發(fā)布時間：2020-12-06 09:01

　　目的:通過對我院近年來慢性胰腺炎患者住院人數(shù)的時間序列進行分析,探索慢性胰腺炎患者住院人數(shù)的周期性以及季節(jié)性等規(guī)律,并初步探索能夠預測未來入院人數(shù)的方法。方法:采用2006年12月至2018年10月共143個月在河北醫(yī)科大學第二醫(yī)院確診為慢性胰腺炎患者住院人數(shù)的數(shù)據(jù)作為時間序列,構建ARIMA模型和LSTM模型。首先對慢性胰腺炎患者住院人數(shù)進行相關特征分析,然后分別經(jīng)過對前123個月的數(shù)據(jù)進行數(shù)據(jù)差分、確定階數(shù)及檢測后擬合ARIMA模型對后20月的數(shù)據(jù)進行預測,應用LSTM模型同樣對前123個月數(shù)據(jù)進行訓練,對后20月的數(shù)據(jù)進行測試;最后對兩種模型的預測結果進行評估。數(shù)據(jù)的處理及模型的建立均在R語言中進行。其中ARIMA主要應用的是forcast和tseries這兩個軟件包,LSTM應用的是google公司研發(fā)的高級別深度學習框架keras包。結果:1.慢性胰腺炎相關特征:住院人數(shù)整體呈上升趨勢;男性住院人數(shù)遠遠高于女性;大多的患者是1次住院或2次住院;大約10%的整體數(shù)據(jù)可以用季節(jié)性因素來描述,患者住院時間集中在第三季度。發(fā)病年齡大多集中在中老年。2.ARIMA可以描述慢性胰腺炎患者... 

【文章來源】：河北醫(yī)科大學河北省

【文章頁數(shù)】：50 頁

【學位級別】：碩士

【部分圖文】：

人工神經(jīng)網(wǎng)絡模型的結構

圖 3 循環(huán)神經(jīng)網(wǎng)絡的運算公式（出自于一文搞懂 RNN（循環(huán)神經(jīng)基礎篇http://www.360doc.com/content/17/1111/11/41269240_702860381.shFig.3 Calculation formula of recurrent neural network在標準 RNN 中，這個重復的結構模塊只有一個非常簡單的結圖 4 所示只有一個 tanh 層。如圖 5 所示 tanh 層中的運算 tanh 作為數(shù)，Tanh(x)=ex-e-x/ex+e-x。

3 循環(huán)神經(jīng)網(wǎng)絡的運算公式（出自于一文搞懂 RNN（循環(huán)神經(jīng)網(wǎng)絡）基礎篇http://www.360doc.com/content/17/1111/11/41269240_702860381.shtml）Fig.3 Calculation formula of recurrent neural network在標準 RNN 中，這個重復的結構模塊只有一個非常簡單的結構，如 4 所示只有一個 tanh 層。如圖 5 所示 tanh 層中的運算 tanh 作為激活函，Tanh(x)=ex-e-x/ex+e-x。

【參考文獻】：
期刊論文
[1]ARIMA乘積季節(jié)模型在遼陽市乙型肝炎發(fā)病預測中的應用[J]. 李濱,丁善飛.  微生物學免疫學進展. 2018(02)
[2]糖尿病并發(fā)急性胰腺炎發(fā)病機制研究進展[J]. 向旭,朱海杭.  中華胰腺病雜志. 2014 (02)
[3]甘肅省哨點醫(yī)院流感樣病例ARIMA模型預測[J]. 孟蕾,王新華,白亞娜,李保娣,任曉衛(wèi),胡曉斌,張慧,秦林原,姜中毅,李娟生.  中國公共衛(wèi)生. 2014(02)



本文編號：2901112