基于PSO的LSTM神经网络门诊量预测研究.docx

基于PSO的LSTM神经网络门诊量预测研究
摘要：研究基于粒子群优化算法的长短期记忆神经网络模型构建方法及其在医院门诊管理中的应用，选取三甲医院中医慢病相关科室门诊量历史记录数据，构建基于长短期记忆神经网络的门诊量预测模型，借助粒子群优化算法对长短期记忆网络进行参数优化，并使用优化后的模型对门诊量进行预测。月度门诊量预测结果说明，经过粒子群优化的长短期记忆神经网络模型在测试集上的预测误差RMSE，%。粒子群优化算法能高效地优化预测模型，可使模型较好地预测出门诊量变化趋势，从而为医务人员门诊管理工作提供决策支持。
关键词：门诊量预测;长短期记忆神经网络;粒子群优化;深度学习
中图分类号：TP319文献标识码：A文章编号：1672-7800〔2021〕010-0029-05
Abstract：Toinvestigatetheconstructionmethodoflongshort-termmemory〔LSTM〕neuralnetworkmodelbasedonparticleswarmoptimization〔PSO〕algorithmanditsapplicationinhospitaloutpatientmanagement，thehistoricaloutpatientquantitydataofthedepartmentrelatedtoChinesemedicinechronicdiseaseinthetertiaryhospitalareselectedtoestablishanoutpatientquantitypredictionmodelbymeansofthelongshort-termmemoryneuralnetwork，%，sothatthemodelcanbetterpredictthetrendsofoutpatientquantityandprovidedecisionsupportfortheoutpatientmanagementofmedicalstaff.
KeyWords：outpatientquantityprediction;longshort-termmemoryneuralnetwork;particleswarmoptimization;deeplearning
0引言
随着现代信息技术的开展，医疗活动、医学研究等过程数据被越来越多地记录与存储，由此形成的医疗大数据蕴含着大量有价值的信息，而传统数据