基于Lasso与禁忌搜索的患者检查需求预测

摘要：

对住院患者图像检查需求预测问题进行了研究.为有效应对需求影响因素较多,采用Lasso降维减少模型输入变量;基于多元线性回归、BP神经网络和多元自回归差分移动平均模型(ARIMAX)等常用患者需求预测方法构建组合预测方法;为解决传统组合预测方法难以同时考虑多个性能指标的问题,基于线性加权组合预测思路,提出了基于禁忌搜索的权重优化方法.以上海某医院的三种图像检查为例,将患者检查需求分为七类,并对每类患者需求进行预测.结果表明,相较单个预测方法和传统组合预测方法,所提出的组合预测方法具有更好的预测性能.以均方根误差指标为例,采用Lasso降维可使单方法预测和组合方法预测精度改善3％～19％,引入禁忌搜索可使传统组合方法的预测精度提高6％.

关键词：图像检查、需求预测、禁忌搜索

所属期刊栏目：38

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金71471113;71432006;71671111

在线出版日期：2021-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：387-393