基于PSO的LSTM神经网络门诊量预测研究

• 作者: 刘钊 宓轶群 朱平 覃智威 陆允敏
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 门诊量预测 长短期记忆神经网络 粒子群优化 深度学习
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 人工智能
• 页码范围: 29-33
• 页数: 5页
• 分类号: TP319
• 语种: 中文
• DOI: 10.11907/rjdk.192823

摘要

研究基于粒子群优化算法的长短期记忆神经网络模型构建方法及其在医院门诊管理中的应用,选取三甲医院中医慢病相关科室门诊量历史记录数据,构建基于长短期记忆神经网络的门诊量预测模型,借助粒子群优化算法对长短期记忆网络进行参数优化,并使用优化后的模型对门诊量进行预测.月度门诊量预测结果表明,经过粒子群优化的长短期记忆神经网络模型在测试集上的预测误差RMSE,相比未优化的模型减小了48.5％.粒子群优化算法能高效地优化预测模型,可使模型较好地预测出门诊量变化趋势,从而为医务人员门诊管理工作提供决策支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱平		102	1570	25.0	36.0
2	陆允敏		21	176	7.0	12.0
3	宓轶群		28	275	11.0	16.0
4	刘钊		20	97	6.0	9.0
5	覃智威		2	4	1.0	2.0