基于相似日和粒子群优化的LS-SVM模型预测医院门诊量

摘要：

目的 针对医院日门诊量预测的非线性和多因素影响等特点,构建基于相似日和粒子群优化(PSO)方法的最小二乘支持向量机(LS-SVM)模型对医院门诊量进行短期预测.方法 采集某医院真实日门诊量数据,按照相似日方法将门诊量数据按日类型划分,分别建立粒子群优化的LS-SVM模型对门诊量变化进行预测.结果 实验结果表明,该模型测试集预测结果的平均绝对百分比误差(MAPE)最高为6.5821％,最低为5.0978％,平均值为5.9098％,明显优于基于相似日的LS-SVM、SVM方法和非相似日的PSO-LS-SVM、LS-SVM、SVM和ARIMA方法.结论 该方法具有较高的预测精度,可作为医院门诊量预测的一种有效方法.

关键词：相似日、粒子群、最小二乘支持向量机、门诊量、预测、医院管理

所属期刊栏目：26

分类号：R197.32(保健组织与事业（卫生事业管理）)

在线出版日期：2020-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1005-1010