)生事業(yè)取得了長足發(fā)展，形成了市、區(qū)及社區(qū)醫(yī)療服務系統(tǒng)，較好地解決了現(xiàn)有人口的就醫(yī)問題。從結(jié)構(gòu)來看，深圳人口的顯著特點是流動人口遠遠超過戶籍人口，且年輕人口占絕對優(yōu)勢。深圳流動人口主要是從事第二、三產(chǎn)業(yè)的企業(yè)一線工人和商業(yè)服務業(yè)人員。年輕人身體強壯，發(fā)病較少，因此深圳目前人均醫(yī)療設施雖然低于全國類似城市平均水平，但仍能滿足現(xiàn)有人口的就醫(yī)需求。然而，隨著時間推移和政策的調(diào)整，深圳老年人口比例會逐漸增加，產(chǎn)業(yè)結(jié)構(gòu)的變化也會影響外來務工人員的數(shù)量。這些都可能導致深圳市未來的醫(yī)療需求與現(xiàn)在有較大的差異。未來的醫(yī)療需求與人口結(jié)構(gòu)、數(shù)量和經(jīng)濟發(fā)展等因素相關(guān)，合理預測能使醫(yī)療設施建設正確匹配未來人口健康保障需求，是保證深圳社會經(jīng)濟可持續(xù)發(fā)展的重要條件。然而，現(xiàn)有人口社會發(fā)展模型在面對深圳情況時，卻難以滿足人口和醫(yī)療預測的要求。為了解決此問題，請根據(jù)深圳人口發(fā)展變化態(tài)勢以及全社會醫(yī)療衛(wèi)生資源投入情況（醫(yī)療設施、醫(yī)護人員結(jié)構(gòu)等方面）收集數(shù)據(jù)、建立針對深圳具體情況的數(shù)學模型，預測深圳未來的人口增長和醫(yī)療需求，解決下面幾個問題：分析深圳近十年常住人口、非常住人口變化特征，預測未來十年深圳市人口數(shù)量和結(jié)構(gòu)的發(fā)展趨勢，以此為基礎預測未來全市和各區(qū)醫(yī)療床位需求；2.根據(jù)深圳市人口的年齡結(jié)構(gòu)和患病情況及所收集的數(shù)據(jù)，選擇預測幾種?。ㄈ纾悍伟┘捌渌麗盒阅[瘤、心肌梗塞、腦血管病、高血壓、糖尿病、小兒肺炎、分娩等）在不同類型的醫(yī)療機構(gòu)就醫(yī)的床位需求。二、問題的分析問題一：第一：首先我們將深圳人口分為兩類，分別是常住人口和非常住人口。常住人口又分為戶籍人口和常住非戶籍人口，戶籍人口我們可以通過多項式擬合得到；非戶籍人口根據(jù)其特點及分布，可嘗試采用指數(shù)形式來擬合。對于非常住人口，由于上海的經(jīng)濟模型與深圳非常類似，所以我們可以借鑒上海市的流動人口，根據(jù)兩市的人口比例來算出深圳從2005至2010年的非常住人口數(shù)。未來十年的非常住人口數(shù)，則可以根據(jù)前五年的數(shù)據(jù)通過灰色預測來估計。第二：對于人口結(jié)構(gòu)的預測，由于數(shù)據(jù)相對比較少，我們可以采用插值擬合的方式來預測未來十年的人口結(jié)構(gòu)。第三：對于深圳床位數(shù)本文考慮運用BP神經(jīng)網(wǎng)絡和多元線性回歸進行預測,本文考慮全市的床位數(shù)與人均GDP、幼兒化比例、老齡化比例、醫(yī)院發(fā)展狀況等有關(guān)，而醫(yī)院發(fā)展狀況取決于醫(yī)院數(shù)目、衛(wèi)生技術(shù)人員數(shù)目、執(zhí)行醫(yī)師數(shù)目、固定資產(chǎn)投入、衛(wèi)生事業(yè)費等，從而可以考慮以上八個因素從而計算床位數(shù)。問題二：首先，我們可以將深圳的醫(yī)療機構(gòu)分為（1）綜合醫(yī)院（2）中醫(yī)院和?？漆t(yī)院（3）其它機構(gòu)（包括門診部、婦幼保健院、?？萍膊》乐卧旱龋┤箢?。然后選取糖尿病作為研究對象，可以通過查閱資料得出糖尿病在各年齡階段的發(fā)病率，從而得出各年的發(fā)病人數(shù)，再聯(lián)系糖尿病的住院時間得出醫(yī)院每天所需的病床數(shù)目，最后依據(jù)每類醫(yī)療結(jié)構(gòu)的門診人數(shù)而將病床數(shù)目合理的分配下去。三、基本假設與符號說明3．1基本假設1、假設深圳的流動人口（及非常住人口）與上海市的流動人口比例相同。2、假設人口不受到地震。火上等自然災害的影響。3、假設收集到的數(shù)據(jù)都是真實可靠地。3.2符號說明每天所需要的糖尿病病床數(shù)糖尿病病人住院所需的平均時間所需計算糖尿病病床數(shù)當年的天數(shù)（365或366）第i年第j年齡段的人口數(shù)目（i是從2011—2020的二十個數(shù)據(jù)，j是分為<30、31—40、41—50、51—60、>=60這五個年齡段對應的數(shù)據(jù)）第j年齡段四、問題的建立與求解4.1問題一：4.1.1常住人口數(shù)據(jù)擬合（1）戶籍人口我們采用多項式擬合，得到結(jié)果和原始數(shù)據(jù)如下圖：圖1常住人口多項式擬合圖其表達式為：（2）非戶籍人口采用指數(shù)擬合，擬合結(jié)果如下圖：圖2非戶籍人口指數(shù)擬合圖其表達式:4.1.2非常住人口預測（一）利用上海的人口比例可以得出深圳的流動人口數(shù)目如下表：年份200520062007200820092010非常住人口66.2876.6779.0963.0979.70101.09表1深圳2005—2010年非常住人口數(shù)目（二）灰色預測模型：通過灰色預測模型來估計未來十年非常住人口：首先選取上表的數(shù)據(jù)位原始數(shù)據(jù)：1、級比檢驗求級比，2、級比判斷當時，才能使原始數(shù)據(jù)滿足模型。從上述結(jié)論可以得出原始數(shù)據(jù)明顯滿足條件。3、數(shù)據(jù)生成的AGO序列為：，則：所以的均值序列，則：所以：4、求中間參數(shù)C、D、E、F5、計算參數(shù)6、模型7、模型結(jié)果的檢驗殘差檢驗預測的值原來的值殘差值殘差相對值%K=2135.73142.957.225.05K=3210.07222.0411.975.39K=4289.64285.13-4.51-1.58K=5374.81364.83-9.98-2.74K=6465.97465.92-0.049-0.01表2非常住人口灰色預計誤差表，級比偏差檢驗級比偏差所以可以得到（三）預測結(jié)果如下：對于接下來十年的非常住人口預測如下表年份（年）20112012201320142015人口（萬人）97.58104.44111.79119.66128.08年份（年）20162017201820192020人口（萬人）137.09146.74157.06168.11179.94表3：2011—2020年非常住人口表4.1.3人口結(jié)構(gòu)預測：首先通過作圖，得出在2000年、2005年和2010年得人口年齡分布圖如下：圖3:2000、2005、2010年年齡結(jié)構(gòu)分布圖（注：+代表的是2000年人口年齡分布圖，*代表的是2005年的人口年齡分布圖，o代表的是2010年的人口年齡分布圖。）圖4：三種插值比較圖藍色的是直線插值擬合，紅色的是三次多項式插值擬合，綠色的是三次樣條插值擬合。（0—4歲）可以看出三次多項式插值擬合能很好的符合實際情況由于數(shù)據(jù)比較多見附表1，本文在此給出2011年的數(shù)據(jù)如下：2011年年齡0--45--910--1415--1920--2425--2930--34人口數(shù)469058322363298054660481198310619620781369137年齡35--3940--4445--4950--5455--5960-6465--69人口數(shù)1265557101766566478529037922472313397573278年齡70--7475--7980--8485--8990--9495--99100以上人口數(shù)56570358151638816388784033151701表4:2011年深圳人口年齡結(jié)構(gòu)分布表4.1.4深圳床位數(shù)預測：(1)BP神經(jīng)網(wǎng)絡預測本文通過BP神經(jīng)網(wǎng)絡算法，預測2010—2020年所需要的床位數(shù)，本BP神經(jīng)網(wǎng)絡有兩層隱含層，節(jié)點數(shù)分別是20和40個；輸出層節(jié)點數(shù)只有1個。通過11090次運算，精確度達到了0.005%。圖5：2000年—2020年深圳床位數(shù)圖（o表示實際值，*表示預測值）圖6：2000年2010年深圳床位數(shù)相對誤差圖通過BP神經(jīng)網(wǎng)絡預測可以看出2000—2010年的預測結(jié)果與原始數(shù)據(jù)的誤差是非常的小,但是2011—2020年的預測卻出現(xiàn)了減小的趨勢,這與事實出現(xiàn)了矛盾;故此處此方法有較大誤差。(2)多元線性回歸圖7：2000年—2020年深圳床位數(shù)圖（o表示實際值，*表示預測值）通過多元線性擬合可以看出1979—2010年的預測數(shù)據(jù)域原始數(shù)據(jù)的誤差非常小，2011—2020年的預測走勢也能很好的符合實際情況。年份（年）20112012201320142015床位數(shù)（個）2362624976268052834031010年份（年）20162017201820192020床位數(shù)（個）3275034992369583968342285表5：深圳2011—2020年全市所需要的床位數(shù)在對于每個區(qū)的病床數(shù)進行預測時,本文首先預測出每個區(qū)在2011—2020年的人口,然后按照每個區(qū)所占得比例計算每個區(qū)的床位數(shù).年份20112012201320142015福田區(qū)31793224326632063211羅湖區(qū)21952206221521552138鹽田區(qū)22742119190216141382南山區(qū)26502714277427482775寶安區(qū)1.00631.07101.14411.18901.2636龍崗區(qū)50525642663978919813表6:2011—2015年深圳各區(qū)床位數(shù)年份20162017201820192020福田區(qū)32113066293327552465羅湖區(qū)20211912177416621539鹽田區(qū)1131935769649549南山區(qū)26702574243523312208寶安區(qū)1282313052130441319313203龍崗區(qū)1176414143166041955922577表7:2016—2020年深圳各區(qū)床位數(shù)4.2問題二：4.2.1深圳總的糖尿病病床數(shù)分析：對于在對于問題二上本文查詢相關(guān)資料,得出不同年齡段各種疾病的發(fā)病概率;然后根據(jù)問題一種預測的各年齡段人口數(shù)求出每一年的發(fā)病人數(shù);最后將所需要的床位數(shù)平均分攤到每一天去。本文在此以糖尿病為例,對3015名人口進行抽查，得出各年齡發(fā)病率如下：疾病<3031--4041--5051--60>=61糖尿病人數(shù)（個）011153061糖尿病比例%018.75表8：糖尿病病人各年齡段的發(fā)病概率定義平均每天糖尿病病床數(shù)為：可以得出深圳2011—2020年糖尿病病人每天所需病床數(shù)如下表：年份（年）20112012201320142015糖尿病床位數(shù)（個）24992710293231383329年份（年）20162017201820192010糖尿病床位數(shù)（個）34903645375938373862表9：深圳2011—2020年糖尿病病人每天所需病床數(shù)4.2.2深圳各種醫(yī)療結(jié)構(gòu)糖尿病病床數(shù)分析：本文在此將深圳的醫(yī)療機構(gòu)分為三大部分1.綜合醫(yī)院、2.中醫(yī)院和?？漆t(yī)院3.其它機構(gòu)（包括門診部、婦幼保健院、?？萍膊》乐卧旱龋治鋈愥t(yī)院的門診人數(shù)比例；然后得出每類醫(yī)療結(jié)構(gòu)應該分得的床位數(shù)目。本文在此列舉出2011年數(shù)據(jù)，其它見附表3.醫(yī)療結(jié)構(gòu)門診人數(shù)門診人數(shù)比例分得的床位數(shù)綜合醫(yī)院563143470.69291731中醫(yī)院和專科醫(yī)院97816950.1204300其它機構(gòu)151781200.1868466表9：深圳2011—2020年各醫(yī)療機構(gòu)糖尿病病人每天所需病床數(shù)五、模型的改進1、在進行灰色預計時，應該再尋找一些數(shù)據(jù)，這樣可使模型的準確性大大提高。2、本文應該多討論幾種病對病床的需求情況，并詳細的將病床數(shù)分到每一小類醫(yī)療機構(gòu)中區(qū)；但是這樣數(shù)據(jù)量比較大，操作難度較高。六、模型的評價與推廣優(yōu)點：本模型思路清晰，準確性高。本模型可移植性好。本模型使用價值較高，操作性強。本模型的數(shù)據(jù)參考了大量文獻和網(wǎng)站資料。缺點：1、本模型考慮的因數(shù)可能存在不足。推廣：本模型可用于經(jīng)濟的預測。本模型可用于產(chǎn)量的預測。七、參考文獻【1】深圳市衛(wèi)生和人口計劃生育委員會【2】糖尿病發(fā)病率與年齡相關(guān)性的調(diào)查和分析，張小方、劉云河，經(jīng)驗交流?！?】2011年深圳市年鑒【4】數(shù)據(jù)量少的情況下的一種回歸預測模型的建立方法，崔文全，預測【5】西安市人口結(jié)構(gòu)預測研究，胡小莉、尚梅，交流研討。八、附錄7．1數(shù)據(jù)：7.1.1附表1：201120122013201420150-44690585125445545645934516275385-932236333367334506335653136807610-1429805430947732070533173334255915-1966048154820544191934783927218020-241983106199173919975412000263199965425-291962078209651522153562308909236748430-341369137138953314059731418151142576635-391265557135176314404281531263162398440-441017665112892112429541358422147398745-4966478576298385196392583097868350-5429037931809234644437506740359455-5922472325007927577930135432633460-6413397514834916207417453918513165-69732787499776408774887821470-74565705914161623640116630375-79358153966943518472635080780-84163881756918784200302130085-89784087459580102961084390-943315367440354389472895-9917011978222924362584100歲及以上6558483621201620172018201920200-46551606746496843406825666676615-937969839139540316741501242693010-1435317736358437377638374939350015-1922115620098121787027803738769820-241995466198744719753491958920193791225-292381389234093422364272058178179649530-341428513142608814181901404514138475635-391718304181393619105952007995210584840-441588309170004718078621910413200636145-49100462699776195218986201372133450-5443165545888248490850936353187955-5935024937262939300541090742586460-6419323719824719954619652418856965-69785647851478041771227573470-74684977058972575744547622275-79540535690259256610186209080-84225912389825216265412786785-8911173112351098210364933290-945044532855725768590895-9926542631249722351830100歲及以上22046771127.1.2附表2年?份Year人均GDP(元)醫(yī)院病床數(shù)衛(wèi)生技術(shù)人員執(zhí)行醫(yī)師幼兒化比例老齡化比例固定資產(chǎn)投入衛(wèi)生事業(yè)費(萬元)19796065979883645.2%0.4%6991198083564310884385.4%0.5%411911981141779012705185.5%0.6%1632281982202371716097085.7%0.7%334259198325121023234310735.9%0.7%1586486198435041634306414846.0%0.8%18781015198548091885385718626.2%0.9%19581767198645842028465722176.3%1.0%12401991198753492225511724086.5%1.0%19722166198864772496571527546.6%1.1%23023164198967102838645131036.8%1.2%28554922199087243108699634266.9%1.3%383046111991119973498761837377.1%1.4%772050291992128274466857142477.2%1.4%1236598061993150055168988847987.4%1.5%250191672919941695460401103453477.5%1.6%163583086019951955066401244960507.7%1.7%321654115719962249871051465272667.8%1.8%440936005219972567578131493274008.0%1.8%411956160119982770183531497571918.1%1.9%431306727219992974787201414370628.3%2.0%372147446820003280096161572074188.4%2.1%4790781026200134822105421713580978.6%2.1%4183794937200240369118081861582608.7%2.2%53423105817200347029126072123494398.9%2.3%675271270102004542361418622895103679.0%2.4%995461153332005608011557725681116199.1%2.5%1163181378472006684411619342415159979.3%2.5%866111649702007762731676646877174509.4%2.6%1771292236702008834311843550608188079.6%2.7%1427492812652009841471987253778199639.7%2.8%2146713062542010942962112656195205459.9%2.8%264539336483年?份Year人均GDP(元)衛(wèi)生技術(shù)人員執(zhí)行醫(yī)師幼兒化比例老齡化比例固定資產(chǎn)投入衛(wèi)生事業(yè)費(萬元)2011104981707382507410.0%2.9%3018614008782012114445811212828510.1%3.0%3585724642252013124504928603191510.3%3.1%42403653619120141351771060743600510.4%3.2%49913561759720151464821208884059310.6%3.2%58479370930020161584391374314572410.7%3.3%68197581219620171710681558375144110.9%3.4%79168692721820181843871762445779111.0%3.5%914975105533920191984171987976482011.1%3.5%1052932119756820202131762236457257911.3%3.6%120668713549527.1.3附表3：年份（年）20112012201320142015綜合醫(yī)院需糖尿病病人床位個數(shù)（個）17311877203121742306年份（年）20162017201820192010綜合醫(yī)院需糖尿病病人床位個數(shù)（個）24182525260526582676年份（年）20112012201320142015中醫(yī)院和?？菩杼悄虿〔∪舜参粋€數(shù)（個）300326352377400年份（年）20162017201820192010中醫(yī)院和專科需糖尿病病人床位個數(shù)（個）420438452461464年份（年）20112012201320142015其他醫(yī)療結(jié)構(gòu)需糖尿病病人床位個數(shù)（個）466506547586621年份（年）20162017201820192010其他醫(yī)療結(jié)構(gòu)需糖尿病病人床位個數(shù)（個）6516807027167217.2程序代碼：7.2.1戶籍人口（多項式擬合代碼）clear;cla;clc;%清除x=1979:2010;%年份y=[31.4133.2936.6944.9559.5274.1388.1593.56105.44120.14141.6167.78226.76268.02335.97412.71449.15482.89527.75580.33632.56701.24724.57746.62778.27800.8827.75871.1912.37954.28995.011037.2];%常住人口ii=1;%擬合介數(shù) yy_esum=0;%誤差forii=1:100;p=polyfit(x,y,ii);%計算擬合系數(shù)yy=polyval(p,x);%計算擬合值yy_e=(y-yy).^2;%誤差分析yy_esum=[yy_esum,sum(yy_e)];clearpyy;clc;endyy_esum=yy_esum(2:end);[minin,cishu]=min(yy_esum);%求最小誤差下的擬合介數(shù)plot(x,y,'*');%畫原圖p=polyfit(x,y,cishu);x=1979:2020;yy=polyval(p,x);holdon;plot(x,yy,'r');%畫擬合圖xlabel('年份');ylabel('人數(shù)(萬人)');legend('原始','多項式擬合');clc;7.2．2非戶籍人口（指數(shù)擬合）clear;cla;clc;x=1979:2010;y=[31.4133.2936.6944.9559.5274.1388.1593.56105.44120.14141.6167.78226.76268.02335.97412.71449.15482.89527.75580.33632.56701.24724.57746.62778.27800.8827.75871.1912.37954.28995.011037.2];%常住人口ii=1;yy_esum=0;forii=1:100;p=polyfit(x,log10(y),ii);yy=10.^polyval(p,x);yy_e=(y-yy).^2;yy_esum=[yy_esum,sum(yy_e)];clearpyy;clc;endyy_esum=yy_esum(2:end);[minin,cishu]=min(yy_esum);semilogy(x,y,'+');p=polyfit(x,log10(y),cishu);x=1979:2020;yy=10.^polyval(p,x);holdon;semilogy(x,yy,'-');7.2．3人口結(jié)構(gòu)預測1、畫圖x=[]x=[]y=[]y=[]>>z=[]z=[]t=[]t=[]y=y';sum_x=sum(x);sum_y=sum(y);sum_z=sum(z);x=x/sum_x;y=y/sum_y;z=z/sum_z;plot(t,x);plot(t,x,'+-');holdon;plot(t,y,'*-');plot(t,z,'o-');2、插值擬合axis([2000202001000000])holdon;xi=2000:.2:2020;yi=interp1(x,y,xi,'linear');plot(x,y,'o',xi,yi,'b')axis([2000202001000000])holdon;xi=2000:.2:2020;yi=interp1(x,y,xi,'spline');plot(x,y,'o',xi,yi,'r')xi=2000:.2:2020;xi=2000:.2:2020;yi=interp1(x,y,xi,'cubic');plot(x,y,'o',xi,yi,'g')7.2.4BP神經(jīng)算法p=[284528334488;283344884554;448845542928;455429283497;292834972261;...349722616921;226169211391;692113913580;139135804451;358044512636;...445126363471;263634713854;347138543556;385435562659;355626594335;...265943352882;433528824084;433528821999;288219992889;199928892175;...288921752510;217525103409;251034093729;340937293489;372934893172;...348931724568;317245684015;]';%===========期望輸出=======t=[4554292834972261692113913580445126363471385435562659...4335288240841999288921752510340937293489317245684015...3666];ptest=[284528334488;283344884554;448845542928;455429283497;292834972261;...349722616921;226169211391;692113913580;139135804451;358044512636;...445126363471;263634713854;347138543556;385435562659;355626594335;...265943352882;433528824084;433528821999;288219992889;199928892175;...288921752510;217525103409;251034093729;340937293489;372934893172;...348931724568;317245684015;456840153666]';[pn,minp,maxp,tn,mint,maxt]=premnmx(p,t);%將數(shù)據(jù)歸一化NodeNum1=20;%隱層第一層節(jié)點數(shù)NodeNum2=40;%隱層第二層節(jié)點數(shù)TypeNum=1;%輸出維數(shù)TF1='tansig';TF2='tansig';TF3='tansig';net=newff(minmax(pn),[NodeNum1,NodeNum2,TypeNum],{TF1TF2TF3},'traingdx');%網(wǎng)絡創(chuàng)建traingdmnet.trainParam.show=50;net.trainParam.epochs=50000;%訓練次數(shù)設置net.trainParam.goal=1e-5;%訓練所要達到的精度net.trainParam.lr=0.01;%學習速率net=train(net,pn,tn);p2n=tramnmx(ptest,minp,maxp);%測試數(shù)據(jù)的歸一化an=sim(net,p2n);[a]=postmnmx(an,mint,maxt)%數(shù)據(jù)的反歸一化，即最終想得到的預測結(jié)果plot(1:length(t),t,'o',1:length(t)+1,a,'+');title('o表示預測值*表示實際值')gridonm=length(a);%向量a的長度t1=[t,a(m)];error=t1-a;%誤差向量figureplot(1:length(error),error,'-.')title('誤差變化圖')gridon7.2.5多元線性回歸clear;clc;loadregressx;%導入1979-2010影響因素:GDP、衛(wèi)生技術(shù)人員、執(zhí)行醫(yī)師、幼兒化比例、老齡化比例、固定資產(chǎn)投入、衛(wèi)生事業(yè)費(萬元)、醫(yī)院數(shù)目loadregressy;%導入1979-2010床位數(shù)loadregressxx;%導入1979-2020影響因素:GDP、衛(wèi)生技術(shù)人員、執(zhí)行醫(yī)師、幼兒化比例、老齡化比例、固定資產(chǎn)投入、衛(wèi)生事業(yè)費(萬元)、醫(yī)院數(shù)目%進行多元線性回歸算法X=[ones(length(y),1),x(:,1),x(:,2),x(:,3),x(:,4),x(:,5),x(:,6),x(:,7),x(:,8)];[b,bint,r,rint,stats]=regress(y',X);%將得到的系數(shù)b代入yy=b(1);[nm]=size(b);forii=2:n;yy=yy+b(ii).*regressxx(:,ii-1)';end;resoult=yy;plot(1:length(y),y,'o',1:length(regressxx),resoult,'-*');%繪制原圖和多元線性回歸圖結(jié)果基于C8051F單片機直流電動機反饋控制系統(tǒng)的設計與研究基于單片機的嵌入式Web服務器的研究MOTOROLA單片機MC68HC（8）05PV8/A內(nèi)嵌EEPROM的工藝和制程方法及對良率的影響研究基于模糊控制的電阻釬焊單片機溫度控制系統(tǒng)的研制基于MCS-51系列單片機的通用控制模塊的研究基于單片機實現(xiàn)的供暖系統(tǒng)最佳啟停自校正（STR）調(diào)節(jié)器單片機控制的二級倒立擺系統(tǒng)的研究基于增強型51系列單片機的TCP/IP協(xié)議棧的實現(xiàn)基于單片機的蓄電池自動監(jiān)測系統(tǒng)基于32位嵌入式單片機系統(tǒng)的圖像采集與處理技術(shù)的研究基于單片機的作物營養(yǎng)診斷專家系統(tǒng)的研究基于單片機的交流伺服電機運動控制系統(tǒng)研究與開發(fā)基于單片機的泵管內(nèi)壁硬度測試儀的研制基于單片機的自動找平控制系統(tǒng)研究基于C8051F040單片機的嵌入式系統(tǒng)開發(fā)基于單片機的液壓動力系統(tǒng)狀態(tài)監(jiān)測儀開發(fā)模糊Smith智能控制方法的研究及其單片機實現(xiàn)一種基于單片機的軸快流CO〈,2〉激光器的手持控制面板的研制基于雙單片機沖床數(shù)控系統(tǒng)的研究基于CYGNAL單片機的在線間歇式濁度儀的研制基于單片機的噴油泵試驗臺控制器的研制基于單片機的軟起動器的研究和設計基于單片機控制的高速快走絲電火花線切割機床短循環(huán)走絲方式研究基于單片機的機電產(chǎn)品控制系統(tǒng)開發(fā)基于PIC單片機的智能手機充電器基于單片機的實時內(nèi)核設計及其應用研究基于單片機的遠程抄表系統(tǒng)的設計與研究基于單片機的煙氣二氧化硫濃度檢測儀的研制基于微型光譜儀的單片機系統(tǒng)單片機系統(tǒng)軟件構(gòu)件開發(fā)的技術(shù)研究基于單片機的液體點滴速度自動檢測儀的研制基于單片機系統(tǒng)的多功能溫度測量儀的研制基于PIC單片機的電能采集終端的設計和應用基于單片機的光纖光柵解調(diào)儀的研制氣壓式線性摩擦焊機單片機控制系統(tǒng)的研制基于單片機的數(shù)字磁通門傳感器基于單片機的旋轉(zhuǎn)變壓器-數(shù)字轉(zhuǎn)換器的研究基于單片機的光纖Bragg光柵解調(diào)系統(tǒng)的研究單片機控制的便攜式多功能乳腺治療儀的研制基于C8051F020單片機的多生理信號檢測儀基于單片機的電機運動控制系統(tǒng)設計Pico專用單片機核的可測性設計研究基于MCS-51單片機的熱量計基于雙單片機的智能遙測微型氣象站MCS-51單片機構(gòu)建機器人的實踐研究基于單片機的輪軌力檢測基于單片機的GPS定位儀的研究與實現(xiàn)基于單片機的電液伺服控制系統(tǒng)用于單片機系統(tǒng)的MMC卡文件系統(tǒng)研制基于單片機的時控和計數(shù)系統(tǒng)性能優(yōu)化的研究基于單片機和CPLD的粗光柵位移測量系統(tǒng)研究單片機控制的后備式方波UPS提升高職學生單片機應用能力的探究基于單片機控制的自動低頻減載裝置研究基于單片機控制的水下焊接電源的研究基于單片機的多通道數(shù)據(jù)采集系統(tǒng)基于uPSD3234單片機的氚表面污染測量儀的研制基于單片機的紅外測油儀的研究96系列單片機仿真器研究與設計基于單片機的單晶金剛石刀具刃磨設備的數(shù)控改造基于單片機的溫度智能控制系統(tǒng)的設計與實現(xiàn)基于MSP430單片機的電梯門機控制器的研制基于單片機的氣體測漏儀的研究基于三菱M16C/6N系列單片機的CAN/USB協(xié)議轉(zhuǎn)換器基于單片機和DSP的變壓器油色譜在線監(jiān)測技術(shù)研究基于單片機的膛壁溫度報警系統(tǒng)設計基于AVR單片機的低壓無功補償控制器的設計基于單片機船舶電力推進電機監(jiān)測系統(tǒng)基于單片機網(wǎng)絡的振動信號的采集系統(tǒng)基于單片機的大容量數(shù)據(jù)存儲技術(shù)的應用研究基于單片機的疊圖機研究與教學方法實踐基于單片機嵌入式Web服務器技術(shù)的研究及實現(xiàn)基于AT89S52單片機的通用數(shù)據(jù)采集系統(tǒng)基于單片機的多道脈沖幅度分析儀研究機器人旋轉(zhuǎn)電弧傳感角焊縫跟蹤單片機控制系統(tǒng)基于單片機的控制系統(tǒng)在PLC虛擬教學實驗中的應用研究基于單片機系統(tǒng)的網(wǎng)絡通信研究與應用基于PIC16F877單片機的莫爾斯碼自動譯碼系統(tǒng)設計與研究基于單片機的模糊控制器在工業(yè)電阻爐上的應用研究基于雙單片機沖床數(shù)控系統(tǒng)的研究與開發(fā)基于Cygnal單片機的μC/OS-Ⅱ的研究基于單片機的一體化智能差示掃描量熱儀系統(tǒng)研究基于TCP/IP協(xié)議的單片機與Internet互聯(lián)的研究與實現(xiàn)變頻調(diào)速液壓電梯單片機控制器的研究基于單片機γ-免疫計數(shù)器自動換樣功能的研究與