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：智能计算机与应用, 2020, 10(11): 42-46.

• 住院费用预测
• 冠心病
• 灰狼优化算法
• 支持向量机回归

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 sw arm 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。

• 单位
  贵州大学