换一批摘要目的 公共卫生事件、自然灾害等突发事件会导致对某些医用耗材的需求急剧增加且难以提前预测.因此,在医用耗材需求预测中,需要分析较长时间段内的历史数据来捕捉需求趋势和周期性特征.双向记忆门控循环单元(gated recurrent unit,GRU)网络作为一种改进GRU网络,能够捕捉医用耗材需求相关历史时间序列数据中的双向依赖关系,保证需求预测精度及精细化管理效果.为此,针对医用耗材需求预测中存在的长周期非线性时序依赖捕捉困难和突发需求响应不足等问题,提出一种基于改进GRU网络的医用耗材需求预测方法.方法 通过分析医用耗材需求影响变量与需求量的相关性,筛选关键影响变量,将其输入至双向记忆GRU网络,构建医用耗材需求预测模型;由模型中多尺度特征卷积层提取影响变量的多尺度时间序列特征,结合注意力机制层由其中筛选出关键时空特征,输入至双向记忆GRU层,得到影响变量与医用耗材需求间的双向时序依赖关系,解码后经由全连接层输出双向时序依赖关系相匹配的医用耗材需求预测值.结果 该方法应用下,口罩5 月峰值8841 个,针头2 月峰值30 102 个,可实现各类医用耗材量管理.结论 该方法可依据历史相关数据精准预测出各类医用耗材的月度需求量,并结合所得预测结果实现各类医用耗材量的精细化管理,保障医用耗材的及时供应.
更多相关知识
关键词
改进门控循环单元网络医用耗材需求预测双向记忆双向时序依赖improving gated recurrent unit networkmedical consumablesdemand forecastingbidirectional memorybidirectional temporal dependence
栏目名称
DOI
10.3969/j.issn.1002-3208.2025.04.008
发布时间
2025-09-28（万方平台首次上网日期，不代表论文的发表时间）
基金项目
北京市科技计划课题（Z231100000425176）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
