基于分解集成的医院诊疗人次预测研究

发布时间：2023-08-18 20:46

　　患者作为医院的一大主体,其数量的变动对于医院的正常运作有着重要的影响,譬如医院工作人员的安排,医院可支配资源的调度以及各种相关政策、决策的制定等等都是以医院的诊疗人次为基础进行的。毫无疑问,精确预测医院的诊疗人次有利于医院的正常运作管理。为了提高医院诊疗人次的预测精度,本论文根据“分解集成”的思想构建了基于小波分解技术的分解集成预测模型。该模型首先使用小波分解技术分解医院诊疗人次时间序列数据,得到若干分量。该分解过程使复杂的原始数据得以简化,并且降低了预测的难度。然后利用人工神经网络这一人工智能模型分别预测各分量。最后,集成所有分量的预测值得到最终的预测值。为了验证本文构建的分解集成模型的预测精准度,本文选取四组不同的医院总诊疗人次的月度数据作为样本展开实证研究。实验结果表明,与其它基准模型相比较,该分解集成模型在预测医院诊疗人次这方面准确度更高。医院诊疗人次的数据具有多变性、复杂性,而本论文构建的模型能够有效处理其多变性和复杂性,进而提高医院诊疗人次的预测精准度,在一定程度上对医院诊疗人次预测领域的发展产生积极的影响。

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
学位论文数据集
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景
    1.2 研究的目的与意义
    1.3 研究内容与章节安排
    1.4 本章小结
第二章 文献综述
    2.1 传统计量统计预测方法
    2.2 人工智能预测方法
    2.3 混合预测方法
    2.4 文献评述及本论文创新点
    2.5 本章小结
第三章 常用预测方法介绍
    3.1 传统计量统计预测方法
        3.1.1 自回归积分滑动平均模型
        3.1.2 灰色预测模型
        3.1.3 指数平滑模型
    3.2 人工智能预测方法
    3.3 混合预测方法
    3.4 本章小结
第四章 分解集成框架下的医院诊疗人次预测
    4.1 模型构建
        4.1.1 数据分解
        4.1.2 分量预测
        4.1.3 集成预测
        4.1.4 分解集成模型
    4.2 实证研究
        4.2.1 数据描述
        4.2.2 评价指标
        4.2.3 基准模型
        4.2.4 参数设置
    4.3 结果分析
    4.4 本章小结
第五章 总结和展望
    5.1 总结
    5.2 展望
参考文献
致谢
研究成果及发表的学术论文
作者和导师简介
附件



本文编号：3842919