换一批基于Prophet-LSTM-PSO组合模型的医院住院量预测研究
Prediction of hospital inpatients based on combined Prophet-LSTM-PSO model
摘要针对医院住院量预测问题,首先利用先知模型(Prophet)与长短期记忆循环神经网络(LSTM)预测方法对2015年1月到2019年12月上海市东方医院呼吸内科住院量的时序数据进行建模分析,然后利用粒子群算法(PSO)求出两种模型对应的组合系数,从而得到最终的Prophet-LSTM-PSO组合模型,并通过RMSE和MAE统计学指标将组合模型与单一模型进行对比,同时利用公开数据集进行对比实验.结果表明,Prophet-LSTM-PSO组合模型较Prophet、LSTM、移动平均自回归模型等(ARIMA)等单一模型有效地降低了医院住院量预测的偏离性,提高了预测精度.
更多相关知识
- 浏览2
- 被引15
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
