基于季节性神经网络的医院门诊量曲线拟合与预测

【摘要】：医院月门诊量是一个具有复杂的非线性组合特征的季节性时间序列.传统的时间序列分析是通过季节调整建立预测模型,效果不理想。本文提出一种利用季节性神经网络模型对医院门诊量进行非线性曲线拟合分析和预测。该模型利用网络神经元对季节性时间序列动态曲线上样本点的学习和训练来模拟曲线上点X_t与前d个季节周期点(X_(t-1),X_(t-2),…,X_(t-d×s))之间的非线性关系,从而建立季节性时间序列预测模型。文章论述了该模型的设计思想和实现算法。通过计算机仿真实验表明:其非线性曲线拟合精度和预测精度明显高于传统方法,可较好地反映系统的动态性和门诊量的季节时序关联性。