买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西南交通大学;成都市第三人民医院

摘要：本发明公开了一种急救呼叫量预测方法、设备及介质，涉及大数据分析技术领域。所述方法是先基于Prophet模型建立急救呼叫量实时动态预测模型，然后配置预测模型中的趋势项、季节项、节假日项、误差噪声项和与线性影响因子对应的线性回归项，并确定待搜索模型参数，再然后应用与最末时间窗口对应的训练数据集以及验证数据集，基于粒子群算法对预测模型进行模型训练和参数优化，得到验证通过的模型参数最优化搜索结果，最后将此搜索结果输入预测模型以进行急救呼叫量预测，如此可使新方案具备预测实时性高、预测准确性高和模型泛化能力更强等特点。

主权项：1.一种急救呼叫量预测方法，其特征在于，包括：获取急救呼叫量时序数据，其中，所述急救呼叫量时序数据包含有在时序上依次连续的多个日内单位时段以及在所述多个日内单位时段中的各个日内单位时段的历史急救呼叫量；将所述急救呼叫量时序数据划分成与在时序上依次连续的多个时间窗口一一对应的多份急救呼叫量时序数据；针对在所述多个时间窗口中的最末时间窗口，将与对应的至少一个在前时间窗口对应的至少一份急救呼叫量时序数据作为对应的训练数据集，以及将与对应窗口对应的一份急救呼叫量时序数据作为对应的验证数据集；基于Prophet模型建立采用如下公式表示的急救呼叫量实时动态预测模型： 式中，t表示时间，At表示在时间t时的急救呼叫量，gt表示在时间t时的趋势项，st表示在时间t时的季节项，ht表示在时间t时的节假日项，εt表示在时间t时的误差噪声项，Q表示正整数，q表示小于等于Q的正整数，lqt表示在时间t时的且与在Q个线性影响因子中的第q个线性影响因子对应的线性回归项；将所述趋势项的增长方式设置为线性增长方式，并添加自然周和自然日以使所述季节项周期性变化，以及还设置所述误差噪声项服从一个数学期望为μ且方差为σ2的正态分布；为所述节假日项添加影响权重调节因子，得到由在所述节假日项中的所有节假日区间的权重调节参数构成的第一模型参数向量；获取所有急救呼叫量相关影响因素的时序数据，然后基于所述时序数据对所述所有急救呼叫量相关影响因素进行呼叫量线性影响因子动态筛选，以便将符合筛选条件的急救呼叫量相关影响因素确定为所述线性影响因子，并得到由在所有所述线性影响因子的线性回归项中的权重调节参数构成的第二模型参数向量；应用与所述最末时间窗口对应的训练数据集以及验证数据集，基于粒子群算法对所述急救呼叫量实时动态预测模型进行模型训练和参数优化，得到验证通过的模型参数最优化搜索结果，其中，所述模型参数最优化搜索结果包含有所述第一模型参数向量、所述第二模型参数向量、所述数学期望和所述方差的最优化搜索结果；将所述模型参数最优化搜索结果输入所述急救呼叫量实时动态预测模型，然后应用所述急救呼叫量实时动态预测模型进行急救呼叫量预测。

全文数据：

权利要求：

百度查询： 西南交通大学 成都市第三人民医院 一种急救呼叫量预测方法、设备及介质