基于相似日和极限学习机方法的医院门诊量短期预测

• 作者: 杜小加 桑发文 陈辉 韦哲
• 来源期刊: 中国数字医学
• 学科: 医学
• 关键词: 医院管理 相似日 极限学习机 门诊量 预测
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 应用交流
• 页码范围: 113-115
• 页数: 3页
• 分类号: TP301.6|R195.1
• 字数: 2810字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7571.2018.02.036

摘要

目的:研究相似日和极限学习机(ELM)的方法在医院门诊量短期预测中的应用,提高医院门诊量预测水平.方法:以某医院2010年10月至2016年1月日门诊量数据为实验样本,按 照相似日原理,将历史门诊量数据按日类型分类,对数据进行预处理后分别建立极限学习机预测模型,并对模型进行训练和测试.结果及结论:选用平均绝对误差和平均相对误差作为评价指 标,仿真实验结果表明,该方法预测精度较高,可作为医院门诊量预测的一种有效方法.