时序预测模型对广州市急救需求量的预测价值

作     者：王静 江慧琳 李双明 曾睿 刘佳 李艳玲 朱永城 林建权 陈晓辉 Wang Jing;Jiang Huilin;Li Shuangming;Zeng Rui;Liu Jia;Li Yanling;Zhu Yongcheng;Lin Jianquan;Chen Xiaohui

作者机构：广州医科大学附属第二医院急诊科广州医科大学生物医学工程学院广州510260 广州市急救指挥中心广州510000 

出 版 物：《中华急诊医学杂志》 (Chinese Journal of Emergency Medicine)

年 卷 期：2022年第31卷第8期

页      面：1153-1158页

核心收录：

学科分类：100218[医学-急诊医学] 1002[医学-临床医学] 1010[医学-医学技术（可授医学、理学学位）] 10[医学] 

基　　金：广州市卫生健康科技重大项目(2020A031005) 广东省医学科学技术研究基金项目(A2022344) 广州市重点学科(2021-2023) 

主　　题：差分自回归滑动平均模型 自回归模型 预测 急救调度 Matlab仿真 

摘      要：目的探讨时序预测模型中的差分自回归滑动平均(ARIMA)和自回归(AR)模型在预测广州市急救调度日出车数量方面的价值。方法采用Matlab仿真软件对广州市2021年1月1日至2021年12月31日的急救调度出车记录分析计算日出车数量时间序列,对该序列进行时序预测模型辨识,得到ARIMA(1,1,1)、AR(4)以及AR(7)模型,利用这些模型对日出车数量做出预测拟合。ARIMA(1,1,1)模型将数据分为训练集和测试集,参数运算采用Prony方法,预测拟合未来的出车数量;AR(4)和AR(7)模型采用均匀系数,预测当天出车数量。结果ARIMA(1,1,1)、AR(4)以及AR(7)都可以实现对日出车数量的有效预测,ARIMA(1,1,1)的预测拟合误差随着预测时间的延长下降。两个月内的急救调度日出车量预测拟合平均绝对百分比误差(MAPE)低于6%,结果基本都位于95%置信区间内,利用模型的残差分析验证了模型显著有效。结论ARIMA模型可以对两个月内的急救调度日出车量做长期预测拟合,AR模型可以对急救调度日出车量做短期有效预测。