[发明专利]一种基于自动深度置信网络的门诊量预测方法及系统

摘要

本发明公开了一种基于自动深度置信网络的门诊量预测方法及系统，其通过从医院挂号系统收集每天的门诊量得到历史门诊量数据，对所述历史门诊量数据进行微分变换的预处理得到微分数据，根据所述微分数据自动构建深度置信网络结构，采用聚类算法进行自动创建分组得到不同时间序列的分组数据，然后根据所述分组数据对所述深度置信网络进行训练得到门诊量预测模型，最后调用所述门诊量预测模型对指定时间序列进行门诊量的预测得到预测结果，并对所述预测结果进行所述预处理的逆变换得到预测门诊量，所述深度置信网络具有使用方便、训练简单的优点，并且，能够为医院门诊量预测提供可靠依据，预测误差小，特别适用于长线预测。

主权项

一种基于自动深度置信网络的门诊量预测方法，其特征在于，包括以下步骤：10.从医院挂号系统收集每天的门诊量，得到历史门诊量数据；20.对所述历史门诊量数据进行微分变换的预处理，得到微分数据；30.根据所述微分数据自动构建深度置信网络结构，该深度置信网络包括输入层、隐层、输出层，通过分析所述微分数据的相关性自动计算所述输入层的节点数目，通过分析所述微分数据的稀疏性自动计算所述隐层的节点数目，并通过使用无监督学习方法进行构建所述输出层；40.根据所述历史门诊量数据所对应的不同时间序列对所述微分数据进行聚类，并根据聚类结果进行自动创建分组，得到不同时间序列的分组数据；50.根据所述分组数据对所述深度置信网络进行训练，得到门诊量预测模型；60.调用所述门诊量预测模型对指定时间序列进行门诊量的预测，根据该指定时间序列获取对应时间序列的分组数据，并根据该分组数据得到预测结果；70.对所述预测结果进行所述预处理的逆变换，得到预测门诊量；其中，所述的步骤30中，通过分析所述微分数据的相关性自动计算所述输入层的节点数据，是通过计算所述微分数据的各个数据项与其周围数据项之间的相关性，统计得到相关性较高的数据项的数目，并将该相关性较高的数据项的数目作为所述输入层的节点数目；并且，所述的步骤30中，通过分析所述微分数据的稀疏性自动计算所述隐层的节点数目，是根据所述聚类结果自动计算所述微分数据的稀疏性，并根据该稀疏性进行计算第一层隐层的节点数目，微分数据越稀疏，则隐层节点数目越多；然后将第一层隐层的节点数目的一半作为第二层隐层的节点数目，依次类推，直至隐层的节点数目小于预设阈值时，将该隐层作为最上层隐层。