[发明专利]医院服务量的预测方法

权利要求书

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：

$r_k=\frac{{\widehat{\mathrm{\γ}}}_k}{{\mathrm{\γ}}_0}=\frac{\underset{t=1}{\overset{n-k}{\mathrm{\Σ}}}(y_t-\stackrel{\‾}{y})(y_{t-k}-\stackrel{\‾}{y})}{\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{(y_t-\stackrel{\‾}{y})}^2}$

所述偏自相关函数为：

${\mathrm{\ρ}}_{kk}=\left(\begin{array}{cc}{r}_1,& k=1\\ \frac{r_k-{\mathrm{\Σ\ρ}}_{(k-1)j}{r}_{k-j}}{1-{\mathrm{\Σ\ρ}}_{(k-1)j}{r}_{k-j}}& \begin{array}{cc}k& 1\end{array}\end{array}\right..$