買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉復(fù)旦大學(xué);中國(guó)人民解放軍海軍軍醫(yī)大學(xué)第一附屬醫(yī)院申請(qǐng)的專(zhuān)利基于兩步回歸的醫(yī)院門(mén)診就診人數(shù)的預(yù)測(cè)方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114758761B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202210309065.9，技術(shù)領(lǐng)域涉及：G16H40/20；該發(fā)明授權(quán)基于兩步回歸的醫(yī)院門(mén)診就診人數(shù)的預(yù)測(cè)方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)是由李子靖;陳顥;張淑芹;王立鵬;高衛(wèi)國(guó);鄧璐;王孜怡設(shè)計(jì)研發(fā)完成，并于2022-03-28向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本基于兩步回歸的醫(yī)院門(mén)診就診人數(shù)的預(yù)測(cè)方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)在說(shuō)明書(shū)摘要公布了：本發(fā)明提供一種基于兩步回歸的醫(yī)院門(mén)診就診人數(shù)的預(yù)測(cè)方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)，基于兩步回歸的醫(yī)院門(mén)診就診人數(shù)的預(yù)測(cè)方法包括：步驟S1：構(gòu)建基于兩步回歸的醫(yī)院門(mén)診就診人數(shù)的預(yù)測(cè)模型；步驟S2：采用上述預(yù)測(cè)模型預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)的醫(yī)院門(mén)診就診人數(shù)。本發(fā)明采用帶時(shí)間序列誤差的回歸模型來(lái)預(yù)測(cè)人流量，能夠在適當(dāng)?shù)木葍?nèi)預(yù)測(cè)比較長(zhǎng)時(shí)間內(nèi)的人流量；對(duì)于規(guī)律性強(qiáng)的時(shí)間序列數(shù)據(jù)表現(xiàn)良好，便于醫(yī)院進(jìn)行排班等管理安排。

本發(fā)明授權(quán)基于兩步回歸的醫(yī)院門(mén)診就診人數(shù)的預(yù)測(cè)方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)在權(quán)利要求書(shū)中公布了：1.一種基于兩步回歸的醫(yī)院門(mén)診就診人數(shù)的預(yù)測(cè)方法，其特征在于，包括： 步驟S1：構(gòu)建基于兩步回歸的醫(yī)院門(mén)診就診人數(shù)的預(yù)測(cè)模型，預(yù)測(cè)模型為： 其中 t＝1，2，...，T； yt為第t天人數(shù)； Dit表示第t天是否為星期i，若第t天恰為星期i，則Dit取值為1，否則Dit取值為0，bi為星期i前的系數(shù)； 表示為節(jié)假日前，表示為節(jié)假日后； 分別為工作時(shí)段最高氣溫與最低氣溫； Wt為第t天的天氣，若有降雨或降雪則Wt＝1，其余天氣為0； a,b,c,d,f,g,h為回歸項(xiàng)系數(shù)，代表Dit、和Wt對(duì)于yt的影響大小； et滿足一個(gè)ARIMA模型：p為自回歸階數(shù)，d為差分的階數(shù)，q為滑動(dòng)平均的階數(shù)； φ,θ為自回歸以及滑動(dòng)項(xiàng)的系數(shù)； B為延遲算子，其定義為Bet＝et-1； ∈t為服從獨(dú)立同分布的白噪聲序列； n為一周工作的天數(shù)，n＝5、6或7； 步驟S2：采用上述預(yù)測(cè)模型預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)的醫(yī)院門(mén)診就診人數(shù)； 步驟S1包括： 步驟S1.1：選取影響醫(yī)院門(mén)診就診人數(shù)的若干變量，所述變量分別為星期數(shù)、節(jié)假日、氣溫和天氣； 步驟S1.2：將星期數(shù)變量、節(jié)假日變量、氣溫變量和天氣變量組成解釋變量矩陣 X＝D1，D2，...，Dn，Hbefore，Hafter，Thigh，Tlow，W，并將X作標(biāo)準(zhǔn)化處理得到X*： 設(shè)X＝xijn×p，則 其中 步驟S1.3：將X*進(jìn)行主成分分析： 1找到一個(gè)正交矩陣Γ，滿足且使得為一p×p對(duì)角陣Λ＝diagσ1，σ2，...，σm，0，...，0，m≤p且σ1≥σ2≥σm＞0； 2計(jì)算主成分方差貢獻(xiàn)率 以及累計(jì)貢獻(xiàn)率 3選取i，1≤i≤p，使得γi≥0.95，并取Γ的前i列，記為并記 即為X*的主成分矩陣； 步驟S1.4：使用解釋變量來(lái)擬合線性回歸模型： 其中為科室每天人數(shù)，首先假設(shè)滿足獨(dú)立同分布，采用最小二乘法得到估計(jì)參數(shù)并計(jì)算殘差步驟S1.5：將殘差序列擬合ARIMA模型： 其中p為自回歸階數(shù)，d為差分的階數(shù)，q為滑動(dòng)平均的階數(shù)；φ，θ為自回歸以及滑動(dòng)項(xiàng)的系數(shù)；B為延遲算子，其定義為Bet＝et-1；∈t為服從獨(dú)立同分布的白噪聲序列； 首先采用Hyndman-Khandakar算法來(lái)選擇階數(shù)p，d，q： 1通過(guò)重復(fù)地KPSS測(cè)試來(lái)確定差分階數(shù)d：0≤d≤2 2對(duì)數(shù)據(jù)差分d次之后，通過(guò)最小化AICc來(lái)選擇p，q： AIC＝2k-2logLikelihood 其中n為樣本容量，即樣本的個(gè)數(shù)，k為去除噪聲方差后總的參數(shù)數(shù)量，極大似然函數(shù)的計(jì)算步驟見(jiàn)下文參見(jiàn)步驟S1.7中的系數(shù)φ，θ的估計(jì)方法： 1擬合四個(gè)初始模型：ARIMA0，d，0、ARIMA2，d，2、ARIMA1，d，0、ARIMA0，d，1， 2步驟1中擬合出的AICc最小的模型稱為“currentmodel”； 3考察“currentmodel”的以下兩個(gè)變種模型： 1.對(duì)p和或q的值改變±1； 2.包含不包含常數(shù)項(xiàng)c； 將上述變種和原來(lái)的currentmodel中AICc最小的模型即為最新的“currentmodel”； 4重復(fù)3，直到?jīng)]有更小的AICc的模型； 步驟S1.6：將原來(lái)的線性回歸模型調(diào)整為： t＝1，2，...，T； 步驟S1.7：使用極大似然估計(jì)來(lái)確定自回歸以及滑動(dòng)項(xiàng)的系數(shù)φ，θ的值，從而估計(jì)得到參數(shù)并帶入模型以完成預(yù)測(cè)模型的構(gòu)建： 假設(shè)各∈t是相互獨(dú)立的，且服從零均值與相同的標(biāo)準(zhǔn)差則各∈t的概率密度函數(shù)pdf為： 由獨(dú)立性，得到∈1，∈2，...，∈T的聯(lián)合概率密度函數(shù)pdf為： 由此得到似然函數(shù)Likelihood： 其中g(shù)t為將用y1，...，yt，β，φ，θ表示的函數(shù)， 根據(jù)模型公式將∈t用觀測(cè)到的y以及表示，并求出使得∈1，∈2，...，∈T的聯(lián)合概率密度函數(shù)pdf達(dá)到極大值： 將估計(jì)得到的參數(shù)帶入模型，從而完成了模型的構(gòu)建； 步驟S2包括： 采用構(gòu)建完成的所述預(yù)測(cè)模型來(lái)預(yù)測(cè)未來(lái)k天各科室的人流量，已知的數(shù)據(jù)有前T天的人流量 以及k天的解釋變量矩陣 Xforecast＝D1，D2，...，Dn，Hbefore，Hafter，Thigh，Tlow，W 逐一預(yù)測(cè)科室后k天的人流量 首先將按步驟S1.2同樣的方法進(jìn)行變換得到再帶入回歸模型中： 此處要求出預(yù)測(cè)值yforecast則需要先計(jì)算出eforecast 根據(jù)eforecast滿足的模型 其中 t＝T+1,T+2,...,T+k， 將模型中的t用代替： 由于T時(shí)刻之前事件已經(jīng)發(fā)生，為已知事件，記 對(duì)上式求條件期望有： 根據(jù)條件期望的性質(zhì)有： 根據(jù)以上兩式可依次求出從而 因此 得出預(yù)測(cè)值yforecast。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人復(fù)旦大學(xué);中國(guó)人民解放軍海軍軍醫(yī)大學(xué)第一附屬醫(yī)院，其通訊地址為：200433 上海市楊浦區(qū)邯鄲路220號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。