基于Prophet-LSTM-PSO组合模型的医院住院量预测研究

来源：上海理工大学学报杂志2021年第1期北京时间：

作者：徐佩，樊重俊，朱人杰，黄耐

单位：上海理工大学 管理学院，上海 200093,上海理工大学 管理学院，上海 200093,同济大学附属东方医院，上海 200120,上海理工大学 管理学院，上海 200093

摘要：针对医院住院量预测问题，首先利用先知模型（Prophet）与长短期记忆循环神经网络（LSTM）预测方法对2015年1月到2019年12月上海市东方医院呼吸内科住院量的时序数据进行建模分析，然后利用粒子群算法（PSO）求出两种模型对应的组合系数，从而得到最终的Prophet-LSTM-PSO组合模型，并通过RMSE和MAE统计学指标将组合模型与单一模型进行对比，同时利用公开数据集进行对比实验。结果表明，Prophet-LSTM-PSO组合模型较Prophet、LSTM、移动平均自回归模型等（ARIMA）等单一模型有效地降低了医院住院量预测的偏离性，提高了预测精度。

关键词：Prophet模型;LSTM模型;粒子群算法;时间序列模型;住院量预测