典型文献
基于EMD-LSTM的血小板需求预测研究
文献摘要：
由于血小板的生命周期短,收集流程复杂,且具有重要的医疗意义.准确预测短期血小板需求量不但能减少浪费与过量储存,还能根据需求制定血小板的采购计划、征集计划、生产计划.提出了一种集成经验模态分析法(EMD)与长短期记忆神经网络(LSTM)的血小板需求预测方法(ELSTM).该方法以原始血小板需求数据、EMD分解的若干固有模式函数(IMF)分量与天气状态为输入变量,待预测血小板需求量为输出变量.最后,以成都市血液中心的O型血小板需求量为案例,运用ELSTM、ARIMA与其他机器学习方法测试案例.结果表明,针对于非线性数据,LSTM的预测准确性最高,在输入变量中增加EMD分解与天气状态能有效提高LSTM的预测准确性.
文献关键词：
预测;血小板需求;经验模态分析法;长短期记忆神经网络
中图分类号：
作者姓名：
蒲松
作者机构：
成都工业学院 经济与管理学院,成都 611730
文献出处：
引用格式：
[1]蒲松-.基于EMD-LSTM的血小板需求预测研究)[J].成都工业学院学报,2022(04):74-78
A类：
经验模态分析法,ELSTM
B类：
EMD,血小板需求,需求预测,预测研究,周期短,收集流程,准确预测,减少浪费,采购计划,征集,生产计划,集成经验模态,长短期记忆神经网络,需求数据,IMF,成都市,血液中心,ARIMA,机器学习方法,测试案例,预测准确性
AB值：
0.233285
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
