Key points are not available for this paper at this time.
الخلفية: يعتبر التوقع الدقيق للطلب على الخدمات الطبية مفيدًا للتخطيط وتوزيع موارد الرعاية الصحية بشكل معقول. يتميز حجم العيادات الخارجية اليومية بالعشوائية والدورية والاتجاه، وغالبًا ما تستخدم طرق السلاسل الزمنية، مثل ARIMA، لتوقع الزيارات الخارجية قصيرة المدى. لذلك، لتوسيع أفق التنبؤ وتحسين دقة التنبؤ، تم اقتراح نموذج تنبؤ هجين يدمج ARIMA وطريقة التصفية الذاتية التكيفية. الطرق: يتم استخدام نموذج ARIMA أولاً لتحديد ميزات مثل الدورية والاتجاه لبيانات السلاسل الزمنية ولتقدير معلمات النموذج. ثم يتم تعديل المعلمات بواسطة خوارزمية الهبوط الأسرع في طريقة التصفية التكيفية لتقليل خطأ التنبؤ. تم التحقق من صحة النموذج الهجين ومقارنته مع ARIMA التقليدي من خلال عدة مجموعات اختبار من مكتبة بيانات السلاسل الزمنية (TSDL)، وحالة زيارة قسم الطوارئ الأسبوعية من الدراسة الأدبية، والحالات الفعلية للفحوصات قبل الولادة وB-ultrasounds في مركز الرعاية الصحية للأمهات والأطفال (MCHCC) في نينغبو. النتائج: بالنسبة لحالات TSDL، تم تحسين دقة التنبؤ للنموذج الهجين بنسبة 80-99% مقارنة بنموذج ARIMA. بالنسبة لحالة زيارة قسم الطوارئ الأسبوعية، كانت نتائج التوقع للنموذج الهجين أفضل من نتائج ARIMA التقليدي ونموذج ANN، ومماثلة لنموذج decomposed data المدمج المذكور في الأدبيات. بالنسبة للبيانات الفعلية من MCHCC في نينغبو، كان MAPE المتوقع بواسطة نموذج ARIMA في القسمين 18.53 و27.69% على التوالي، وكانت النماذج الهجينة 2.79 و1.25% على التوالي. الاستنتاجات: يتفوق نموذج التنبؤ الهجين على نموذج ARIMA التقليدي في كل من النتائج الدقيقة مع متوسط خطأ نسبي أصغر وقابلية التطبيق للتنبؤ قصير ومتوسط المدى.
دراسة هوانغ وزملائه (Sat) هذا السؤال.