三种时间序列模型预测红细胞类血液需求趋势效果对比

摘要

目的 运用自回归移动平均模型（autoregressive intgrated moving average model, ARIMA）、长短时记忆循环神经网络（long short-term memory, LSTM）和ARIMA-LSTM组合模型对长沙地区红细胞用血趋势进行分析和预测，为本市制定合理、有效的血液库存管理提供可靠依据。方法 通过收集2012—2023年长沙各级医院红细胞类用血数据，建立ARIMA模型、LSTM模型以及ARIMA-LSTM模型组合，并通过2024年1—5月临床红细胞类实际用量来评估验证模型预测效果，运用两种评价指标平均绝对百分比误差（mean absolute percentage error, MAPE）和均方根误差（root mean square error, RMSE）检验模型的外推预测精度，然后对模型预测效果进行比较。结果 LSTM模型、最优模型ARIMA（1,1,1）(1,1,1)₁₂和ARIMA-LSTM模型组合预测的RMSE分别为5 206.66、3 096.43和2 745.75,MAPE分别为18.78%、11.54%和9.76%,提示ARIMA-LSTM模型组合精度优于ARIMA模型、LSTM模型，预测结果与实际情况基本一致。结论 在短期预测长沙地区红细胞类临床用血量方面，ARIMA-LSTM模型组合优于各自单一模型。

关键词

ARIMA模型 / LSTM模型 / ARIMA-LSTM模型 / 需求/预测 / 红细胞