| 时序预测模型对广州市急救需求量的预测价值北大核心CSCD |
| |
| 引用本文： | 王静,江慧琳,李双明,曾睿,刘佳,李艳玲,朱永城,林建权,陈晓辉.时序预测模型对广州市急救需求量的预测价值北大核心CSCD[J].中华急诊医学杂志,2022(8):1153-1158. |
| |
| 作者姓名： | 王静 江慧琳 李双明 曾睿 刘佳 李艳玲 朱永城 林建权 陈晓辉 |
| |
| 作者单位： | 1.School of Biomedical Engineering, Guangzhou Medical University, Second Affiliated Hospital of Guangzhou Medical University, Guangzhou510260;2.Guangzhou Emergency Medical Command Center, Guangzhou510000; |
| |
| 基金项目： | Guangdong Medical Science and technology research foundation, (A2022344)；Guangzhou key disciplines, (2021-2023)；Major health science and technology projects in Guangzhou, (2020A031005) |
| |
| 摘 要： | 目的探讨时序预测模型中的差分自回归滑动平均(ARIMA)和自回归(AR)模型在预测广州市急救调度日出车数量方面的价值。方法采用Matlab仿真软件对广州市2021年1月1日至2021年12月31日的急救调度出车记录分析计算日出车数量时间序列,对该序列进行时序预测模型辨识,得到ARIMA(1,1,1)、AR(4)以及AR(7)模型,利用这些模型对日出车数量做出预测拟合。ARIMA(1,1,1)模型将数据分为训练集和测试集,参数运算采用Prony方法,预测拟合未来的出车数量;AR(4)和AR(7)模型采用均匀系数,预测当天出车数量。结果ARIMA(1,1,1)、AR(4)以及AR(7)都可以实现对日出车数量的有效预测,ARIMA(1,1,1)的预测拟合误差随着预测时间的延长下降。两个月内的急救调度日出车量预测拟合平均绝对百分比误差(MAPE)低于6%,结果基本都位于95%置信区间内,利用模型的残差分析验证了模型显著有效。结论ARIMA模型可以对两个月内的急救调度日出车量做长期预测拟合,AR模型可以对急救调度日出车量做短期有效预测。
|
| 关 键 词： | 差分自回归滑动平均模型 自回归模型 预测 急救调度 Matlab仿真 |
| 本文献已被 维普 等数据库收录！ |
|
