基于相似日和粒子群優(yōu)化的LS-SVM模型預(yù)測(cè)醫(yī)院門診量
桑發(fā)文; 馮小素; 陳曉云 聯(lián)勤保障部隊(duì)第940醫(yī)院衛(wèi)勤部; 蘭州730030; 蘭州大學(xué)信息科學(xué)與工程學(xué)院; 蘭州730000
關(guān)鍵詞：相似日 粒子群 最小二乘支持向量機(jī) 門診量 預(yù)測(cè)
摘要：目的針對(duì)醫(yī)院日門診量預(yù)測(cè)的非線性和多因素影響等特點(diǎn),構(gòu)建基于相似日和粒子群優(yōu)化(PSO)方法的最小二乘支持向量機(jī)(LS-SVM)模型對(duì)醫(yī)院門診量進(jìn)行短期預(yù)測(cè)。方法采集某醫(yī)院真實(shí)日門診量數(shù)據(jù),按照相似日方法將門診量數(shù)據(jù)按日類型劃分,分別建立粒子群優(yōu)化的LS-SVM模型對(duì)門診量變化進(jìn)行預(yù)測(cè)。結(jié)果實(shí)驗(yàn)結(jié)果表明,該模型測(cè)試集預(yù)測(cè)結(jié)果的平均絕對(duì)百分比誤差(MAPE)最高為6.5821%,最低為5.0978%,平均值為5.9098%,明顯優(yōu)于基于相似日的LS-SVM、SVM方法和非相似日的PSO-LS-SVM、LS-SVM、SVM和ARIMA方法。結(jié)論該方法具有較高的預(yù)測(cè)精度,可作為醫(yī)院門診量預(yù)測(cè)的一種有效方法。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
相關(guān)期刊
