论文摘要
为了实现更加稳健和精准的门诊量预测,构建了一种基于SARIMA-LSTM的门诊量预测模型。该方法首先使用SARIMA模型对门诊量进行单指标建模,提取门诊量指标蕴含的周期、趋势等信息,然后构建了以节日天数、法定上班天数、平均最高气温等多个相关指标为输入的多对一LSTM模型,对SARIMA模型残差进行进一步学习,实现残差与多个变量间的非线性关系抽取。实证结果表明,构建SARIMA-LSTM混合模型相较5种主流预测方法具有更高的一步预测精度,具有较好的实际应用价值。
论文目录
文章来源
类型: 期刊论文
作者: 卢鹏飞,须成杰,张敬谊,韩侣,李静
关键词: 长短期记忆网络,门诊预测,残差
来源: 大数据 2019年06期
年度: 2019
分类: 信息科技,医药卫生科技
专业: 医药卫生方针政策与法律法规研究,自动化技术
单位: 万达信息股份有限公司,复旦大学附属妇产科医院,长春理工大学
基金: 上海市科委民生科技支撑计划专项临床医学科技创新项目(No.17411950500,No.17411950505)~~
分类号: TP18;R197.3
页码: 1-10
总页数: 10
文件大小: 1492K
下载量: 260