摘要
门诊量是医院运营管理及资源配置的重要参考指标之一,精准的门诊量预测对医院辅助决策具有重要意义。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混合模型相较五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。
学科与关键词
关键词
季节性差分自回归滑动平均模型长短期记忆网络门诊预测残差 seasonal autoregressive integrated moving average modellong short term memoryoutpatient forecastresidual
- 时间序列预测模型在门诊量预测中的应用刘雅; 田玉兔; 于晓荣中国病案, 2013, (01): 54-56.
- Forecasting patient arrivals at emergency department using calendar and meteorological informationZhang, Yan*; Zhang, Jie; Tao, Min; Shu, Jian; Zhu, DegangApplied Intelligence, 2022, 52(10): 11232-11243.被引 10
- Emergency patient flow forecasting in the radiology departmentZhang, Yumeng; Luo, Li; Zhang, Fengyi*; Kong, Ruixiao; Yang, Jianchao; Feng, Yabing; Guo, HuiliHealth Informatics Journal, 2020, 26(4): 2362-2374.被引 16
