基于CNN-LSTM的气象因素与高血压门诊人数关系

摘要：

目的 探讨甘肃省不同地区气象因素对高血压门诊人数的影响,并对高血压门诊人数的变化趋势进行预测分析,从而为高血压疾病的预防和控制提供参考依据.方法 在控制了高血压门诊相关特征因素的基础上,利用Python编程语言对白银、成县、庆城和凉州四个地区的高血压门诊人数建立卷积神经网络(convolutional neural networks,CNN)和长短期记忆神经网络(long short-term memory,LSTM)混合模型(CNN-LSTM).结果 CNN-LSTM模型对甘肃四个地区预测的高血压门诊人数的均方根误差分别为6.330 9、6.814 2、6.393 6和6.867 6,平均绝对百分比误差分别为74.082 2、78.508 2、56.618 3、50.235 4,平均绝对误差分别为4.875 7、5.431 1、4.542 0和6.460 8,结果均优于支持向量机(support vector machine,SVM)、整合移动平均自回归模型(autoregressive integrated moving average model,ARIMA)、随机森林(random forest,RF)、CNN和LSTM.结论 CNN-LSTM模型可以对甘肃四个地区高血压门诊人数进行较准确的短期预测,医院可以根据不同时间高血压就医需求合理配置医疗资源.

关键词：高血压、气象要素、空气污染物、时间序列分析、CNN-LSTM模型

所属期刊栏目：23

分类号：R195;TP183(保健组织与事业（卫生事业管理）)

资助基金：国家自然科学基金61662043

在线出版日期：2019-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1126-1131