-
公开(公告)号：CN109002904A
公开(公告)日：2018-12-14
申请号：CN201810644399.5
申请日：2018-06-21
Applicant: 中南大学
Abstract: 本发明公开了一种基于Prophet-ARMA的医院门诊就诊量预测方法，包括步骤1：获取与待测时段相邻的历史时段的门诊数据并生成每类门诊的门诊数据集；步骤2：将每个门诊数据集分别输入每类门诊的Prophet模型得到第一预测数据和拟合数据；步骤3：计算每类门诊的残差序列；步骤4：分别判断每类门诊的残差序列是否为纯随机序列，若不是，将残差序列输入对应ARMA模型得到第二预测数据，再执行步骤5；若是执行步骤6；步骤5：分别将同一类门诊的第一预测数据、第二预测数据相加得到待测时段的就诊量预测值；步骤6：将第一预测数据作为待测时段的就诊量预测值。本发明通过将Prophet和ARMA相结合来提高就诊量预测精度。
-
公开(公告)号：CN108877905A
公开(公告)日：2018-11-23
申请号：CN201810602381.9
申请日：2018-06-12
Applicant: 中南大学
CPC classification number: G16H40/20 , G06K9/6256 , G06Q10/04
Abstract: 本发明公开了一种基于Xgboost框架的医院门诊就诊量预测方法，包括：获取历史数据，并基于历史数据构建每类门诊的门诊数据集；利用每类门诊的门诊数据集构建每类门诊的Stacking‑Xgboost的预测模型；Stacking‑Xgboost的预测模型包括N2个的Xgboost基学习器；获取预测日内每个关联特征的量值，并输入至待测门诊类型的Stacking‑Xgboost的预测模型中得到在预测日对应待测门诊的就诊量预测值，预测日的就诊量预测值等于所有Xgboost基学习器的预测值的平均值或加权平均计算结果。上述方法解决了就诊量与天气因素的相关性研究问题，同时具有预测精度高、速度快的优点。
-
公开(公告)号：CN109002904B
公开(公告)日：2020-09-08
申请号：CN201810644399.5
申请日：2018-06-21
Applicant: 中南大学
Abstract: 本发明公开了一种基于Prophet‑ARMA的门诊就诊量预测方法，包括步骤1：获取与待测时段相邻的历史时段的门诊数据并生成每类门诊的门诊数据集；步骤2：将每个门诊数据集分别输入每类门诊的Prophet模型得到第一预测数据和拟合数据；步骤3：计算每类门诊的残差序列；步骤4：分别判断每类门诊的残差序列是否为纯随机序列，若不是，将残差序列输入对应ARMA模型得到第二预测数据，再执行步骤5；若是执行步骤6；步骤5：分别将同一类门诊的第一预测数据、第二预测数据相加得到待测时段的就诊量预测值；步骤6：将第一预测数据作为待测时段的就诊量预测值。本发明通过将Prophet和ARMA相结合来提高就诊量预测精度。
-
公开(公告)号：CN108877905B
公开(公告)日：2020-11-10
申请号：CN201810602381.9
申请日：2018-06-12
Applicant: 中南大学
Abstract: 本发明公开了一种基于Xgboost框架的医院门诊就诊量预测方法，包括：获取历史数据，并基于历史数据构建每类门诊的门诊数据集；利用每类门诊的门诊数据集构建每类门诊的Stacking‑Xgboost的预测模型；Stacking‑Xgboost的预测模型包括N2个的Xgboost基学习器；获取预测日内每个关联特征的量值，并输入至待测门诊类型的Stacking‑Xgboost的预测模型中得到在预测日对应待测门诊的就诊量预测值，预测日的就诊量预测值等于所有Xgboost基学习器的预测值的平均值或加权平均计算结果。上述方法解决了就诊量与天气因素的相关性研究问题，同时具有预测精度高、速度快的优点。
-
-
-
Search Results
4
records
(took 0.017 seconds)
