基于LSTM递归神经网络医院门诊量预测方法

发布时间：2021-02-24 21:12

　　实时、准确地预测医院门诊量是医院解决目前医患矛盾的重要基础,然而传统医院门诊量无法正确地预测数据而揭示其时间序列内在规律,不能有效地调节治疗资源。提出一种基于长短记忆（LSTM）递归神经网络方法预测门诊时序,具体地说,对门诊时序初始数据进行归一化预处理,减少初始误差,然后将数据输入LSTM模型,解决LSTM过早地进入局部收敛点的问题。与传统BP神经网络模型进行比较,预测精度得到明显提高,更好地预测医院门诊流量随着时间变化的趋势。 

【文章来源】：自动化应用. 2020,(07)

【文章页数】：2 页

【文章目录】：
0 引言
1 LSTM时序预测数学模型
2 LSTM递归神经网络预测流程
3 结果分析
4 结语


【参考文献】：
期刊论文
[1]基于时间序列模型的医院门诊量分析与预测[J]. 朱顺痣,王大寒,何亚男,王琰.  中国科学技术大学学报. 2015(10)
[2]自回归模型在医院年门诊量预测中的应用[J]. 史文宗,刘启贵,杨奕,杨丽莉,王益民,李永强.  中国医院统计. 2014 (04)
[3]两种模型在医院门诊量预测中的应用[J]. 武权,王海威,魏星.  西南国防医药. 2010(05)



本文编号：3049950