[发明专利]一种基于多元线性回归模型的医院后勤运送时间预测方法

说明书

一种基于多元线性回归模型的医院后勤运送时间预测方法，通过对医院后勤数据的分析以及现场实际情况的调研，提取出影响运送时间的指标因素，如运送任务的执行工具，所跨楼宇之间间距，所跨越楼层数，间隔科室编号之差等指标进行多元线性回归分析。再加入由以往运送任务数据集量化得出的时段繁忙程度指标作为自变量加入函数拟合，能进一步提高预测精度。本发明的方法为：根据以往数据集量化得出的时段繁忙程度指标，借助线性回归方法建立预测模型。本发明通过对运送执行工具，所跨楼宇之间间距，所跨越楼层数，间隔科室号之差等指标因素的分析，加上量化得出的时段医院繁忙程度指标，从而可以较为精准的预测后勤员工运送任务时间。

技术领域

本发明涉及数据挖掘与医院后勤系统领域，特别是涉及一种基于多元线性回归模型的医院后勤运送时间预测方法。

背景技术

随着智慧医疗系统在医院行业中的深入使用，医院整体的管理结构也经历着翻天覆地的重大变革。而医院后勤部门作为医院的重要组成之一也在物联网的浪潮下有了大幅度的跨越，因此对医院数据库中的运送历史任务数据来分析医院后勤运送情况极具价值。

多元线性回归模型是数据挖掘领域中比较重要的模型之一。线性回归模型为 y_i＝β₀+β₁x_i1+β₂x_i2+……+β_px_ip+ε_i。其中，β₀称为回归常数，β₁，……，β_p称为回归系数。y称为因变量，而X₁,X₂,……，X_p是p个可以精确测量并可控制的一般变量，称为自变量。由n组观测值(y_i，x_i1，x_i2，……，x_ip)根据最小二乘法确定参数β₀，β₁，……，β_p的估计值b₀,b₁，……，b_p，建立多元线性回归方程

传统时间预测模型只考虑了空间上相关的因素，比如距离等。任务执行时间的长短一定程度上取决于任务起点和终点距离的长短。但是在医院后勤运送系统中，影响运送时间的因素不仅仅只有距离，还包括运送执行工具，是否跨越楼宇，是否跨越楼层这几点重要的因素。

发明内容

为了准确预测医院后勤运送时间，弥补传统时空线性回归模型预测精度的不足，在考虑到医院后勤运送的特殊背景，本发明增加了运送任务的执行工具，是否跨越楼宇，是否跨越楼层这几点重要的因素指标，并加入量化后的时段繁忙程度指标，提出一种基于多元线性回归模型的医院后勤运送时间预测方法，对医院后勤运送时间进行线性回归方程建模，从而为医院后勤运送的时间管理提供了可供预测的模型。

本发明解决其技术问题所采用的技术方案如下：

一种基于多元线性回归模型的医院后勤运送时间预测方法，包括以下步骤：

S1：从医院后勤数据库中提取运送数据和医院的基建数据，使用数据内容有运送历史任务表、医院组织机构表、楼宇距离信息表和楼层信息表；

S2：将医院组织机构表，楼宇距离信息表和楼层信息表的数据整合到运送历史任务表中，得到因变量Y和一系列的自变量X₁,X₂,……，X_p；

S3：针对重复执行次数大于设定数量的稳定运送任务数据进行分析处理；

S4：在处理同种任务方面，采取以相同任务数据的中值作为此条运送任务数据的标准，组成待多元线性拟合的数据集Y,X₁,X₂,……，X_p；