用于互联网中短期用药咨询业务量的预测系统及预测方法技术方案

本发明专利技术公开了一种用于互联网中短期用药咨询业务量的预测系统及预测方法，该系统包括：数据采集单元，用于负责采集服务器上存储的历史业务量数据和在线医生数量；预测单元，用于接收所述数据采集单元提供的数据，调用预测模型进行模型训练，并获取预测结果数据；上传单元，用于将预测结果数据上传至服务器；预测方法包括：(1)非节假日使用LSTM预测方法进行预测，且对于节假日过后的非节假日数据要去除节假日数据进行预测；(2)节假日使用改进指数平滑方法进行预测；以达到可快速、准确的对未来一天乃至几天的医生进行合理排班，给出医生人力配置建议的目的。

【技术实现步骤摘要】
用于互联网中短期用药咨询业务量的预测系统及预测方法
本专利技术属于人工智能的
，具体而言，涉及一种用于互联网中短期用药咨询业务量的预测系统及预测方法。
技术介绍
微问诊终端机是在药店门店内设置的远程医疗服务终端，该微问诊终端机由触摸式一体机高清抓拍仪及摄像头、集成IP电话的通话设备构成，并提供获取国家执业药师医师资格证书且具备多年药店、医院从业经验的专业药师、医生团队进行远程药学医学服务。能够保障药店营业期间均有执业药师及医生在线实时坐诊，为老百姓提供远程审方服务及电子处方流转服务，同时解答用药及健康咨询服务。随着微问诊终端机的增多，用药咨询业务量(简称：业务量)越来越多，在目前及累计有5382万人使用微问诊终端机进行了咨询开药、电子开方等业务。目前对于业务量的情况无法有效预测，业务繁忙的时候用户排队严重，当收到药店前端反馈的时候病情已变的严重，而业务空闲时间医生冗余较多，浪费人力资源和成本。预测未来业务数据量的走势，为服务医生人数的安排提供参考数据，公司可以针对不同的业务量提前安排对应的医生，将每笔业务的接通等待时间控制在可接受范围内，使得在实时保证医生服务水平的前提条件下，实现公司人力资源的最优配置。因此，如何能准确预测业务量是一个重要且亟待解决的难题。常用的预测方法很多，有经验法、时间序列预测法、指数平滑法、回归分析法、人工神经网络预测法、支持向量预测法等；其中，人工神经网络需要利用大量样本训练模型且训练速度较慢；ARIMA模型要求序列是平稳序列；经验法需要人力成本较高；指数平滑法和回归分析法较简单，但精度不高；时间序列预测法要求历史数据必须完整，不适用于有季节变动规律的业务量预测。总的来说，单一的预测方法都有其局限性，在数据量不庞大的条件下，由于业务量的随机性、季节性等特点，以及受气候、节假日，药店设备数量变化，在线医生数量等的影响，预测稳定性不够。基于上述的问题，在专利技术专利CN107862555A基于指数平滑的预测系统与方法中，提出了一种改进的指数平滑方法用于对未来一段时间的销售数据进行预测，但是光指数平滑预测的精度不高。在论文基于LSTM和灰色模型集成的短期交通流预测中，提高了一种集成LSTM模型和GM模型的交通流预测方法，通过动态权值的方法，对两种预测结果进行加权，但是此种方式存在两个问题：一是节假日预测业务量高于实际业务量，二是节假日过后预测量普遍低于实际业务量的情况，无论怎样加权，其预测值仍然低于实际值。预测精度依然不高。因此，有必要设计一种多模型融合的简单、高效、精确的业务预测模型。
技术实现思路
有鉴于此，为了解决现有技术存在的上述问题，本专利技术提供了一种用于互联网中短期用药咨询业务量的预测系统及预测方法以达到可快速、准确的对未来一天乃至几天的医生进行合理排班，给出医生人力配置建议的目的。本专利技术所采用的技术方案为：一种用于互联网中短期用药咨询业务量的预测系统，该系统包括：数据采集单元，用于负责采集服务器上存储的历史业务量数据和在线医生数量；预测单元，用于接收所述数据采集单元提供的数据，调用预测模型进行模型训练，并获取预测结果数据；上传单元，用于将预测结果数据上传至服务器。本专利技术还公开了一种用于互联网中短期用药咨询业务量的预测方法，包括以下步骤：(1)判断日期M的当前时间是否超过24点，若未超过，则输出日期M的预测结果数据；若超过，则将日期变更为M+1并进入步骤(2)；(2)获取日期M的业务量数据，并加载历史业务量数据，以得到前N天业务量数据；(3)判断日期M+1是否为节假日，若为节假日，则进入步骤(4)；若不为节假日，则进入步骤(6)；(4)采用改进指数平滑方法进行预测；(5)输出日期M+1的预测结果数据；(6)判断日期M是否为节假日，若为节假日，则进入步骤(7)；若不为节假日，则进入步骤(8)；(7)去除步骤(2)中所述前N天业务量数据中节假日的业务量数据，并进入步骤(8)；(8)采用LSTM预测方法进行预测；(9)输出日期M+1中各预测时间点的预测结果数据；(10)对步骤(1)-步骤(9)循环运行。进一步地，所述LSTM预测方法的具体步骤如下：1)获取历史业务量数据，并将历史业务量数据切分为训练数据和验证数据；2)建立LSTM神经网络预测模型，并将训练数据输入至LSTM神经网络预测模型中进行训练；3)计算均方根误差(RMSE)，调整参数，以获得RMSE的变化情况，若RMSE<T，则进入步骤4)；若RMSE≥T，则进入返回至步骤2)；其中，T为阀值；4)采用滚动预测算法，预测未来各个时间点的业务量，以获取各预测时间点的预测结果数据。进一步地，所述改进指数平滑方法的具体步骤如下：a.获取数据：获取节假日的前N天中同一观察时间点的业务量数据作为训练样本；b.确定S′0(i)的取值：S′0(i)表示训练样本的天数内第i个观察时间点的业务量数据一次指数平滑值的初值，令：S′0(i)的取值取为第一天的第i个观察时间点的业务量数据x1(i)，公式如下：S′0(i)＝x1(i)(1)c.通过三次指数平滑法计算得到各个观察时间点的一次指数平滑预测值、二次指数平滑预测值和三次指数平滑预测值；d.加入在线医生检测因子；e.计算待预测日期中各预测时间点的预测结果数据。进一步地，所述步骤c的具体具体步骤如下：c1：令：i＝1，j＝1，i表示一天中的第i个观察时间点，j表示平滑系数的第j个取值点，t表示第t天，t＝1,2,...,m，m表示训练样本的训练天数；c2：令令S′0(i,j)＝S′0(i)，分别计算一次指数平滑预测值、二次指数平滑预测值和三次指数平滑预测值；其中，一次指数平滑法的预测模型：S′t(i,j)＝α(i,j)xt(i)+(1-α(i,j))S′t-1(i,j),t＝1,2,...,m(2)S′t(i,j)表示第t天的第i个观察时间点的第j个平滑系数业务量一次指数平滑预测值；α(i,j)表示第i个观察时间点的第j个平滑系数取值；xt(i)表示第t天第i个观察时间点的实际业务量；二次指数平滑法的预测模型：Ft(i,j)＝at(i,j)+bt(i,j),t＝1,2,...,m(3)Ft(i,j)表示第t天的第i个观察时间点第j个平滑系数业务量二次指数平滑预测值；其中，at(i,j)＝2S′t(i,j)-S″t(i,j)，S″t(i,j)＝α(i,j)S′t(i,j)+(1-α(i,j))S″t-1(i,j)，S″t(i,j)表示第t天第i个观察时间点第j个平滑系数业务量的二次指数平滑值；三次指数平滑法的预测模型为：Xt(i,j)＝At(i,j)+Bt(i,j)+Ct(i,j),t＝1,2,...,m(4)其中：Xt(i,j)表示第t天的第i个观察时间点第j个平滑系数业务量三次指数平滑预测值，At(i,j)＝3S′t(i,j)-3S″t(i,j)+S″′t(i,j)，S″′t(i,j)表示第t天的第i个观察时间点第j个平滑系数业务量的三次指数平滑值；c3：计算该α(i,j)下的三次指数平滑预测误差RMSE(i,j)c4：令j＝j+1，返回步骤c1，重复计算，求使得预测误差最小对应的α(i,j)，记作αbest(i)；c5：根据上述公式(2)、(3)、(4)分别求得第i天的第i本文档来自技高网...

【技术保护点】
1.一种用于互联网中短期用药咨询业务量的预测系统，其特征在于，该系统包括：数据采集单元，用于负责采集服务器上存储的历史业务量数据和在线医生数量；预测单元，用于接收所述数据采集单元提供的数据，调用预测模型进行模型训练，并获取预测结果数据；上传单元，用于将预测结果数据上传至服务器。

【技术特征摘要】
1.一种用于互联网中短期用药咨询业务量的预测系统，其特征在于，该系统包括：数据采集单元，用于负责采集服务器上存储的历史业务量数据和在线医生数量；预测单元，用于接收所述数据采集单元提供的数据，调用预测模型进行模型训练，并获取预测结果数据；上传单元，用于将预测结果数据上传至服务器。2.一种用于互联网中短期用药咨询业务量的预测方法，其特征在于，该预测方法包括以下步骤：(1)判断日期M的当前时间是否超过24点，若未超过，则输出日期M的预测结果数据；若超过，则将日期变更为M+1并进入步骤(2)；(2)获取日期M的业务量数据，并加载历史业务量数据，以得到前N天业务量数据；(3)判断日期M+1是否为节假日，若为节假日，则进入步骤(4)；若不为节假日，则进入步骤(6)；(4)采用改进指数平滑方法进行预测；(5)输出日期M+1的预测结果数据；(6)判断日期M是否为节假日，若为节假日，则进入步骤(7)；若不为节假日，则进入步骤(8)；(7)去除步骤(2)中所述前N天业务量数据中节假日的业务量数据，并进入步骤(8)；(8)采用LSTM预测方法进行预测；(9)输出日期M+1中各预测时间点的预测结果数据；(10)对步骤(1)-步骤(9)循环运行。3.根据权利要求2所述的用于互联网中短期用药咨询业务量的预测方法，其特征在于，所述LSTM预测方法的具体步骤如下：1)获取历史业务量数据，并将历史业务量数据切分为训练数据和验证数据；2)建立LSTM神经网络预测模型，并将训练数据输入至LSTM神经网络预测模型中进行模型训练；3)计算均方根误差(RMSE)，若RMSE<T，则进入步骤4)；若RMSE≥T，调整参数，以获得RMSE的变化情况，返回至步骤2)；其中，T为阀值；4)采用滚动预测算法，预测未来各个时间点的业务量，以获取各预测时间点的预测结果数据。4.根据权利要求2所述的用于互联网中短期用药咨询业务量的预测方法，其特征在于，所述改进指数平滑方法的具体步骤如下：a.获取数据：获取节假日的前N天中同一观察时间点的业务量数据作为训练样本；b.确定S′0(i)的取值：S′0(i)表示训练样本的天数内第i个观察时间点的业务量数据一次指数平滑值的初值，令：S′0(i)的取值取为第一天的第i个观察时间点的业务量数据x1(i)，公式如下：S′0(i)＝x1(i)(1)c.通过三次指数平滑法计算得到各个观察时间点的一次指数平滑预测值、二次指数平滑预测值和三次指数平滑预测值；d.加入在线医生检测因子；e.计算待预测日期中各预测时间点的预测结果数据。5.根据权利要求4所述的用于互联网中短期用药咨询业务量的预测方法，其特征在于，所述步骤c的具体具体步骤如下：c1：令：i＝1，j＝1，i表示一天中的第i个观察时间点，j表示平滑系数的第j个取值点，t表示第t天，t＝1,2,...,m，m表示训练样本的训练天数；c2：令令S′0(i,j)＝S′0(i)，分别计算一次指数平滑预测值、二次指数平滑预测值和三次指数平滑预测值；其中，一次指数平滑法的预测模型：S′t(i,j)＝α(i,j)xt(i)+(1-α(i,j))S′t-1(i,j),t＝1,2,...,m(2)S′t(i,j)表示第t天的第i个观察时间点的第j个平滑系数业务量一次指数平滑预测值；α(i,j)表示第i个观察时间点的第j个平滑系数取值；xt(i)表示第t天第i个观察时间点的实际业务量；二次指数平滑法的预测模型：Ft(i,j)＝at(i,j)+bt(i,j),t＝1,2,...,m(3)...

【专利技术属性】
技术研发人员：罗安，周聪俊，史鹏翔，许春霞，师改梅，何进，
申请(专利权)人：四川骏逸富顿科技有限公司，
类型：发明
国别省市：四川,51