Print

基于SARIMA-LSTM的门诊量预测研究

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

  • 1 引言
  • 2 理论基础和方法
  •   2.1 SARIMA模型
  •   2.2 LSTM模型
  •   2.3 基于SARIMA-LSTM的门诊量预测模型
  •   2.4 模型评估方法
  • 3 实例验证与分析
  •   3.1 数据来源及预处理
  •   3.2 SARIMA模型构建
  •     3.2.1 门诊量季节性分析
  •     3.2.2 模型参数搜索
  •     3.2.3 模型检验
  •   3.3 SARIMA-LSTM模型门诊量预测
  •     3.3.1 建模流程与模型结构
  •     3.3.2 SARIMA-LSTM模型训练与预测
  •     3.3.3 模型评估和对比
  • 4 结束语

    • 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

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/4de87c2dc31bb624e207a188.html