[发明专利]基于LightGBM算法的门诊量预测系统及预测方法

权利要求书

1.一种基于LightGBM算法的门诊量预测系统，其特征在于，包括数据预处理模块、特征构建模块、特征选择模块和模型训练模块；其中：

数据预处理模块，用于从原始门诊信息中提取原始门诊量数据；

特征构建模块，用于将原始门诊量数据，以及包含时间信息和百度指数信息的外部数据分别构建得到门诊量特征、时间特征和关键字百度指数特征；

特征选择模块，用于从门诊量特征、时间特征和关键字百度指数特征中选取相关系数≥0.1且置信概率≤0.005的特征，再利用遗传算法，进行筛选确认，获得样本特征；

模型训练模块，用于利用样本特征在训练数据集上使用LightGBM算法对预测模型进行训练，构建得到基于LightGBM的门诊量预测模型；

其中，特征构建模块中，构建的时间特征为：当天是否为休息日、当天所在假期的长度、当天到前/后一个假期的时间间隔、当天前/后一个假期的长度、当天是否为周一/二/三/四/五/六/日；

构建的门诊量特征为：一定时间间隔的门诊量特征、一定时间间隔的一定时间范围内的门诊量的均值、方差、标准差、偏度、峰度、中位数、最大值以及最小值；

构建的关键字百度指数特征为：利用爬虫获取的与某项疾病相关的关键字的百度指数，然后根据该百度指数计算与当天具有一定时间间隔且在一定时间范围内的百度指数的均值、方差、标准差、偏度、峰度、中位数、最大值以及最小值。

2.根据权利要求1所述的基于LightGBM算法的门诊量预测系统，其特征在于，数据预处理模块中，从原始门诊信息中提取原始门诊量数据是指移除具有规律性的人员数据和错误的门诊数据。

3.根据权利要求2所述的基于LightGBM算法的门诊量预测系统，其特征在于，原始门诊信息包括门诊用户的来访日期、病人ID、诊断信息以及疾病信息；所述的具有规律性的人员数据包括取药人员、开药人员、复诊人员和复查人员；所述的错误的门诊数据包括挂错号人员、fuchsa人员、fuccha人员和买药人员；

其中，fuchsa人员、fuccha人员是由于医生个人笔误造成的结果。

4.采用权利要求1～3中任意一项所述的基于LightGBM算法的门诊量预测系统进行疾病门诊量预测的方法，其特征在于，包括以下步骤：

1)数据预处理

获取某疾病对应某医院某科室的原始门诊信息，从该原始门诊信息中提取原始门诊量数据；

2)特征构建

结合经过数据预处理的原始门诊量数据，以及从外部数据中引入的时间信息数据和关键字百度指数信息数据，分别构建得到门诊量特征、时间特征及关键字百度指数特征；

3)特征选择

从步骤2)构建的三类特征中，先选取相关系数≥0.1且置信概率≤0.005的特征，再利用遗传算法，进行筛选确认，获得样本特征；

4)模型训练

利用样本特征，在训练数据集上使用LightGBM算法对预测模型进行训练，构造基于LightGBM的疾病门诊量预测模型，获得某疾病的门诊量预测数据。