基于Stacking集成學習的急診患者到達預測

作者：李瑤琦,周鑫,高衛益,柏志安,耿娜

摘要：急診患者到達預測是醫生排班的基礎,是解決急診擁堵的關鍵。現有預測多為單一預測算法,針對每天、每月進行,缺乏更短時間預測。構建基于堆疊法(Stacking)集成學習模型的預測方法,分別以小時、天、周為時間單位,對患者到達進行預測,探究不同時間單位的預測效果。在隨機森林(RF)、梯度提升決策樹(GBDT)、極端梯度提升樹(XGB)、Light GBM(LGB)、支持向量回歸(SVR)、K近鄰學習(KNN)中選擇預測效果較佳的方法作為Stacking集成的初級學習器,以線性回歸作為次級學習器,進行集成預測。在上海某三甲綜合醫院的急診數據集上,考慮氣溫、降雨、空氣質量、節假日等變量預測,試驗表明多項指標上,Stacking集成方法優于單模型。預測時間長度越長,預測效果越好。

發文機構：上海交通大學工業工程與管理系 上海交通大學醫學院附屬瑞金醫院 上海交通大學中美物流研究院

關鍵詞：急診患者到達預測集成學習STACKINGemergency departmentED patient arrivalsforecastingensemble learningStacking

分類號： F224[經濟管理—國民經濟]