[发明专利]一种医院门诊就诊量的预测方法及系统

说明书

本发明公开了一种医院门诊就诊量的预测方法及系统，通过获取待测医院预设时间段内的历史业务量数据，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补充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。本发明考虑预测时间周期内的长期趋势、年内趋势、月内趋势、短期趋势、周内趋势及春节因素，采用不同的预测模型，在只需要提供门诊历史急诊量数据的情况下，即可达到较高的预测精度。

技术领域

本发明涉及数值建模预测领域，具体涉及一种医院门诊就诊量的预测方法及系统。

背景技术

目前现有与三甲医院未来一周和一个月的门/急诊业务量相关的预测算法，多数采用时间序列或机器学习算法。在学术领域，大多数学者采用简单时间序列的算法，且均不考虑节假日等因素，短期预测结果较好，但无法适应节假日等特殊时期，使得整体预测结果精度不高。在工业领域，大多数企业选择采用机器学习的算法，所需数据特征及数据样本量均较大，但是预测结果并不明显优于时间序列算法。

发明内容

因此，本发明提供的医院门诊就诊量的预测方法及系统，克服了现有技术中对于医院门诊就诊量存在预测性能差精度低的问题。

第一方面，本发明实施例提供一种医院门诊就诊量的预测方法，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。

在一实施例中，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。

在一实施例中，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。

在一实施例中，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，得到待预测数据的第一预测值；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。

在一实施例中，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。