基于R S-B P 神經(jīng)網(wǎng)絡(luò)的三甲醫(yī)院災(zāi)害脆弱性預(yù)測方法

段然 肖天輝

（河北省承德醫(yī)學(xué)院附屬醫(yī)院，河北承德 067000）

近幾年來，我國的醫(yī)院數(shù)量在逐年增加，同時，三甲醫(yī)院的醫(yī)療技術(shù)也在逐步提升，這主要是因為我國的基礎(chǔ)醫(yī)療設(shè)施結(jié)構(gòu)在不斷地完善發(fā)展。但是在這樣的高速發(fā)展下，仍然存在部分的缺陷和問題。

目前階段，三甲醫(yī)院災(zāi)害發(fā)生率以及致死率漸漸提升，這對于我國的醫(yī)療事業(yè)邁入新的臺階產(chǎn)生了極為重大的影響，所以，需要對三甲醫(yī)院的相關(guān)災(zāi)害作出精準(zhǔn)的預(yù)測，并在災(zāi)害發(fā)生之前，做好相應(yīng)的防護(hù)措施，盡量避免或者減少人員傷亡和經(jīng)濟(jì)損失[1]。通常情況下，建設(shè)醫(yī)院的位置會確定在相對安全的內(nèi)陸地區(qū)，這就極大地減少了部分災(zāi)害的發(fā)生和影響，所以，醫(yī)院的災(zāi)害多數(shù)以地震災(zāi)害為主。這種災(zāi)害實際上具有一定的隨機(jī)性和不穩(wěn)定性，同時形成條件也較為復(fù)雜，不易監(jiān)測和控制，誘發(fā)原因也無規(guī)律。

傳統(tǒng)的醫(yī)院災(zāi)害預(yù)測方法大致是采用數(shù)據(jù)維穩(wěn)的方式來進(jìn)行的，通過日常監(jiān)測數(shù)據(jù)的對比分析，來獲取災(zāi)害發(fā)生的幾率，但是這種方式存在一定的延時性，不能及時地作出應(yīng)對，容易造成預(yù)測脫節(jié)的現(xiàn)象[2]。所以，需要建立更加靈活多變的預(yù)測方法，從多角度、多層次、多結(jié)構(gòu)上去獲取相關(guān)的數(shù)據(jù)信息，并將其細(xì)化、討論，再結(jié)合實際的情況，得出較為全面、科學(xué)的預(yù)測結(jié)果，并依據(jù)結(jié)果制定出維穩(wěn)的執(zhí)行方案。RS-BP 神經(jīng)網(wǎng)絡(luò)技術(shù)是目前應(yīng)用較為廣泛的一項數(shù)字化管控技術(shù)，主要是通過大數(shù)據(jù)以及互聯(lián)網(wǎng)平臺軟件的輔助，建立三維影像模型，利用所制造的模型來解決相關(guān)的問題，以避免在實際的操作過程中出現(xiàn)失控的情況。除此之外，RS-BP 神經(jīng)網(wǎng)絡(luò)技術(shù)還可以遠(yuǎn)距離精準(zhǔn)預(yù)測災(zāi)害，對比于傳統(tǒng)的方法，檢測預(yù)測的范圍更大，層次更多，結(jié)構(gòu)更加完整[3]。因此，對基于RS-BP 神經(jīng)網(wǎng)絡(luò)的三甲醫(yī)院災(zāi)害脆弱性預(yù)測方法進(jìn)行設(shè)計，變更傳統(tǒng)的預(yù)測結(jié)構(gòu)和內(nèi)容，結(jié)合智能化技術(shù)，提升我國的綜合監(jiān)管預(yù)測水平，增加醫(yī)院的安全性，降低脆弱條件。

1 三甲醫(yī)院災(zāi)害脆弱性預(yù)測方法設(shè)計

1.1 進(jìn)行災(zāi)害三維數(shù)據(jù)預(yù)處理

在對三甲醫(yī)院災(zāi)害脆弱性預(yù)測方法進(jìn)行設(shè)計之前，需要對日常醫(yī)院的數(shù)據(jù)信息進(jìn)行三維預(yù)處理。一般情況下，需要先采用位移監(jiān)測儀獲取醫(yī)院附近的環(huán)境數(shù)據(jù)，并對周圍的地質(zhì)環(huán)境作出數(shù)字化三維掃描，建立三維實體的預(yù)測處理模型。將獲取的數(shù)據(jù)信息匯總整合，同時形成關(guān)聯(lián)性分析報告，此項報告主要是對醫(yī)院周圍可能產(chǎn)生、引發(fā)災(zāi)害的外部影響因素歸納總結(jié)，并篩選出最關(guān)鍵的一部分，進(jìn)行重點的關(guān)注、監(jiān)測。但是需要注意的是，位移監(jiān)測儀在獲取數(shù)據(jù)的過程中由于溫度、風(fēng)向、土質(zhì)等外部因素的影響，可能會出現(xiàn)一定的誤差，同時也會出現(xiàn)數(shù)據(jù)的采集與傳輸不穩(wěn)定的狀態(tài)出現(xiàn)，所以，需要利用BIM信息處理技術(shù)，建立輔助建模，計算建模的維穩(wěn)函數(shù)，如下公式（1）所示：

公式（1）中：J 表示建模的設(shè)計維穩(wěn)函數(shù)，δ 表示位移偏差數(shù)值，通過以上計算，最終可以得出實際的維穩(wěn)函數(shù)。將維穩(wěn)函數(shù)作為預(yù)處理的動態(tài)標(biāo)準(zhǔn)，具體如下表1 所示。

表1 預(yù)處理維穩(wěn)標(biāo)準(zhǔn)表

根據(jù)表1 中的數(shù)據(jù)信息，進(jìn)行維穩(wěn)標(biāo)準(zhǔn)的精度設(shè)定。完成之后，為確保預(yù)處理不存在誤差，建立多位移的災(zāi)害預(yù)測結(jié)構(gòu)，可以靈活應(yīng)對所出現(xiàn)的各種類型的災(zāi)害，另外，在進(jìn)行預(yù)處理的過程中，可以通過建立BIM 信息模型來獲取實際的權(quán)重值，并根據(jù)實際的情況的變化作出適當(dāng)?shù)母?，輔助建模中HIA 可以安裝多個傳感器，用來監(jiān)測實時變化的數(shù)據(jù)，更快地獲取到災(zāi)害預(yù)測情況的預(yù)測值[4]。

1.2 建立線性歸一化轉(zhuǎn)換脆弱性預(yù)測模型

在完成災(zāi)害的三維數(shù)據(jù)預(yù)處理之后，接下來，利用線性的歸一化技術(shù)轉(zhuǎn)換預(yù)測模型。先對預(yù)測模型的各項參數(shù)進(jìn)行設(shè)置。包括各個層級的信號選擇，例如：輸入層、輸出層。這部分可以將不同的災(zāi)害特征以及影響因子作為信號標(biāo)準(zhǔn)，在合理的預(yù)測范圍之內(nèi)，對信號節(jié)點、學(xué)習(xí)速率、動態(tài)因子、慣性函數(shù)、訓(xùn)練精度等進(jìn)行處理分析，并獲取相對應(yīng)的數(shù)據(jù)信息，簡化操作模型，并將預(yù)處理的結(jié)構(gòu)添加在模型之中，一定程度上增強(qiáng)了預(yù)測模型的實用價值。計算轉(zhuǎn)換比例，如下公式（2）所示：

公式（2）中：H 表示轉(zhuǎn)換比例，d 表示脆弱標(biāo)準(zhǔn)值，s 表示線性極值。通過以上計算，最終可以得出實際的轉(zhuǎn)換比例。根據(jù)比例進(jìn)行數(shù)據(jù)信息的轉(zhuǎn)換，在此基礎(chǔ)上，繼續(xù)計算其線性期望值，如下公式（3）所示：

公式（3）中：D 表示線性期望值，β 表示實際輸出值，e 表示訓(xùn)練總節(jié)點。通過以上計算，最終可以得出具體的線性期望值。依據(jù)期望目標(biāo)，建立相關(guān)的線性歸一預(yù)測結(jié)構(gòu)，在此結(jié)構(gòu)之中，進(jìn)行對應(yīng)的脆弱性細(xì)節(jié)預(yù)測，并將所得出的預(yù)測及過程整合分析[5]。線性歸一的預(yù)測方法更加貼近現(xiàn)實，同時在三維數(shù)字化技術(shù)的輔助之下，也可以更好地進(jìn)行災(zāi)害的實景預(yù)測，擴(kuò)大預(yù)測的范圍和質(zhì)量。對模型預(yù)測的各個層級需要實施復(fù)合觀測，一旦出現(xiàn)誤差，則表明預(yù)測存在不準(zhǔn)確的可能，需要對相關(guān)的數(shù)據(jù)進(jìn)行核驗，及時更正誤差的數(shù)值以及信號，增加預(yù)測模型的精準(zhǔn)性。

1.3 RS-BP 網(wǎng)格訓(xùn)練技術(shù)實現(xiàn)醫(yī)院災(zāi)害脆弱性的預(yù)測

在完成線性歸一化轉(zhuǎn)換預(yù)測模型的建立后，需要通過RS-BP 網(wǎng)格訓(xùn)練技術(shù)來最終實現(xiàn)三甲醫(yī)院災(zāi)害脆弱性的全面預(yù)測。由于醫(yī)院的災(zāi)害預(yù)測往往都是隨機(jī)性的，所以，隨機(jī)的預(yù)測值是無法用固定的函數(shù)來描述的，需要結(jié)合動態(tài)函數(shù)來拼湊計算，如下公式（4）所示：

公式（4）中：G 表示動態(tài)脆弱值，θ 表示隨機(jī)誤差，α 表示描述距離。通過以上計算，最終可以得出實際的動態(tài)成析值。將其與預(yù)測的基礎(chǔ)數(shù)據(jù)作出對比，采集誤差，并總結(jié)出對應(yīng)的運(yùn)行規(guī)律，在BIM 信息模型與預(yù)測模型之中建立關(guān)聯(lián)關(guān)系，并制定關(guān)聯(lián)預(yù)測條件，如下表2 所示。

表2 關(guān)聯(lián)預(yù)測脆弱條件表

根據(jù)表2 中的預(yù)測條件，進(jìn)行關(guān)聯(lián)預(yù)測模型的二次構(gòu)建。在此基礎(chǔ)上，建立一個預(yù)測序列，首先，需要識別預(yù)測的模型，并在原本的處理序列之中，增加RS-BP 殘差序列，并進(jìn)行預(yù)測的網(wǎng)格訓(xùn)練，每一個殘差序列都需要設(shè)立一個修正節(jié)點，便于訓(xùn)練過程中預(yù)測的準(zhǔn)確性[6]。計算殘差訓(xùn)練節(jié)點預(yù)測值，如下公式（5）所示：

公式（5）中：χ 表示殘差訓(xùn)練節(jié)點預(yù)測值，G 表示動態(tài)成析值，通過以上計算，最終得出具體的殘差訓(xùn)練節(jié)點預(yù)測值，在模型中進(jìn)行三維的RS-BP 網(wǎng)格訓(xùn)練，利用成像技術(shù)，再結(jié)合預(yù)測方法，觀察醫(yī)院災(zāi)害的脆弱性，在此基礎(chǔ)上，計算其脆弱維穩(wěn)程度比值，如下公式（6）所示：

公式（6）中：U 表示脆弱維穩(wěn)程度比值，G 表示動態(tài)成析值，χ 表示殘差訓(xùn)練節(jié)點預(yù)測值，t 表示脆弱程度。計算得出的實際數(shù)值進(jìn)行分析，獲取到最終醫(yī)院災(zāi)害脆弱性的預(yù)測結(jié)果。

2 預(yù)測實例分析

2.1 三甲醫(yī)院災(zāi)害脆弱性現(xiàn)狀簡述

通常醫(yī)院在建設(shè)初期會對實際的位置以及周圍的情況作出較為細(xì)致的核查調(diào)研，確保無嚴(yán)重的外部影響因素，這就很大程度地避免了海嘯、泥石流、沙塵暴等災(zāi)害的影響，所以，地震這種內(nèi)陸型的災(zāi)害的發(fā)生率就相對較高了，影響也會較廣，相對地災(zāi)害的脆弱性也會較強(qiáng)。我國三甲醫(yī)院目前的基礎(chǔ)防護(hù)設(shè)施是較完善的，但是由于災(zāi)害的發(fā)生具有一定的隨機(jī)性，同時醫(yī)院的監(jiān)測模式較為單一，導(dǎo)致災(zāi)害脆弱性較強(qiáng)，對醫(yī)院的正常運(yùn)行以及安全程度產(chǎn)生了極為嚴(yán)重的影響。

2.2 進(jìn)行災(zāi)害預(yù)測過程及結(jié)果討論

選取A 市某區(qū)的醫(yī)院作為本次實例分析的研究對象，具體的分析過程如圖1 所示。

圖1 災(zāi)害脆弱性分析流程示意圖

根據(jù)圖1 的分析，組中可以得出相應(yīng)的預(yù)測數(shù)據(jù)，對其進(jìn)行分析討論，如表3 所示。

表3 災(zāi)害脆弱性預(yù)測結(jié)果分析表

根據(jù)表3 中的數(shù)據(jù)信息，可以得出最終的分析預(yù)測結(jié)果：在相同的分析環(huán)境之下，醫(yī)院災(zāi)害的脆弱性預(yù)測值由動態(tài)預(yù)測值和實測值所組成。通過觀察，可以了解到預(yù)測平方誤差為0.36和0.15，均在合理的范圍之內(nèi)，這表明預(yù)測方法存在一定的合理性，并且效果較好，具有一定的實際應(yīng)用價值。

3 結(jié)論

綜上所述，便是對基于RS-BP 神經(jīng)網(wǎng)絡(luò)的三甲醫(yī)院災(zāi)害脆弱性預(yù)測方法的設(shè)計與研究。對比于傳統(tǒng)的預(yù)測方法，RS-BP神經(jīng)網(wǎng)絡(luò)法對醫(yī)院災(zāi)害的預(yù)測精度相對更高，同時具有極強(qiáng)的可操作性，在不同的災(zāi)害情況下，可以靈活對周圍環(huán)境作出分析，并且制定針對性較高的預(yù)測處理方案，通過對不同的影響因子進(jìn)行分析討論，進(jìn)一步增強(qiáng)其實用性。另外，基于RS-BP 神經(jīng)網(wǎng)絡(luò)技術(shù)在醫(yī)院災(zāi)害脆弱性預(yù)測中的應(yīng)用還在一定程度上提高了醫(yī)院整體的安全性。