[发明专利]一种基于时间序列动态预测中短期区域儿科门诊人次的方法

权利要求书

1.一种基于时间序列动态预测中短期区域儿科门诊人次的方法，其特征在于，该方法利用前期儿科门诊人次数据预测下一周期的儿科门诊人次，即随着时间的推移，时间序列不断加入最近一期儿科门诊人次的真实数据，反复迭代优化模型，动态预测下期儿科门诊人次；

该方法包括以下步骤：

S1：序列平稳性检验和处理；

S2：事件变量识别；

S3：参数估计、参数检验与模型评估；

S4：最优序列长度识别；

S5：动态预测；

所述的序列平稳性检验和处理，包括如下子步骤：

S11：数据收集和预处理，选择准确性高、信息覆盖率高的儿童就诊数据，将无用数据去噪，集约出有用数据；

S12：序列平稳性检验，通过对序列图分析以及自相关性检验，判断序列的平稳性；

S13：序列平稳性处理，对非平稳时间序列进行平稳化处理，如存在长期趋势则进行差分，如存在季节影响则进行季节性差分，直到处理后的数据为平稳序列，即序列的自相关系数和偏自相关系数很快地衰减到零，出现拖尾或者截尾现象；

所述的事件变量识别，包括如下步骤：

S2：儿科门诊量具有周期性、季节性和节假日效应，将月份、节假日作为事件变量引入时间序列预测模型，来评价事件变量对序列的扰动情况，并据此进一步对时间序列预测值进行调整；

所述的参数估计、参数检验与模型评估，包括如下子步骤：

S31：参数估计，儿科门诊量具有显著的周期性，采用乘积季节求和自回归移动平均模型建模；

S32：参数检验，对各参数进行检验，P0.05则具有显著性意义，模型可以表达序列信息，采用Box-Ljung法检验残差序列，P0.05则认为残差序列是白噪声；

S33：模型评估，采用设定的拟合效果指标评估模型拟合效果；

所述的最优序列长度识别，包括如下子步骤：

S41：选择不同时间长度的动态序列，加入事件变量，构建预测模型，以此克服时间序列预测的过拟合或预测外推效果不佳问题，得到不同序列长度的时间序列预测模型；

S42：通过设定的拟合效果指标，选择最优模型和最优时间序列长度；

所述的动态预测，包括如下子步骤：

S51：根据最优序列长度结果，利用时间范围内儿科门诊人次的时间序列拟合最优模型，预测下一时期的门诊人次情况；

S52：反复迭代优化模型，动态预测最近时期的儿科门诊人次。

2.根据权利要求1所述的一种基于时间序列动态预测中短期区域儿科门诊人次的方法，其特征在于：所述的数据收集和预处理，包括以下子步骤：

S111：数据收集,选择准确性高、信息覆盖率高的数据；

S112：数据预处理，首先对收集的数据进行无关数据去噪，再将多个数据源中的数据集合起来存放在数据储存中。

3.根据权利要求1所述的一种基于时间序列动态预测中短期区域儿科门诊人次的方法，其特征在于，所述的序列平稳性包括强平稳性和弱平稳性。

4.根据权利要求1所述的一种基于时间序列动态预测中短期区域儿科门诊人次的方法，其特征在于，所述的序列图分析包括序列散点图、ACF图及PACF图。

5.根据权利要求1所述的一种基于时间序列动态预测中短期区域儿科门诊人次的方法，其特征在于，所述的中期预测为月尺度的预测。

6.根据权利要求1所述的一种基于时间序列动态预测中短期区域儿科门诊人次的方法，其特征在于，所述的短期预测为周、日尺度的预测。

7.根据权利要求1所述的一种基于时间序列动态预测中短期区域儿科门诊人次的方法，其特征在于，所述的拟合效果指标包括StationaryR²、R²、AIC、BIC和RMSE。