EMD与XGBoost组合算法对门诊量预测的研究与分析

摘要：

利用2016-2019年上海某医院历史门诊量构建数据模型,预测一周日平均和一月日平均门诊量,提出用EMD+XG-Boost组合算法在处理日门诊量预测和周门诊量预测.结果表明,该算法优于单XGBoost算法.医院门诊量是医院管理涉及的各种要素中最重要的因素之一,是否能够精确的预测门诊量,对医院的医疗资源配置有着重要的影响.由于医院门诊量是一个非线性时间序列,本文首先利用经验模态分解(EMD)对门诊量序列进行平稳化处理,然后在此基础上增加温度等外部环境因素特征,结合XGBoost算法对门诊量进行预测.实验结果表明,本文提出的EMD+XGBoost组合算法不仅有着较好的预测精度,并且相较于以往的算法,进一步将预测的时间精确到日,效果明显优于单XGBoost算法.

关键词：门诊量预测、时间序列、EMD、XGBoost

所属期刊栏目：39

分类号：TP4

在线出版日期：2023-04-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：148-151