为更准确地预测远程会诊需求量,提高远程会诊资源配置效率,文中引入多元回归分析(Multiple Linear Regression)和注意力机制来优化长短期记忆网络(LSTM)。首先,根据远程会诊需求中存在的假期效应生成假期指标,通过多元回归分析选取显著...为更准确地预测远程会诊需求量,提高远程会诊资源配置效率,文中引入多元回归分析(Multiple Linear Regression)和注意力机制来优化长短期记忆网络(LSTM)。首先,根据远程会诊需求中存在的假期效应生成假期指标,通过多元回归分析选取显著性高的指标作为模型输入,然后根据长短期记忆网络学习输入指标的内部复杂映射关系,利用注意力机制对指标分配不同权重,最后根据权重和LSTM隐藏层输入预测结果。基于国家远程医疗中心(NTCC)的实际历史会诊数据,研究MLR-Attention-LSTM的预测性能,并比较其与整合移动平均自回归模型、支持向量机、K近邻、BP神经网络和LSTM神经网络5种模型的预测效果。结果表明,优化后的LSTM模型预测精度最高。进一步地,探究假期指标对模型性能的影响,结果表明假期指标的输入可以进一步提高模型的预测精度,验证了MLR-Attention-LSTM和假期相关变量输入在远程会诊需求预测领域的可行性与适用性,为远程医学中心实际应用提供了理论支撑和实践指导。展开更多
文摘为更准确地预测远程会诊需求量,提高远程会诊资源配置效率,文中引入多元回归分析(Multiple Linear Regression)和注意力机制来优化长短期记忆网络(LSTM)。首先,根据远程会诊需求中存在的假期效应生成假期指标,通过多元回归分析选取显著性高的指标作为模型输入,然后根据长短期记忆网络学习输入指标的内部复杂映射关系,利用注意力机制对指标分配不同权重,最后根据权重和LSTM隐藏层输入预测结果。基于国家远程医疗中心(NTCC)的实际历史会诊数据,研究MLR-Attention-LSTM的预测性能,并比较其与整合移动平均自回归模型、支持向量机、K近邻、BP神经网络和LSTM神经网络5种模型的预测效果。结果表明,优化后的LSTM模型预测精度最高。进一步地,探究假期指标对模型性能的影响,结果表明假期指标的输入可以进一步提高模型的预测精度,验证了MLR-Attention-LSTM和假期相关变量输入在远程会诊需求预测领域的可行性与适用性,为远程医学中心实际应用提供了理论支撑和实践指导。