基于LSTM递归神经网络医院门诊量预测方法

张标标 ¹吴俊宏 ¹马仕强 ¹柯飚挺²

扫码查看

作者信息

1. 浙江远图互联科技股份有限公司,浙江杭州,310030
2. 浙江理工大学自控系,浙江杭州,310018
折叠

摘要

实时、准确地预测医院门诊量是医院解决目前医患矛盾的重要基础,然而传统医院门诊量无法正确地预测数据而揭示其时间序列内在规律,不能有效地调节治疗资源.提出一种基于长短记忆(LSTM)递归神经网络方法预测门诊时序,具体地说,对门诊时序初始数据进行归一化预处理,减少初始误差,然后将数据输入LSTM模型,解决LSTM过早地进入局部收敛点的问题.与传统BP神经网络模型进行比较,预测精度得到明显提高,更好地预测医院门诊流量随着时间变化的趋势.

关键词

门诊序列/数据应用/模型预测/LSTM/BP神经

引用本文复制引用

出版年

2020

自动化应用

重庆西南信息有限公司

自动化应用

影响因子：0.156

ISSN：1674-778X

被引量1

参考文献量2

段落导航