CN106920009-CN201710122794-医院服务量的预测方法.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 106920009 A (43)申请公布日 2017.07.04 (21)申请号 201710122794.2 (22)申请日 2017.03.03 (71)申请人 北京北青厚泽数据科技有限公司 地址 100016 北京市朝阳区朝阳北路145号 13号楼（六里屯孵化器2166号） (72)发明人 夏一粟　刘红跃　 (74)专利代理机构 北京德和衡律师事务所 11405 代理人 王晓 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/22(2012.01) 权利要求书2页 说明书10页 附图3页 (54)发明名称 医院服务量的预测方法 (57)摘要 本发明提供了一种医院服务量的预测方法， 包括：步骤1：读取医院服务量指标的历史数据； 步骤2：将历史数据按预定比例分到训练集和测 试集两个集合中；步骤3：检验训练集中的数据序 列是否平稳，若平稳转到步骤5，否则转到步骤4； 步骤4：将训练集中的数据序列进行平稳性转换， 并执行步骤5；步骤5：选取适当的ARIMA模型来拟 合训练集中的数据序列；步骤6：估计ARIMA模型 的参数；步骤7：检验ARIMA模型，若通过检验，则 转到步骤9，否则，转到步骤8；步骤8：重复步骤5- 7；步骤9：输出通过检验的ARIMA模型；步骤10：用 ARIMA模型预测医院服务量的未来走势。本发明 A 可在考虑服务量趋势的变化和波动的基础上，科 9 学地预测医院各种服务量。 0 0 0 2 9 6 0 1 N C CN 106920009 A 权　利　要　求　书 1/2页 1.一种医院服务量的预测方法，其特征在于，包括： 步骤1：读取医院服务量(如门诊量、住院量)指标的历史数据； 步骤2：将所述历史数据按照时间顺序，并按预定比例分到用于拟合模型的训练集和用 于验证模型准确性的测试集两个集合中，且训练集中的历史数据多于测试集中的历史数 据； 步骤3：检验训练集中的数据序列是否平稳，若平稳转到步骤5，否则转到步骤4； 步骤4：将训练集中的数据序列进行平稳性转换，并执行步骤5； 步骤5：选取适当的ARIMA模型来拟合训练集中的数据序列； 步骤6：估计ARIMA模型的参数； 步骤7：检验ARIMA模型，若通过检验，则转到步骤9，否则，转到步骤8； 步骤8：重复步骤5-7； 步骤9：输出通过检验的ARIMA模型； 步骤10：用ARIMA模型预测医院服务量的未来走势。 2.根据权利要求1所述的医院服务量的预测方法，其特征在于，步骤3包括： 根据训练集中的数据序列的时间序列散点图、自相关函数和偏自相关函数图，以及ADF 单位根检验序列的平稳性，从而实现对数据序列的平稳性进行识别。 3.根据权利要求1所述的医院服务量的预测方法，其特征在于，步骤4包括： 步骤41，将数据序列进行一阶差分或log变换； 步骤42，采用步骤3中的方法检验经过步骤41处理后的数据序列的平稳性，若不平稳， 则再次执行步骤41，直到平稳。 4.根据权利要求1所述的医院服务量的预测方法，其特征在于，步骤5包括： 通过自相关函数的截尾阶数确定ARMA模型的自回归阶数q； 通过偏自相关函数的截尾阶数确定ARMA模型的移动平均的阶数p。 5.根据权利要求4所述的医院服务量的预测方法，其特征在于， 所述自相关函数为： 所述偏自