首页 > 文献资料
-
基于病案首页的ARIMA模型及其改进模型的预测对比
目的 探讨支持向量机对ARIMA算法的改进作用,同时利用某院的门诊诊疗人次对ARIMA-SVM组合模型进行实证研究,为SVM在医院的利用提供实践基础.方法 从理论层面解释SVM算法以及ARIMA-SVM组合模型;再选取某院2014年1月-2016年12月的数据用ARIMA-SVM组合模型构建预测模型,并且预测2017年1月-2017年9月门诊诊疗人次,对比单纯ARIMA模型的预测结果,比较2个模型的预测能力.结果 ARIMA-SVM组合模型的预测精度优于单纯的ARIMA模型,ARIMA-SVM组合模型的MAPE为4.61％,而ARIMA模型的MAPE为4.90％.结论 ARIMA-SVM模型在医院运营管理中有积极作用,并且SVM为医院多项业务可提供支持.
关键词： 支持向量机 回归滑动平均混合模型 医院运营 R语言 -
基于R语言ARIMA模型在急性支气管相关疾病发病预测中的应用
目的：建立急性支气管炎出院人次的回归滑动平均混合模型(ARIMA)，科学预测急性支气管炎入院人次，为该病的诊治提供理论依据。方法使用R语言做模型的识别、模型的参数估计与检验，建立ARIMA模型，对某院2002年-2014年急性支气管炎出院人次进行模型拟合，用2015年的预测值与实际值作比较，检验模型的预测能力，并且预测2016年急性支气管炎入院人次。结果经过多次检验，确定ARIMA(3,2,2)模型预测能力佳，其残差序列是白噪声。用2015年数据来检验模型，其MAPE的绝对值均小于10%，说明模型的拟合优度相对较好，预测能力可靠，根据该模型预测2016年该院急性支气管炎入院人次为980。结论 ARIMA模型能够很好的拟合急性支气管炎的入院人次并进行短期预测，模型显示2016年该院的急性支气管炎的入院人次将有所上升。
关键词： R语言 急性支气管炎 发病率 预测 回归滑动平均混合模型 -
基于R语言ARIMA模型在慢阻肺急性加重患者发病预测中的应用
目的 建立慢阻肺急性加重人院人次的自回归积分滑动平均模型(ARIMA),科学预测慢阻肺急性加重入院人次,为该病的诊治以及合理利用医疗资源提供理论依据.方法 使用R语言(v.3.2.3)做模型的识别、模型的参数估计与检验,建立ARIMA模型,对某院2013-2015年慢阻肺急性加重出院人次进行模型拟合,用2016年1～3月的预测值与实际值作比较,检验模型的预测能力,并且预测2016年4-6月慢阻肺急性加重入院人次.结果 经过多次检验,确定ARIMA(2,2,1)(1,1,1)12模型预测能力佳,其残差序列是白噪声.用2016年1～3月数据来检验模型,其MAPE的绝对值均小于10％,说明模型的拟合优度相对较好,预测能力可靠,根据该模型预测2016年4～6月该院慢阻肺急性加重入院人次分别为162、160、159.结论 ARIMA模型能够很好的拟合慢阻肺急性加重的入院人次并进行短期预测,模型显示2016年该院的急性支气管炎的入院人次将有所上升,为医院合理利用医疗资源提供了有力依据.
关键词： R语言 慢阻肺急性加重 预测 回归滑动平均混合模型
