作者:陈渝; 任正军门诊量预测emdlstm时间序列神经网络模型
摘要:随着现代医院信息化发展,门诊量预测显得更加重要,门诊预测不仅是对医院堆积数据潜在信息的深入挖掘,而且可为医院管理者的医疗资源配置提供建议。针对波动和噪音较大的门诊量时间序列预测问题,使用经验模态分解(EMD)对原始数据进行平稳处理,在此基础上建立长短期记忆(LSTM)神经网络模型,并选取单一的LSTM神经网络以及支持向量回归模型进行比较验证。实验结果表明,该组合模型有较好的预测精度,能为医院管理者提供决策支持。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社