基于LSTM的临床血液需求预测方法

doi:10.3969/j.issn.1006-2475.2018.05.009

计算机与现代化

基于LSTM的临床血液需求预测方法

(江西省血液中心,江西南昌330052)

收稿日期:2017-10-24 出版日期:2018-06-13 发布日期:2018-06-13
作者简介: 郑亚鹏(1978-),男,江西新干人,江西省血液中心工程师,学士,研究方向:网络安全管理,数据分析; 樊璐(1982-),女,吉林榆树人,主管技师,硕士,研究方向:输血检验。

A LSTM-based Forecast Method for Clinical Blood Demand

(Jiangxi Province Blood Center, Nanchang 330052， China)

Received:2017-10-24 Online:2018-06-13 Published:2018-06-13

摘要/Abstract

摘要： 为了帮助血液中心制定合理的采供血计划，本文根据江西省血液中心收集的2005-2016年临床用血数据，分析临床用血总量和各种血液成分用量的变化趋势，并基于LSTM神经网络预测2016年各月的临床血液需求量。实验结果表明，相较于传统的ARIMA时间序列模型，本文建立的LSTM神经网络能够有效预测临床用血需求量的变化，得到较为准确的预测结果。

关键词: , 临床用血, 需求预测, LSTM网络

Abstract: In order to help the blood center make a reasonable plan, this paper analyzes the total amount of clinical blood and the changing trend of various blood components according to the clinical blood data from 2005 year to 2016 year collected by Jiangxi Province Blood Center, and predicts the clinical blood demand in every month of 2016 year based on the LSTM network model. Experimental result shows that, compared with the traditional ARIMA model, the LSTM network established in this paper can effectively predict the change of clinical blood demand and obtain more accurate prediction results.

Key words: clinical blood, demand forecast, LSTM network

中图分类号:

TP18

郑亚鹏，樊璐. 基于LSTM的临床血液需求预测方法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2018.05.009.

ZHENG Ya-peng， FAN Lu. A LSTM-based Forecast Method for Clinical Blood Demand[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2018.05.009.

参考文献

［1］采卉. 卫生部通报无偿献血工作进展情况［J］. 中国输血杂志, 2012,25(1):76.
［2］邓雪莲,梁晓华,王黎,等. 355家采供血机构全血供应现状调查［J］. 中国输血杂志, 2011,24(9):779-780.
［3］李雅杰,安万新,梁晓华,等. 全国各地血液供应紧张原因分析及对策［J］. 中国输血杂志, 2012,25(12):1236-1238. 
［4］李雪晶. 济南市采供血动态分析及预测［D］. 济南：山东大学, 2014.
［5］马文文,王梦圆,赵轶轮,等. 血液需求预测模型研究［J］. 中国输血杂志, 2015,28(6):740-744.
［6］马洪. 临床供血调控研究——以黄南州为例［J］. 青海医学院学报, 2010,31(2):120-122.
［7］邹艳艳,薛茜,杨蕾,等. 自回归分析法进行临床用血量的预测［J］. 新疆医科大学学报, 2009,32(5):606-607.
［8］方春燕,朱家明. 基于时间序列分析的血液供应量预测［J］. 北京医学, 2016,38(6):606-609.
［9］陈迎春，杨群身，万涅科，等．临床血液需求量趋势的ARIMA模型研究［J］．实用医院临床杂志， 2011，8(5)：190-192．
［10］ 王钢，丽娜，曹玉茹，等．随机型库存模型在血库贮血管理中的应用初探［J］．陕西医学检验，1994,9(4)：229-230. 
［11］ 朱莎,刘晓. 小波分析和支持向量机组合法预测应急血液需求研究［J］. 中国安全科学学报, 2013,23(5):166. 
［12］罗旭,刘友江. 医疗大数据研究现状及其临床应用［J］. 医学信息学杂志, 2015,36(5):10-14.
［13］孙浩. 血液供需预测模型及盈缺预警机制研究［D］. 成都：西南交通大学, 2017.
［14］孙瑞奇. 基于LSTM神经网络的美股股指价格趋势预测模型的研究［D］. 北京：首都经济贸易大学, 2015.
［15］侯伟涛,姬东鸿. 基于Bi-LSTM的医疗事件识别研究［J/OL］. http://www.arocmg.com/article/02-2018-07-019.html， 2017-07-27.
［16］Goodfellow I, Bengio Y, Courville A. Deep Learning［M］. MIT Press， 2016.

[1]	李静元, 张珂, 杨东裕. 基于雾计算的工业互联网安全数据访问方法[J]. 计算机与现代化, 2022, 0(12): 118-122.
[2]	张苏宁, 王芳, 朱燕, 景栋盛. 基于极端梯度提升的跨地区多种类电力需求预测[J]. 计算机与现代化, 2022, 0(03): 18-22.
[3]	陈春燕, 刘梦赤. 基于粒子群遗传算法的智能组卷策略[J]. 计算机与现代化, 2021, 0(08): 16-23.
[4]	宋鑫, 樊志强, . 基于Laguerre 前向神经网络的信息服务性能建模方法 [J]. 计算机与现代化, 2021, 0(03): 1-6.
[5]	魏健, 赵红涛, 刘敦楠, 加鹤萍 . 基于集成模型的超短时负荷预测方法[J]. 计算机与现代化, 2021, 0(03): 12-17.
[6]	李巍. 基于深度网络的出租车Pick-up需求预测[J]. 计算机与现代化, 2021, 0(02): 56-61.
[7]	武鹏, 郭晓芸, 陈鹏, 王宗伟, 曹璐, 金鹏. 基于LSTM网络的语音服务质检推荐技术[J]. 计算机与现代化, 2020, 0(07): 76-79.
[8]	段桂芹1，邹臣嵩2，刘锋2. 基于优化初始聚类中心的K中心点算法[J]. 计算机与现代化, 2019, 0(04): 1-.
[9]	李富星，蒙祖强 . 一种改进的类别区分词特征选择算法[J]. 计算机与现代化, 2019, 0(03): 73-.
[10]	白晓波1，邵景峰1，和征1，田建刚2. 基于学习的核偏最小二乘法优化扩展卡尔曼滤波[J]. 计算机与现代化, 2018, 0(09): 110-.
[11]	刘德春1，张秀国2，姜微2. 基于马尔科夫链的大学生自主学习能力预测方法[J]. 计算机与现代化, 2018, 0(05): 106-.
[12]	夏琨1，丁波1，刘俊1，刘子豪1，林亮成2. 基于内容分析的网络协议指纹识别[J]. 计算机与现代化, 2018, 0(05): 121-.
[13]	李华，江峰，于旭，杜军威，刘国柱. 基于粒度决策熵的属性约简[J]. 计算机与现代化, 2018, 0(04): 7-.
[14]	陈丽娟，谢伙生. 带负项值的onshelf效用项集并行挖掘算法[J]. 计算机与现代化, 2018, 0(04): 13-.
[15]	吴克介,王家伟. 基于知网与搜索引擎的词汇语义相似度计算[J]. 计算机与现代化, 2018, 0(04): 90-.

基于LSTM的临床血液需求预测方法

A LSTM-based Forecast Method for Clinical Blood Demand

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价