基于季节性神经网络的医院门诊量曲线拟合与预测

摘要：

医院月门诊量是一个具有复杂的非线性组合特征的季节性时间序列.传统的时间序列分析是通过季节调整建立预测模型,效果不理想.本文提出一种利用季节性神经网络模型对医院门诊量进行非线性曲线拟合分析和预测.该模型利用网络神经元对季节性时间序列动态曲线上样本点的学习和训练来模拟曲线上点X<,t>与前d个季节周期点(X<,t-1>,X<,t-2>……,X<,t-d×s>)之间的非线性关系,从而建立季节性时间序列预测模型.文章论述了该模型的设计思想和实现算法.通过计算机仿真实验表明:其非线性曲线拟合精度和预测精度明显高于传统方法,可较好地反映系统的动态性和门诊量的季节时序关联性.

关键词： 季节性时间序列 神经网络 非线性曲线拟合 门诊量 反向传播

作者: 叶明全 胡学钢

作者单位: 合肥工业大学计算机与信息学院(安徽合肥);皖南医学院计算机教研室(安徽芜湖) 合肥工业大学计算机与信息学院(安徽合肥)

会议类型: 国内会议

会议名称: 全国第13届计算机辅助设计与图形学学术会议暨全国第16届计算机科学与技术应用学术会议

会议地点: 合肥

会议语种:中文

页码: 859-862

在线出版日期: 2004-08-01（万方平台首次上网日期，不代表论文的发表时间）