本文選題：信息融合　切入點：審計預警模型　出處：《浙江理工大學》2017年碩士論文　論文類型：學位論文

【摘要】：隨著醫(yī)院業(yè)務的不斷擴展和完善,醫(yī)院審計工作越來越繁雜,傳統(tǒng)的審計方式已經(jīng)無法滿足當今數(shù)字化、信息化的發(fā)展要求,因此連續(xù)審計工作將成為今后的發(fā)展趨勢。雖然信息融合技術在民事領域應用相對廣泛,但大多集中在醫(yī)療診斷和財務危機方面,在連續(xù)審計以及審計預警方面的應用還處在基礎研究階段。本文針對當前醫(yī)院審計工作的現(xiàn)狀,以神經(jīng)網(wǎng)絡BP算法和D-S證據(jù)理論為研究核心,構建了基于信息融合的醫(yī)院審計預警模型,完成審計數(shù)據(jù)的判斷和審計危機預警等功能,從而達到實時監(jiān)測醫(yī)院審計活動的目的。本文的主要研究內(nèi)容概括如下:(1)根據(jù)國內(nèi)外的研究現(xiàn)狀,分析并總結(jié)了信息融合技術應用于審計預警領域時存在的問題,確定了論文研究的主要內(nèi)容,并對預警模型的主要理論及技術進行了介紹,為最終系統(tǒng)的設計與實現(xiàn)提供理論依據(jù)。(2)針對當前醫(yī)院審計流程存在的問題,分析審計數(shù)據(jù)的主要屬性并對比審計預警算法的優(yōu)劣,選取神經(jīng)網(wǎng)絡BP算法構建審計預警模型,同時針對神經(jīng)網(wǎng)絡BP算法所存在的缺陷,提出反向遺傳算法(OBGA)與固定隱含層神經(jīng)元個數(shù)相結(jié)合的優(yōu)化方法。通過反向遺傳算法找尋輸入變量最優(yōu)組合,隱含層神經(jīng)元個數(shù)提高預測精度的方式,建立OBGA-FHBP審計預警模型。實驗對比證明,OBGA-FHBP審計預警模型在準確率、建模時間、網(wǎng)絡誤差精度以及穩(wěn)定性上都有所改善。(3)利用審計活動產(chǎn)生的異常數(shù)據(jù),采用D-S證據(jù)理論的置信函數(shù)建立審計危機預警指標優(yōu)先級排列框架,獲得發(fā)現(xiàn)異常數(shù)據(jù)最多的審計危機預警指標,逐步建立DR-Z審計危機預警模型。通過實驗證明,該審計危機預警模型能夠?qū)︶t(yī)院的經(jīng)營狀況進行正確的預警,并對危機險情做出更加客觀的判斷,實現(xiàn)事前或事中預警的功能。(4)根據(jù)醫(yī)院審計預警系統(tǒng)的設計目標,對系統(tǒng)進行了總體設計和詳細設計,并完成了系統(tǒng)的開發(fā)。通過對系統(tǒng)的展示,驗證了系統(tǒng)不僅能夠?qū)徲嫈?shù)據(jù)進行管理與判斷,還能夠有效地實現(xiàn)醫(yī)院審計危機預警與風險評估的功能。該系統(tǒng)包括審計數(shù)據(jù)審核、異常數(shù)據(jù)處理、危機險情警示以及審計結(jié)果公示四個功能模塊,實現(xiàn)審計過程的智能化和一體化。
[Abstract]:With the continuous expansion and improvement of hospital business, hospital audit work is becoming more and more complicated, the traditional audit methods can not meet the needs of digital and information development. Therefore, continuous audit work will become a trend in the future. Although information fusion technology is widely used in the civil field, it is mostly focused on medical diagnosis and financial crisis. The application of continuous audit and audit warning is still in the basic research stage. According to the current situation of hospital audit, this paper takes BP algorithm of neural network and D-S evidence theory as the core of the research. A hospital audit early warning model based on information fusion is constructed to complete the functions of judging audit data and early warning of audit crisis. The main research contents of this paper are summarized as follows: (1) according to the current research situation at home and abroad, the problems existing in the application of information fusion technology in the field of audit early warning are analyzed and summarized. The main contents of the paper are determined, and the main theory and technology of the early warning model are introduced, which provides the theoretical basis for the design and implementation of the final system. This paper analyzes the main attributes of audit data and compares the advantages and disadvantages of the audit early warning algorithm, selects the neural network BP algorithm to construct the audit early warning model, and aims at the defects of the neural network BP algorithm. In this paper, an optimization method combining inverse genetic algorithm (OBGA) with the number of neurons in the fixed hidden layer is proposed. The optimal combination of input variables is found through the reverse genetic algorithm, and the number of neurons in the hidden layer improves the prediction accuracy. The experimental results show that the accuracy, modeling time, network error accuracy and stability of OBGA-FHBP audit early warning model have been improved. By using the confidence function of D-S evidence theory, the priority ranking framework of audit crisis warning index is established, and the audit crisis warning index with the most abnormal data is obtained, and the DR-Z audit crisis warning model is established step by step. The early warning model of audit crisis can give a correct early warning to the operating condition of the hospital, and make a more objective judgment on the crisis risk situation, so as to realize the function of early warning in advance or in the event) according to the design goal of the early warning system of the hospital audit, The overall design and detailed design of the system are carried out, and the development of the system is completed. Through the display of the system, it is verified that the system can not only manage and judge the audit data. The system includes four modules: audit data audit, abnormal data processing, crisis warning and audit result announcement. Realize the intelligence and integration of audit process.
【學位授予單位】：浙江理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：R197.3;TP183;TP277

【相似文獻】

相關期刊論文 前4條

1 張敏;杜燮yN;朱彩云;劉國華;;高危作業(yè)有害因素預防控制水平預警模型[J];中國安全生產(chǎn)科學技術;2009年02期

2 萬歡英;過依;;慢性阻塞性肺疾病預警模型研究[J];內(nèi)科理論與實踐;2012年06期

3 劉如春;陳田木;;長沙市流感/甲型H1N1流感預警模型建立與評價[J];醫(yī)學動物防制;2010年04期

4 ;[J];;年期

相關會議論文 前6條

1 張國興;劉鵬;汪應洛;郭菊娥;;銀行集中信用違約預警模型[A];社會經(jīng)濟發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學會第17屆學術年會論文集[C];2012年

2 鄭伯峰;張錦;李司鐸;劉瀟;;基于貝葉斯網(wǎng)絡的大客戶離網(wǎng)預警模型研究[A];第四屆中國智能計算大會論文集[C];2010年

3 應江勇;周宇;;決策樹在我國通信行業(yè)用戶預警模型中的研究應用[A];第十三屆中國管理科學學術年會論文集[C];2011年

4 翟東升;張金寶;王明吉;張書杰;;基于財務指標的上市公司信用預警模型研究[A];中國現(xiàn)場統(tǒng)計研究會第12屆學術年會論文集[C];2005年

5 文柯;;基于Logistic的上市公司產(chǎn)融結(jié)合風險預警模型研究[A];第十四屆中國管理科學學術年會論文集(上冊)[C];2012年

6 潘潔珠;吳共慶;胡學鋼;;基于關聯(lián)規(guī)則的成績預警模型研究[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

相關重要報紙文章 前4條

1 本報通訊員 宋娟 嚴明良;構建預警模型 降低路網(wǎng)風險[N];中國氣象報;2013年

2 廣發(fā)證券股份有限公司 何沛俐 章早立;立體空間下的全新財務危機遠期預警模型[N];證券時報;2003年

3 記者 謝柳;合眾人壽完成信用風險預警模型[N];中國保險報;2011年

4 張憲邋郝力平 涂春輝 王法力 洪明 劉年財;全流通后警惕公司財務危機[N];中國證券報;2007年

相關博士學位論文 前9條

1 董鶴云;大型施工項目目標偏差適時監(jiān)控方法及預警模型研究[D];華北電力大學;2015年

2 劉彥文;上市公司財務危機預警模型研究[D];大連理工大學;2009年

3 朱鈞鈞;主權違約風險的評估方法和預警模型[D];復旦大學;2011年

4 丁寶成;煤礦安全預警模型及應用研究[D];遼寧工程技術大學;2010年

5 張云波;工程項目工期延誤原因及預警模型研究[D];天津大學;2004年

6 趙軍;基于GIS空間統(tǒng)計分析的區(qū)域房地產(chǎn)動態(tài)預警模型[D];中國地質(zhì)大學（北京）;2011年

7 張加強;中國農(nóng)業(yè)類上市公司可持續(xù)發(fā)展預警模型研究[D];華中農(nóng)業(yè)大學;2011年

8 汪冬華;我國上市公司行業(yè)分析方法及違約風險預警模型研究[D];華中科技大學;2004年

9 馬輝;中國金融風險指標體系構建與預警研究[D];吉林大學;2009年

相關碩士學位論文 前10條

1 冷靜;秦皇島旅游業(yè)可持續(xù)發(fā)展預警模型建立[D];燕山大學;2015年

2 陳小志;輸電線路鳥害預警模型及系統(tǒng)的設計與實現(xiàn)[D];電子科技大學;2014年

3 汪旭穎;基于支持向量回歸機的油田異常井預警模型研究[D];東北石油大學;2015年

4 劉若辰;我國建筑業(yè)上市公司財務危機預警模型研究[D];山東建筑大學;2016年

5 王敏蝦;基于邏輯回歸關聯(lián)規(guī)則的疾病預警模型[D];山東大學;2016年

6 明杰;企業(yè)安全生產(chǎn)預警模型與應用研究[D];首都經(jīng)濟貿(mào)易大學;2016年

7 王若佳;基于互聯(lián)網(wǎng)搜索數(shù)據(jù)的流感預警模型比較與優(yōu)化[D];南開大學;2016年

8 唐琳;衡陽市手足口病疫情分布特征及預警模型的建立[D];南華大學;2016年

9 周丹;我國A股市場上市公司財務危機預警模型研究[D];南華大學;2016年

10 王飛;貴州干旱特征及預警模型研究[D];華北水利水電大學;2016年

，

本文編號：1570231