论文部分内容阅读
随着医院业务的不断扩展和完善,医院审计工作越来越繁杂,传统的审计方式已经无法满足当今数字化、信息化的发展要求,因此连续审计工作将成为今后的发展趋势。虽然信息融合技术在民事领域应用相对广泛,但大多集中在医疗诊断和财务危机方面,在连续审计以及审计预警方面的应用还处在基础研究阶段。本文针对当前医院审计工作的现状,以神经网络BP算法和D-S证据理论为研究核心,构建了基于信息融合的医院审计预警模型,完成审计数据的判断和审计危机预警等功能,从而达到实时监测医院审计活动的目的。本文的主要研究内容概括如下:(1)根据国内外的研究现状,分析并总结了信息融合技术应用于审计预警领域时存在的问题,确定了论文研究的主要内容,并对预警模型的主要理论及技术进行了介绍,为最终系统的设计与实现提供理论依据。(2)针对当前医院审计流程存在的问题,分析审计数据的主要属性并对比审计预警算法的优劣,选取神经网络BP算法构建审计预警模型,同时针对神经网络BP算法所存在的缺陷,提出反向遗传算法(OBGA)与固定隐含层神经元个数相结合的优化方法。通过反向遗传算法找寻输入变量最优组合,隐含层神经元个数提高预测精度的方式,建立OBGA-FHBP审计预警模型。实验对比证明,OBGA-FHBP审计预警模型在准确率、建模时间、网络误差精度以及稳定性上都有所改善。(3)利用审计活动产生的异常数据,采用D-S证据理论的置信函数建立审计危机预警指标优先级排列框架,获得发现异常数据最多的审计危机预警指标,逐步建立DR-Z审计危机预警模型。通过实验证明,该审计危机预警模型能够对医院的经营状况进行正确的预警,并对危机险情做出更加客观的判断,实现事前或事中预警的功能。(4)根据医院审计预警系统的设计目标,对系统进行了总体设计和详细设计,并完成了系统的开发。通过对系统的展示,验证了系统不仅能够对审计数据进行管理与判断,还能够有效地实现医院审计危机预警与风险评估的功能。该系统包括审计数据审核、异常数据处理、危机险情警示以及审计结果公示四个功能模块,实现审计过程的智能化和一体化。