彭俊 张肖建 徐超 谢勇 项薇,2 何达

0 引言

随着我国经济水平的快速增长、人口的增加、健康服务质量标准的提高，人民对医疗环境、医疗服务、医疗质量的期望值越来越高，从而为医院的运作带来越来越大的压力[1],并促使管理者更加注重医院的运作管理，优化医院的运作流程和资源配置，而门诊需求预测是优化医院运作管理和资源配置的前提。

门诊是医院机构优化管理的一个重要部门，预测日门诊量可以为门诊管理决策提供前提条件，做好门诊资源的统筹和安排，从而提高医疗机构管理水平。医疗机构日门诊量的预测属于中短期预测，现有研究根据模型和方法可分为两类：基于时间序列的传统预测模型[2-5]和基于机器学习算法的预测模型[6-8]。前者通常只考虑自身历史时间序列数据对未来值的影响，如经典自回归移动平均模型(autoregressive integrated moving average model, ARIMA),具有短期预测精度较高、中长期预测效果较差的特点，并且该模型只考虑数据本身对未来的影响，并没有考虑数据外的影响因素。基于机器学习算法除了考虑到自身历史数据的影响，还考虑了与问题相关联的天气、空气指数等其他外部数据。典型的机器学习方法有人工神经网络(artificial neural network,ANN)、支持向量机(support vector machine,SVM)、逻辑回归、决策树、邻近算法(k-nearestneighbor,KNN)和集成学习，其中ANN在医疗领域的预测中应用较多，该算法在包含非线性成分的复杂数据上具有更强的表达能力。

上述研究大多是基于时间序列数据进行建模，在机器学习算法中还有一类典型的分类算法为决策树算法，具有防止过拟合、泛化能力较强等优点，已被广泛用于预测问题中。……