基于最小二乘法的住院人数的预测系统技术方案

本发明专利技术公开一种基于最小二乘法的住院人数的预测系统，包括初始化单元、曲线拟合单元、参数分析单元以及数值计算单元，通过初始化单元对各个科室与科室代码、及数学函数模型进行初始化设置，曲线拟合单元、参数分析单元以及数值计算单元对医院过去十年的住院接诊人数进行统计分析，以最小二乘法为基础，结合医院床位等参数，通过建立指数函数、线性函数、对数函数和幂函数的数学模型，寻找出拟合程度最高的拟合曲线，从而计算出对未来住院人数的预测值。

Prediction system of inpatient number based on least square method

The invention discloses a prediction system for inpatients based on least square method, including the calculation of unit initialization unit, curve fitting and numerical parameter analysis unit, unit, unit by initializing the initialization of each department and department code, and the mathematical function model, curve fitting unit, parameter analysis and numerical calculation of the number of hospital admissions unit to unit the hospital in the past ten years were analyzed, based on the least squares method, combined with the hospital beds and other parameters, through the establishment of mathematical model of exponential function and linear function, logarithmic function and power function, find out the fitting curve of the highest degree of fitting, which calculated to predict the future value of inpatients.

【技术实现步骤摘要】
基于最小二乘法的住院人数的预测系统
本专利技术涉及医疗
，特别是指一种基于最小二乘法的住院人数的预测系统。
技术介绍
住院量是反应医疗工作的重要指标。住院人数从一个方面反映了一个医院的管理、医疗质量和服务水平。根据往年情况预测住院人数，准确地分析住院人数的动态变化，预测趋势，对于合理安排各种医疗资源，提高医院工作效率以及社会各项资源的利用效率有着重要意义。住院人数受多种因素影响，包括长期趋势以及多种随机干扰因素，需要根据具体情况选取合理的数学模型对未来住院人数的变化做出预测。因此，有必要设计一种新的基于最小二乘法的住院人数的预测系统，以解决上述技术问题。
技术实现思路
针对
技术介绍
中存在的问题，本专利技术的目的是提供一种基于最小二乘法的住院人数的预测系统，根据往年住院人数的变化量以及多种因素，准确预测未来住院人数的变化情况，能够为医院管理人员提供一定程度上准确的参考，从而合理配置各项医疗资源。本专利技术的技术方案是这样实现的：一种基于最小二乘法的住院人数的预测系统，包括初始化单元、曲线拟合单元、参数分析单元以及数值计算单元，其中，所述初始化单元：用于初始化各个科室与科室代码、及数学函数模型，所述数学函数包括线性函数、指数函数、对数函数和幂函数；所述曲线拟合单元：用于曲线拟合，其通过导入过去十年医院或某科室的住院量以及床位数根据数学函数模型进行变换得到各自自变量和因变量，再得到拟合曲线的斜率和截距，再将斜率和截距分别带入各个数学函数模型中，得到拟合函数；所述参数分析单元：将自变量重新代入拟合函数中，计算出的值再得拟合曲度；分别将住院量－年份关系与住院量－床位数关系的两个关系下的各拟合函数的拟合曲度值进行排序，求得拟合曲度最大值；最大值对应的函数，经过变换转换成初始的函数模型；所述数值计算单元：根据输入的所要预测的年份以及当年的床位数，代入在所述两个关系下求得的拟合曲度最高的拟合函数中，求得两个预测值X年份与X床位数，根据如下公式：计算u值，如果u值大于0.05，则系统输出X床位数为该年度的住院量预测值；如果u值小于0.1，则系统判断两个拟合函数的拟合曲度更大，更大者所对应的预测值为最终的预测值。在上述技术方案中，所述曲线拟合包括住院量－年份的拟合以及住院量－床位数的拟合。在上述技术方案中，所述自变量和因变量完成变量变换后，得到八组自变量－因变量关系的数据，先后将各组中自变量和因变量的平均值求出，得到和随后，根据这八组数据，通过下列的公式：求得各条拟合曲线的斜率b和截距a。在上述技术方案中，所述拟合曲线的的计算公式为：在上述技术方案中，所述求得拟合函数之后，将自变量重新代入拟合函数中，求得然后根据各的值，代入如下公式中：求得拟合曲度。本专利技术基于最小二乘法的住院人数的预测系统，通过对医院过去十年的住院接诊人数进行统计分析，以最小二乘法为基础，结合医院床位等参数，通过建立指数函数、线性函数、对数函数和幂函数的数学模型，寻找出拟合程度最高的拟合曲线，从而计算出对未来住院人数的预测值。附图说明图1为本专利技术预测系统流程示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术所述的一种基于最小二乘法的住院人数的预测系统，包括初始化单元、曲线拟合单元、参数分析单元以及数值计算单元，以下是对各单元具体执行的详细说明：(1)初始化单元：在初始化步骤中，首先需要初始化各个科室及其科室代码，如下表所示：科室ID科室名称00001呼吸内科00002心内科其次初始化各项数学函数模型，包括：a.线性函数；b.指数函数；c.对数函数；d.幂函数；其拟合时经过变换后的自变量和因变量分别为：函数模型自变量因变量线性函数xy指数函数xlny对数函数lnxy幂函数lnxlny(2)曲线拟合单元：向系统中导入过去十年医院或某科室的住院量以及床位数，系统开始进行曲线拟合。曲线拟合包括住院量－年份的拟合以及住院量－床位数的拟合，这两种拟合在系统中同时进行。系统根据过去十年的住院量及床位数，首先进行变换：完成变量变换后，得到八组自变量－因变量关系的数据。先后将各组中自变量和因变量的平均值求出，得到和随后，根据这八组数据，根据下列的公式，求得各条拟合曲线的斜率b和截距a：得到以上两个参数斜率和截距后，分别带入各个数学函数模型中，得到拟合函数：(3)参数分析单元：在上一步中完成曲线拟合，求得拟合函数之后，将自变量重新代入拟合函数中，求得然后根据各的值，代入以下公式中，求得拟合曲度(优度)：这样，以上八组拟合函数对应就有八个拟合曲度值。求得各拟合函数的拟合曲度值之后，分别将住院量－年份关系与住院量－床位数关系两个关系下的各拟合函数的拟合曲度值进行排序，求得拟合曲度最大值。将两个关系下的拟合曲度最大值对应的函数，经过变换转换成初始的函数模型，转换关系如下：将斜率和截距b与a代入变换后的函数即可。(4)数值计算单元：在数值计算单元中，根据输入的所要预测的年份以及当年的床位数，代入在两个关系下求得的拟合曲度最高的拟合函数中，求得两个预测值X年份与X床位数。随后计算下值：如果u值大于0.05，则系统输出X床位数为该年度的住院量预测值。如果u值小于0.1，则系统判断两个拟合函数的拟合优度更大，则更大者所对应的预测值为最终的预测值。具体的流程如图1所示。以下是结合实例进行进一步的说明：某科室过往十年的住院人数与床位数如下表所示：经过变换后，各组函数模型的自变量与因变量分别为：经过拟合后，得到的各组函数的截距、斜率以及拟合优度的值分别为：两组关系中，拟合优度达到最大值的分别为：下一年该科室的床位数为42。则将第11年以及床位数42代入以上两组变换后的函数，得到预测值为：X年份＝3025，X床位数＝3077，住院量－床位数关系中指数函数的拟合优度较高，故采用该函数模型的预测值X床位数＝3077作为最终的预测值。本专利技术基于最小二乘法的住院人数的预测系统，具有以下有益效果:1.本系统通过导入过去十年医院或某科室的住院人数，以最小二乘法为基础，采用多种函数模型，进行高速运算求得拟合函数并求出各自的拟合曲度，自动求出符合客观预期的住院量预测值，提高运算速度和精度。2.本系统构建了多种函数模型，在计算住院量预测值的时候，能够根据往年的数值变换透析变化趋势，并且根据这一变化趋势选择最适当的函数模型，采用最小二乘法对曲线进行拟合，从而求出最能解释住院量变化的拟合函数。3.在住院量的变化趋势中，除了年份的变化之外，床位数也是其中一个相当重要的因素。本系统考虑到了诸如由于院区扩建导致床位数骤增的情况，在住院量－年份与住院量－床位数这两对关系中进行权衡，判定较接近现实情况的拟合函数，从而借助该函数求取未来住院量预测值，更加接近现实情况。以上所述仅为本专利技术的较佳实施例而已，并不用以限制本专利技术，凡在本专利技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
一种基于最小二乘法的住院人数的预测系统，其特征在于：包括初始化单元、曲线拟合单元、参数分析单元以及数值计算单元，其中，所述初始化单元：用于初始化各个科室与科室代码、及数学函数模型，所述数学函数包括线性函数、指数函数、对数函数和幂函数；所述曲线拟合单元：用于曲线拟合，其通过导入过去十年医院或某科室的住院量以及床位数根据数学函数模型进行变换得到各自自变量和因变量，再得到拟合曲线的斜率和截距，再将斜率和截距分别带入各个数学函数模型中，得到拟合函数；所述参数分析单元：将自变量重新代入拟合函数中，计算出的值再得拟合曲度；分别将住院量－年份关系与住院量－床位数关系的两个关系下的各拟合函数的拟合曲度值进行排序，求得拟合曲度最大值；最大值对应的函数，经过变换转换成初始的函数模型；所述数值计算单元：根据输入的所要预测的年份以及当年的床位数，代入在所述两个关系下求得的拟合曲度最高的拟合函数中，求得两个预测值X年份与X床位数，根据如下公式：

【技术特征摘要】
1.一种基于最小二乘法的住院人数的预测系统，其特征在于：包括初始化单元、曲线拟合单元、参数分析单元以及数值计算单元，其中，所述初始化单元：用于初始化各个科室与科室代码、及数学函数模型，所述数学函数包括线性函数、指数函数、对数函数和幂函数；所述曲线拟合单元：用于曲线拟合，其通过导入过去十年医院或某科室的住院量以及床位数根据数学函数模型进行变换得到各自自变量和因变量，再得到拟合曲线的斜率和截距，再将斜率和截距分别带入各个数学函数模型中，得到拟合函数；所述参数分析单元：将自变量重新代入拟合函数中，计算出的值再得拟合曲度；分别将住院量－年份关系与住院量－床位数关系的两个关系下的各拟合函数的拟合曲度值进行排序，求得拟合曲度最大值；最大值对应的函数，经过变换转换成初始的函数模型；所述数值计算单元：根据输入的所要预测的年份以及当年的床位数，代入在所述两个关系下求得的拟合曲度最高的拟合函数中，求得两个预测值X年份与X床位数，根据如下公式：计算u值，如果u值大于0.05，则系统输出X床位数为该年度的住院量预测值；如果u值小于0.1，则系统判断两个拟合函数的拟合...

【专利技术属性】
技术研发人员：毛奎彬，曹霖，邝洋辉，
申请(专利权)人：广州慧扬健康科技有限公司，
类型：发明
国别省市：广东,44