融合EMD与LSTM神经网络的门诊量预测模型研究

• 作者: 任正军 陈渝
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 门诊量预测 EMD LSTM 时间序列 神经网络模型
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 133-138
• 页数: 6页
• 分类号: TP319
• 字数: 5922字
• 语种: 中文
• DOI: 10.11907/rjdk.182026

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈渝	昆明理工大学管理与经济学院	45	341	8.0	18.0
2	任正军	昆明理工大学管理与经济学院	1	2	1.0	1.0