基于GWO-SVR的冠心病住院费用预测

• 作者: 张慧 贺松 张硕 黄旭 席欢欢
• 来源期刊: 智能计算机与应用
• 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
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 学术研究与应用|Academic research and application
• 页码范围: 42-46
• 页数: 5页
• 分类号: TP391.7
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2020.11.009

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.