基于SARIMA-LSTM的门诊量预测研究
发布时间：2021-11-09 12:43
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。
【文章来源】：大数据. 2019,5(06)
【文章页数】：10 页
【部分图文】：
门诊量加法模型分解示意
3.3.1 建模流程与模型结构表2 模型参数与参数显著性检验信息 参数 系数值 标准误 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模型整体建模流程
【参考文献】：
期刊论文
[1]基于LSTM深度神经网络的月门诊量预测精度研究[J]. 李琳,王哲,张学良,王凯,周毅. 中国数字医学. 2019(01)
[2]基于相似日和极限学习机方法的医院门诊量短期预测[J]. 桑发文,韦哲,陈辉,杜小加. 中国数字医学. 2018(02)
[3]温特斯加法指数平滑法在门急诊人次预测中的应用[J]. 王晓丽,施天行,杨思睿,陈潇雨,Chen Jie. 中国卫生信息管理杂志. 2016(02)
[4]现代医院门诊量的灰色RBF神经网络预测[J]. 张筠莉,杨祯山. 计算机工程与应用. 2010(29)
本文编号：3485367
【文章来源】：大数据. 2019,5(06)
【文章页数】：10 页
【部分图文】：
门诊量加法模型分解示意
3.3.1 建模流程与模型结构表2 模型参数与参数显著性检验信息 参数 系数值 标准误 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模型整体建模流程
【参考文献】：
期刊论文
[1]基于LSTM深度神经网络的月门诊量预测精度研究[J]. 李琳,王哲,张学良,王凯,周毅. 中国数字医学. 2019(01)
[2]基于相似日和极限学习机方法的医院门诊量短期预测[J]. 桑发文,韦哲,陈辉,杜小加. 中国数字医学. 2018(02)
[3]温特斯加法指数平滑法在门急诊人次预测中的应用[J]. 王晓丽,施天行,杨思睿,陈潇雨,Chen Jie. 中国卫生信息管理杂志. 2016(02)
[4]现代医院门诊量的灰色RBF神经网络预测[J]. 张筠莉,杨祯山. 计算机工程与应用. 2010(29)
本文编号：3485367
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3485367.html
