The invention provides a prediction method, a hospital volume includes: Step 1: read the historical data of hospital service quantity index; step 2: the historical data according to the predetermined proportion is divided into training set and testing set two sets; step 3: test data sequence in the training set is stable, if the smooth go to step 5, otherwise go to step 4; step 4: the data sequence in the training set of a smooth conversion, and step 5; step 5: select the appropriate ARIMA model to fit the data sequence in the training set; step 6: ARIMA model parameter estimation; step 7: ARIMA model, if the test, go to step 9, otherwise, go to step 8; step 8: repeat step 5 7; step 9: output by ARIMA model test; step 10: predict the future trend of medical service by using the ARIMA model. The invention can scientifically predict various service quantities of a hospital on the basis of considering the variation and fluctuation of service quantity trends.
【技术实现步骤摘要】
医院服务量的预测方法
本专利技术涉及预测
,特别涉及一种医院服务量的预测方法。
技术介绍
科学准确地预测医院服务量,越来越成为各级医院处理日常工作和规划未来发展的重要依据。在医院信息管理中,统计预测已成为一种不可或缺的工具,可为医院管理决策提供客观依据。科学、准确地分析医院服务量动态变化,拟合合理统计模型,预测服务量趋势,对于医院合理配置人、财、物等资源,制定科学的医院发展规划具有重要意义。但是门诊量受社会医疗政策、医院的治疗水平、人们的生活水平变化,以及就医的心理观念、自然环境、季节性等众多因素的影响,表现的变化也是敏感和巨大的。传统的统计方法,运用静态因果结果模型进行分析预测,已经无法准确的处理这些复杂的数据和难控制的变化因子。
技术实现思路
本专利技术提供了一种医院服务量的预测方法,以解决现有技术运用静态因果结果模型进行分析预测,无法准确处理复杂的数据和难控制的变化因子的问题。为解决上述问题,作为本专利技术的一个方面,提供了一种医院服务量的预测方法,包括:步骤1:读取医院服务量(如门诊量、住院量)指标的历史数据;步骤2:将所述历史数据按照时间顺序,并按预定比例分到用于拟合模型的训练集和用于验证模型准确性的测试集两个集合中,且训练集中的历史数据多于测试集中的历史数据;步骤3:检验训练集中的数据序列是否平稳,若平稳转到步骤5,否则转到步骤4;步骤4:将训练集中的数据序列进行平稳性转换,并执行步骤5;步骤5:选取适当的ARIMA模型来拟合训练集中的数据序列;步骤6:估计ARIMA模型的参数;步骤7:检验ARIMA模型,若通过检验,则转到步骤9,否则,转到 ...
【技术保护点】
一种医院服务量的预测方法,其特征在于,包括:步骤1:读取医院服务量(如门诊量、住院量)指标的历史数据;步骤2:将所述历史数据按照时间顺序,并按预定比例分到用于拟合模型的训练集和用于验证模型准确性的测试集两个集合中,且训练集中的历史数据多于测试集中的历史数据;步骤3:检验训练集中的数据序列是否平稳,若平稳转到步骤5,否则转到步骤4;步骤4:将训练集中的数据序列进行平稳性转换,并执行步骤5;步骤5:选取适当的ARIMA模型来拟合训练集中的数据序列;步骤6:估计ARIMA模型的参数;步骤7:检验ARIMA模型,若通过检验,则转到步骤9,否则,转到步骤8;步骤8:重复步骤5‑7;步骤9:输出通过检验的ARIMA模型;步骤10:用ARIMA模型预测医院服务量的未来走势。
【技术特征摘要】
1.一种医院服务量的预测方法,其特征在于,包括:步骤1:读取医院服务量(如门诊量、住院量)指标的历史数据;步骤2:将所述历史数据按照时间顺序,并按预定比例分到用于拟合模型的训练集和用于验证模型准确性的测试集两个集合中,且训练集中的历史数据多于测试集中的历史数据;步骤3:检验训练集中的数据序列是否平稳,若平稳转到步骤5,否则转到步骤4;步骤4:将训练集中的数据序列进行平稳性转换,并执行步骤5;步骤5:选取适当的ARIMA模型来拟合训练集中的数据序列;步骤6:估计ARIMA模型的参数;步骤7:检验ARIMA模型,若通过检验,则转到步骤9,否则,转到步骤8;步骤8:重复步骤5-7;步骤9:输出通过检验的ARIMA模型;步骤10:用ARIMA模型预测医院服务量的未来走势。2.根据权利要求1所述的医院服务量的预测方法,其特征在于,步骤3包括:根据训练集中的数据序列的时间序列散点图、自相关函数和偏自相关函数图,以及ADF单位根检验序列的平稳性,从而实现对数据序列的平稳性进行识别。3.根据权利要求1所述的医院服务量的预测方法,其特征在于,步骤4包括:步骤41,将数据序列进行一阶差分或log变换;步骤42,采用步骤3中的方法检验经过步骤41处理后的数据序列的平稳性,若不平稳,则再次执行步骤41,直到平稳。4.根据权利要求1所述的医院服务量的预测方法,其特征在于,步骤5包括:通过自相关函数的截尾阶数确定ARMA模型的自回归阶数q;通过偏自相关函数的截尾阶数确定ARMA模型的移动平均的阶数p。5.根据权利要求4所述的医院服务量的预测方法,其特征在于,所述自相关函数为:
【专利技术属性】
技术研发人员:夏一粟,刘红跃,
申请(专利权)人:北京北青厚泽数据科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。