[發明專利]一種呼吸系統疾病門診量預測方法

在審

• 申請號: 202010371187.1
• 申請日: 2020-05-06
• 公開（公告）號: CN111508598A
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 張敬誼;李靜;盧鵬飛;施宇;韓濤;沈佳杰;李光亞
• 申請（專利權）人: 萬達信息股份有限公司
• 主分類號: G16H40/20
• 分類號: G16H40/20;G16H50/70
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 徐俊

1.一種呼吸系統疾病門診量預測方法，其特征在于，包括以下步驟：

步驟1、進行數據信息采集，所采集到的數據至少包括門診量數據；

步驟2、對步驟1采集得到的數據進行數據預處理；

步驟3、采用數據填補方法進行數據填補；

步驟4、數據規律檢驗，包括以下內容：

(1)白噪聲檢驗：對門診量數據進行Ljung-Box檢驗，得到檢驗p值，若檢驗p值小于預先設定的值，則通過檢驗，否則終止方法，返回數據為白噪聲，無法建模；

(2)周期性檢驗：設定周期參數k的取值區間，分別以不同取值下的k作為時間序列周期，對歷史的門診量數據進行標記周期次序；以周期次序數據作為分組因素，對門診量數據進行單因素方差分析，計算顯著性差異的檢驗指標，得到不同取值k下的檢驗指標p_k，取檢驗指標最小時的作為最終的周期參數；

步驟5、自變量篩選：將經過步驟3處理的門診量數據、空氣質量數據和天氣數據包含的多個指標數據以時間進行關聯，得到m個自變量指標數據，針對m個自變量指標，以1為步長分別構造t個滯后指標，分別計算門診量數據指標與m×t個指標數據計算皮爾遜相關系數γ_i，i＝1，2，...，m×t，設定相關系數閾值α_γ，若皮爾遜相關系數γ_i＜α_γ，則剔除該指標；反之，則保留該指標作為建模自變量；

步驟6、模型建立和預測：建立HoltWinters-Xgboost混合預測模型，HoltWinters-Xgboost混合預測模型包含HoltWinters模塊、Xgboost模塊和混合預測模塊，其中：

HoltWinters模塊：構建HoltWinters加法預測模型，設定模型季節周期長度s＝k_o，HoltWinters加法預測模型輸入數據為歷史門診量數據，即數據結構為q×1的矩陣，q為門診量數據的樣本量，通過模型學習，計算得到q個門診量數據的擬合殘差e_i，i＝1，2，3，...，q，以及未來p步預測值

Xgboost模塊：構建XGBoost預測模型，為防止過擬合采取L₂正則化，L₂表示二范數，采取均方根誤差作為損失函數，以步驟5保留的建模自變量作為模型自變量，以HoltWinters加法預測模型殘差e_i作為模型因變量，進行模型訓練，計算得到未來p步的殘差預測值

混合預測模塊：將未來p步的預測值和未來p步的殘差預測值相加，得到未來p步的混合模型預測值

2.如權利要求1所述的一種呼吸系統疾病門診量預測方法，其特征在于，步驟3中，進行數據填補時，針對4種缺失類型的缺失值分別采用不同的數據填補方法進行數據填補，包括以下內容：

(1)農歷節日的法定假期的數據使用上一年的當日數據進行填補；

(2)對于一天假期的數據采取三次樣條插值進行填補；

(3)對于1天以上的長假期的數據采取線性插值的方式進行填補；

(4)非假期的隨機缺失數據采用k近鄰均值進行填補。

3.如權利要求1所述的一種呼吸系統疾病門診量預測方法，其特征在于，步驟6中，HoltWinters加法預測模型表示為：

y′_t+k＝a_t+b_tk+c_t+k

其中，y′_t+k表示從當前時間t算起未來k個平滑期數的時間的預測值，k為向后平滑期數，大于0；a_t表示當前時間t的截距；b_t表示當前時間t的趨勢，t＝1，2，...，T，T表示歷史數據的樣本個數；c_t+k為從當前時間t算起未來k個平滑期數的時間的HoltWinters加法預測模型的季節因子；

a_t、b_t、c_t的計算公式如下：

a_t＝α(y_t-c_t-s)+(1-α)(a_t-1+b_t-1)

b_t＝β(a_t-a_t-1)+(1-β)b_t-1

c_t＝γ(y_t-a_t)+(1-γ)c_t-s

其中，α、β、γ為阻尼因子，在0-1之間；

HoltWinters加法預測模型的預測值由下式計算：y′_T+k＝a_T+b_Tk+c_T+k-s。