發(fā)布時(shí)間：2021-11-09 12:43

　　為了實(shí)現(xiàn)更加穩(wěn)健和精準(zhǔn)的門診量預(yù)測(cè),構(gòu)建了一種基于SARIMA-LSTM的門診量預(yù)測(cè)模型。該方法首先使用SARIMA模型對(duì)門診量進(jìn)行單指標(biāo)建模,提取門診量指標(biāo)蘊(yùn)含的周期、趨勢(shì)等信息,然后構(gòu)建了以節(jié)日天數(shù)、法定上班天數(shù)、平均最高氣溫等多個(gè)相關(guān)指標(biāo)為輸入的多對(duì)一LSTM模型,對(duì)SARIMA模型殘差進(jìn)行進(jìn)一步學(xué)習(xí),實(shí)現(xiàn)殘差與多個(gè)變量間的非線性關(guān)系抽取。實(shí)證結(jié)果表明,構(gòu)建SARIMA-LSTM混合模型相較5種主流預(yù)測(cè)方法具有更高的一步預(yù)測(cè)精度,具有較好的實(shí)際應(yīng)用價(jià)值。 

【文章來源】：大數(shù)據(jù). 2019,5(06)

【文章頁數(shù)】：10 頁

【部分圖文】：

門診量加法模型分解示意

3.3.1 建模流程與模型結(jié)構(gòu)表2 模型參數(shù)與參數(shù)顯著性檢驗(yàn)信息 參數(shù) 系數(shù)值 標(biāo)準(zhǔn)誤 Z值 P值 95%置信下限 95%置信上限 ar.L1 0.020 5 0.107 0.19 0.849 -0.19 0.231 ar.L2 -0.932 2 0.036 -26.014 0 -1.002 -0.862 ar.L3 -0.223 0.106 -2.101 0.036 -0.431 -0.015 ma.L1 -0.275 2 0.046 -5.929 0 -0.366 -0.184 ma.L2 0.989 1 0.099 10.019 0 0.796 1.183 ar.S.L12 0.466 8 0.222 2.105 0.035 0.032 0.901 ma.S.L12 -0.809 5 0.221 -3.662 0 -1.243 -0.376 sigma2 3.94×107 4.28×10-9 9.19×1015 0 3.94×107 3.94×107

SARIMA-LSTM模型整體建模流程

【參考文獻(xiàn)】：
期刊論文
[1]基于LSTM深度神經(jīng)網(wǎng)絡(luò)的月門診量預(yù)測(cè)精度研究[J]. 李琳,王哲,張學(xué)良,王凱,周毅.  中國(guó)數(shù)字醫(yī)學(xué). 2019(01)
[2]基于相似日和極限學(xué)習(xí)機(jī)方法的醫(yī)院門診量短期預(yù)測(cè)[J]. 桑發(fā)文,韋哲,陳輝,杜小加.  中國(guó)數(shù)字醫(yī)學(xué). 2018(02)
[3]溫特斯加法指數(shù)平滑法在門急診人次預(yù)測(cè)中的應(yīng)用[J]. 王曉麗,施天行,楊思睿,陳瀟雨,Chen Jie.  中國(guó)衛(wèi)生信息管理雜志. 2016(02)
[4]現(xiàn)代醫(yī)院門診量的灰色RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)[J]. 張?bào)蘩?楊禎山.  計(jì)算機(jī)工程與應(yīng)用. 2010(29)



本文編號(hào)：3485367