欢迎来到天天文库
浏览记录
ID:47479202
大小:332.50 KB
页数:13页
时间:2020-01-11
《数学建模医保欺诈模型的主动发现》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、.全国大学生数学建模竞赛选拔赛承诺书我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网上咨询等)与队外的任何人(包括指导教师)研究、讨论与赛题有关的问题。我们知道,抄袭别人的成果是违反竞赛章程和参赛规则的,如果引用别人的成果或其他公开的资料(包括网上查到的资料),必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。我们郑重承诺,严格遵守竞赛章程和参赛规则,以保证竞赛的公正、公平性。如有违反竞赛章程和参赛规则的行为,我们将受到严肃处理,并取消参赛资格。我们参赛选择的题号是(从A/B/C/D中选择一项填写):
2、A参赛队员(打印后再手签)::1.2.3.指导教师或指导教师组负责人(没有可不填写):(论文纸质版与电子版中的以上信息必须一致,只是电子版中无需签名。以上内容请仔细核对,提交后将不再允许做任何修改。如填写错误,论文可能被取消评奖资格。)日期:2015年7月29日..医保欺诈的主动发现摘要医疗保险是关系到国计民生和国家发展的重大问题,医保欺诈问题严重威胁医保基金安全,妨碍医保政策的有效实施,因此医保欺诈行为的主动发现对医疗保险的发展、完善和社会稳定发展有重大的意义。本提出了一种基于BP神经网络的识别的鉴别医保欺诈行为的方法。对于数据的处理,我
3、们选择了Excel和Access根据病人ID将表2.1病人资料和表2.2费用明细表进行了汇总和归一,并剔除了包括记录不完整、格式错误之内的无效数据,在这个过程中我们发现了所有的消费记录只是买药,并且在这个月的消费记录中只有极少数病人存在转科室行为,而且一部分病人是自费的,没有医保欺诈嫌疑,还有一些病人存在多人共用医保卡的现象,直接确定其为医保欺诈,这些病人的消费记录为我们训练BP神经网络提供了样本支持。对于这个问题,我们首先用Excel和Access从大量的数据中筛选出了对欺诈识别有用的信息,其中包括病人的年龄,性别,所在科室,当月总消费以
4、及当月消费频率等等你,又考虑到不同科室的消费情况存在差异因此我们求出了各个科室的平均消费额,并且做出了每个病人当月的消费对对应科室平均消费的相对差。有了这些欺诈因子和自费患者以及共用医保卡患者的消费记录,我们建立了Logistic二元回归模型,来评估各个欺诈因子对欺诈的可能性大小的影响进而剔除了对欺诈可能性无效的欺诈因子,保留了对欺诈可能性影响显著的欺诈因子作为输入向量对BP神经进行训练,并且用训练后的网络对医保病人进行了欺诈识别。最终我们认为输出结果为1的病人具有重大医保欺诈嫌疑。关键词医保欺诈Logistic二元回归BP神经网络数据..
5、问题重述1.1问题背景医疗保险是为解决公民或劳动者因为疾病和非因公负伤,丧失劳动能力后的治疗费用及服务,给予物质帮助的一种社会保险制度。医疗保险欺诈行为是指违反医疗保险管理法规和政策,采用虚构事实、隐瞒真相以及其他方法,向医保基金管理机构骗取医保基金或医保待遇的行为。这一行为具有两个基本特征:一是主观表现为直接故意,并且以非法占有医保基金或非法获得医保待遇为目的,二是实施手段主要是通过虚构事实和隐瞒真相,即故意虚构未曾发生的保险事故,或者对发生的保险事故编造虚假的原因或者夸大损失程度,以达到骗取医疗保险基金或医疗保险待遇的目的。我国自城镇职
6、工医疗保险和新农村合作医疗制度实施以来,欺骗医保基金的案件不断发生,事实上,医疗保险欺诈在许多国家每年都有数亿美元的损失,对医保基金安全构成了重大的威胁,妨碍了各国医保政策的实施,因此医疗保险欺诈已成为各国非常重视的社会问题利用数学建模的方法分析医疗保险欺诈行为,建立相应的数学模型可为发现医疗保险欺诈问题提供科学有力的依据。1.2问题描述医疗保险欺诈行为具有两个基本特征:一是主观表现为直接故意,并且以非法占有医保基金或非法获得医保待遇为目的;二是实施手段主要是通过虚构事实和隐瞒真相,即故意虚构未曾发生的保险事故,或者对发生的保险事故编造虚假
7、的原因或者夸大损失程度,以达到骗取医疗保险基金或医疗保险待遇的目的。骗保人进行医保欺诈时通常使用的手段有冒用他人医疗保险证、卡就医;异地就医人员伪造或虚开医疗票据回来报销;“挂床”住院就医;要求医院开具本人不必要的诊疗项目或药品,由他人代作或代用等。下面这些情况都有可能是医保欺诈:单张处方药费特别高,一张卡在一定时间内反复多次拿药等。一、问题分析BP神经网络是一种按误差你传播算法训练的前馈网络,学习过程由信号的正向传播与误差的逆向传播两个过程组成.正向传播时,模式作用于输入层,经隐层处理后,..传入误差的逆向传播阶段,将输出误差按某形式,通
8、过隐层向输入层逐层返回,并“分摊”给各层的所有单元,从而获得各层单元的参考误差或称误差信号,以作为修改各单元权值的依据.权值不断修改的过程,也就是网络学习过程.此过程一直进行到网
此文档下载收益归作者所有