[发明专利]一种医院门诊就诊量的预测方法及系统

权利要求书

1.一种医院门诊就诊量的预测方法，其特征在于，包括如下步骤：

获取待测医院预设时间段内的历史业务量数据，所述历史业务量数据包括日期、科室、类别以及对应就诊量；

根据预测时间周期维度统计历史业务量数据，并补充所属历史业务量数据的缺失值；

根据预测时间周期维度构建相应的预测模型；

利用所述预测模型对相应的预设时间周期维度的门诊就诊量进行预测。

2.根据权利要求1所述的医院门诊就诊量的预测方法，其特征在于，所述预测模型包括：按日预测模型、按周预测模型及按月预测模型。

3.根据权利要求2所述的医院门诊就诊量的预测方法，其特征在于，所述利用所述预测模型对相应的预设时间周期维度的门诊就诊量进行预测的步骤包括：采用所述按日预测模型预测未来7天内每天的门诊就诊量，包括如下步骤：

判断待预测的未来7天内的某天是否落入春节期间；

当未来7天内的某天落入春节期间时，将各科室、各类别的历史业务量数据输入Prophet预测模型，得到历史数据的拟合值及落在春节期间内的某天的初步第一预测值；

将历史数据的拟合值与历史真实数据进行对比，得出历史各年中的某天所对应的真实数据与拟合值的平均缩小比例；

根据平均缩小比例对所述初步第一预测值进行等比例缩小，得到落在春节期间内的某天的最终第一预测值；

将所述历史业务量数据中春节期间的历史数据输入Holtwinters预测模型，得到落在春节间内的某天的第二预测值；

将落在春节期间内的某天的最终第一预测值与第二预测值进行加权求和得到最终预测值。

4.根据权利要求3所述的医院门诊就诊量的预测方法，其特征在于，当未来7天内的某天未落入春节期间时，将所述历史业务量数据输入Prophet预测模型，得到未落在春节期间内的某天的第一预测值；

判断各科室、各类别的历史业务量数据是否平稳，并将不平稳的数据进行处理得到平稳的历史业务量数据；

将平稳的历史业务量数据输入ARIMA预测模型，得到未落在春节期间内的某天的第二预测值；

将未落在春节期间内的某天第一预测值与第二预测值进行加权求和得到最终预测值。

5.根据权利要求2所述的医院门诊就诊量的预测方法，其特征在于，所述利用所述预测模型对相应的预设时间周期维度的门诊就诊量进行预测的步骤的包括：采用所述按周预测模型预测未来3周内每周的就诊量总和，包括如下步骤：

判断各科室、各类别的历史业务量数据是否平稳，并将不平稳的数据进行处理得到平稳的历史业务量数据；

将平稳的历史业务量数据输入ARIMA预测模型，得到每周历史数据的拟合值，并根据拟合值和真实值计算每周就诊量的第一预测误差；

将进行平稳性处理后的数据输入Holtwinters预测模型，得到每周历史数据的拟合值，并根据拟合值和真实值计算每周就诊量第二预测误差；

比较每周就诊量第一预测误差及第二预测误差的大小，将预测误差值小的模型输出的预测值作为最终预测值。

6.根据权利要求2所述的医院门诊就诊量的预测方法，其特征在于，所述利用所述预测模型对相应的预设时间周期维度的门诊就诊量进行预测的步骤包括：按月预测模型将预测未来6个月内每月的业务量总和，包括如下步骤：

将各科室、各类别的历史业务量数据输入各自的Prophet预测模型，得到每月对应的第一预测值；

将各科室、各类别的每月历史业务量数据输入各自的Holtwinters预测模型，得到每月对应的第二预测值；

将每月对应的第一预测值与第二预测值的均值作为最终预测值。