基于LSTM递归神经网络医院门诊量预测方法

• 作者: 吴俊宏 张标标 柯飚挺 马仕强
• 来源期刊: 自动化应用
• 学科: 数学
• 关键词: 门诊序列 数据应用 模型预测 LSTM BP神经
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 计算机与信息技术
• 页码范围: 91-92
• 页数: 2页
• 分类号: O23
• 语种: 中文
• DOI: 10.19769/j.zdhy.2020.07.033

摘要

实时、准确地预测医院门诊量是医院解决目前医患矛盾的重要基础,然而传统医院门诊量无法正确地预测数据而揭示其时间序列内在规律,不能有效地调节治疗资源.提出一种基于长短记忆(LSTM)递归神经网络方法预测门诊时序,具体地说,对门诊时序初始数据进行归一化预处理,减少初始误差,然后将数据输入LSTM模型,解决LSTM过早地进入局部收敛点的问题.与传统BP神经网络模型进行比较,预测精度得到明显提高,更好地预测医院门诊流量随着时间变化的趋势.