Microsoft時序挖掘模型在門診掛號預(yù)測中的應(yīng)用

劉炳麟 王志萍

對時間序列數(shù)據(jù)進(jìn)行分析的目的是為了預(yù)測未來。其分析方法有多種，本文介紹作為分析方法之一的Microsoft時序挖掘模型，在Excel環(huán)境下實(shí)現(xiàn)對時間序列數(shù)據(jù)的分析預(yù)測。本文將展示它在門診掛號預(yù)測中的應(yīng)用效果，可以作為醫(yī)院門診部制定工作計劃、合理安排人、財、物資源的科學(xué)依據(jù)。

Microsoft時序算法

Microsoft時序算法是Microsoft SQL Server 2008 A-nalysis Services(SSAS)提供的回歸算法，用于創(chuàng)建數(shù)據(jù)挖掘模型以便對預(yù)測方案中的連續(xù)列(如門診掛號人次)進(jìn)行預(yù)測。Microsoft時序算法包括兩個獨(dú)立的算法:ARTXP算法和ARIMA算法。ARTXP算法針對短期預(yù)測進(jìn)行了優(yōu)化，因此可預(yù)測序列中下一個可能的值，ARIMA算法針對長期預(yù)測進(jìn)行了優(yōu)化。

默認(rèn)情況下，Microsoft時序算法在分析模式和進(jìn)行預(yù)測時混合使用這兩種算法。該算法使用相同的數(shù)據(jù)為兩個單獨(dú)的模型定型:一個模型采用 ARTXP算法，另一個模型采用ARIMA算法。因?yàn)锳RTXP最適合于短期預(yù)測，所以在一系列預(yù)測的開始時十分重要。但是，隨著預(yù)測的時間段不斷向?qū)硌由欤珹RIMA就比較重要了。在進(jìn)行前幾步預(yù)測時只使用ARTXP，完成前幾步預(yù)測后，結(jié)合使用ARIMA和ARTXP，隨著預(yù)測步驟數(shù)的增加，預(yù)測越來越多地依賴 ARIMA，直至不再使用 ARTXP。

1．ARIMA

自回歸移動平均模型(ARIMA)，是由Box和Jenkins于20世紀(jì)70年代初提出的時間序列預(yù)測方法，基本思想是:將預(yù)測對象隨時間推移而形成的數(shù)據(jù)序列視為一個隨機(jī)序列，用一定的數(shù)學(xué)模型來近似描述這個序列，這個模型一旦被識別后就可以從時間序列的過去值及現(xiàn)在值來預(yù)測未來值。ARIMA數(shù)學(xué)模型由自回歸(AR)模型和滑動平均(MA)模型組合而成，數(shù)學(xué)公式表示為:

Yt= φ1Yt－1+ φ2Yt－2+ … + φpYt－p+et－ θ1et－1－θ2et－2－ … － θqet－q

p為自回歸模型的階數(shù)，Yt是時間序列在t期的觀測值，et是時間序列模型在t期的誤差或偏差。

2．ARTXP

ARTXP結(jié)合了自動回歸技術(shù)和決策樹技術(shù)。在自動回歸過程中，x在t的值(xt)是時間t之前的x一系列值的一個函數(shù)，例如 xt=f(xt-1，xt-2，xt-3，…，xt-n)+εt，其中xt是待研究的時間序列，n是自動回歸的階，通常小于該序列的長度，最后一項(xiàng)代表噪聲。使用時間序列算法的目標(biāo)是找到這個函數(shù)f。如果函數(shù)f是一個線性函數(shù)，則有如下的形式，xt=a1xt-1+a2xt-2+a3xt-3+…+anxt-n+εt，其中ai是自動回歸系數(shù)。使用Microsoft時序算法創(chuàng)建的模型是一個自動回歸模型，在該模型中，函數(shù)f對應(yīng)一棵回歸樹。回歸樹按照屬性拆分，相當(dāng)于決策樹，樹的葉節(jié)點(diǎn)對應(yīng)一個回歸公式，用于創(chuàng)建數(shù)據(jù)挖掘預(yù)測模型。

ARTXP派生自以下事實(shí)，即自動回歸樹方法(一種ART算法)應(yīng)用于多個未知的先前狀態(tài)。ART算法的優(yōu)點(diǎn)是所需資料不多，可用自變量數(shù)列來進(jìn)行預(yù)測。但是這種方法要求數(shù)據(jù)必須具有自相關(guān)。

Excel環(huán)境下應(yīng)用Microsoft時序挖掘模型

首先，下載Excel 2007數(shù)據(jù)挖掘加載項(xiàng):SQL Server 2008 Data Mining Add-ins for Microsoft Office 2007，將Excel 2007數(shù)據(jù)挖掘加載項(xiàng)安裝到計算機(jī)中。打開Excel 2007，可以發(fā)現(xiàn)菜單欄中增加了一個“數(shù)據(jù)挖掘”菜單。

真正使用此數(shù)據(jù)挖掘加載項(xiàng)，還需要滿足如下條件:(1)計算機(jī)操作系統(tǒng)為Windows XP SP2以上或Windows 7等;(2)計算機(jī)中安裝有SQL Sever 2008。

以下介紹使用Microsoft時序挖掘模型:

1.連接數(shù)據(jù)挖掘服務(wù)器和Analysis Services數(shù)據(jù)庫

因?yàn)镸icrosoft時序挖掘模型工作模式是客戶端和服務(wù)器模式即 C/S模式，Excel作為客戶端，SQL Sever 2008作為提供數(shù)據(jù)挖掘模型和提供數(shù)據(jù)的服務(wù)器端，所以必須首先連接SQL Sever本地服務(wù)器，即在本機(jī)中安裝SQL Sever 2008時設(shè)定的服務(wù)器名稱，連接服務(wù)器的同時要連接到創(chuàng)建好的Analysis Services數(shù)據(jù)庫，通過此數(shù)據(jù)庫可以為數(shù)據(jù)挖掘模型提供要分析的數(shù)據(jù)。在通過點(diǎn)擊連接子菜單中的“選擇連接”，彈出一個對話框，單擊對話框中的“新建”，輸入服務(wù)器名稱和已創(chuàng)建的Analysis Services數(shù)據(jù)庫。

創(chuàng)建Analysis Services數(shù)據(jù)庫有兩種方式。一種是通過SQL Sever 2008創(chuàng)建多維數(shù)據(jù)倉庫時創(chuàng)建，這種方式往往是為了分析多維數(shù)據(jù)倉庫中的數(shù)據(jù)，即數(shù)據(jù)來自多維數(shù)據(jù)倉庫。另一種是通過Excel 2007數(shù)據(jù)挖掘?qū)嵗齽?chuàng)建，在前面所述安裝Excel 2007數(shù)據(jù)挖掘加載項(xiàng)時，微軟提供了一個實(shí)例，通過Window XP的“開始”→“程序”→Microsoft SQL 2008數(shù)據(jù)挖掘外接程序→服務(wù)器配置實(shí)用工具，來創(chuàng)建一個Analysis Services數(shù)據(jù)庫，但是此數(shù)據(jù)庫只有結(jié)構(gòu)，沒有數(shù)據(jù)，是空的。這種方式用來分析來自于Excel工作表中的數(shù)據(jù)，即把要分析的數(shù)據(jù)輸入工作表中進(jìn)行分析。

2.數(shù)據(jù)準(zhǔn)備

本文數(shù)據(jù)來自上面所敘述的第一種方式。通過SQL Sever 2008創(chuàng)建了我院門診掛號數(shù)據(jù)倉庫，門診掛號的原始數(shù)據(jù)存儲在此數(shù)據(jù)倉庫中，新的數(shù)據(jù)不斷增加到數(shù)據(jù)倉庫中。在數(shù)據(jù)倉庫中建立掛號數(shù)據(jù)立方體，此立方體包括兩個維度，時間維度和門診科室維度，一個事實(shí)表，門診掛號人次事實(shí)表。

利用Excel的數(shù)據(jù)透視表作為數(shù)據(jù)立方體的數(shù)據(jù)前端展示工具。單擊Excel 2007的“數(shù)據(jù)”菜單→獲取外部數(shù)據(jù)子菜單中的“自其他來源“→”來自Analysis Services”，在彈出的對話框中輸入前面所述的服務(wù)器名稱，選擇所要分析的Analysis Services數(shù)據(jù)庫，將數(shù)據(jù)立方體的數(shù)據(jù)導(dǎo)入，以數(shù)據(jù)透視表的方式展示在Excel工作表中。本文選擇了2008年至2011年上半年的歷史掛號數(shù)據(jù)，來預(yù)測未來的2011年7月的掛號數(shù)據(jù)，分別選取了8個專業(yè)門診。

Excel工作表中時間序列數(shù)據(jù)的格式要求為:第一列為時間數(shù)據(jù)，要有標(biāo)題，時間格式，例如2008年1月應(yīng)為200801或2008/1;其他列，標(biāo)題列為科室名稱，例如東院兒科門診、東院耳鼻喉門診等，數(shù)據(jù)為數(shù)字，例如各門診科室的掛號人次。

3.創(chuàng)建時序模型

用鼠標(biāo)單擊“數(shù)據(jù)建模”子菜單中高級，單擊“創(chuàng)建挖掘結(jié)構(gòu)”，將導(dǎo)入到工作表中的幾列數(shù)據(jù)選定作為創(chuàng)建挖掘結(jié)構(gòu)的源數(shù)據(jù)，將Excel工作表中的時間數(shù)據(jù)列作為Key Time列。給創(chuàng)建的挖掘結(jié)構(gòu)輸入名稱，保存。單擊“將模型添加到結(jié)構(gòu)”，選擇剛剛創(chuàng)建的挖掘結(jié)構(gòu)名稱，在算法中選擇“Microsoft時序”，將要預(yù)測的列改為僅預(yù)測，例如將標(biāo)題為東院兒科門診、東院耳鼻喉門診等的數(shù)據(jù)列改為僅預(yù)測。最后輸入模型名稱，保存。

4.瀏覽時序模型

通過“瀏覽”功能菜單，可實(shí)現(xiàn)瀏覽創(chuàng)建好的時序模型。本文通過預(yù)測8個專業(yè)門診2011年7月的掛號人次，顯示Microsoft時序挖掘模型預(yù)測效果。圖1為“瀏覽”后的預(yù)測效果。

圖1 預(yù)測趨勢圖

圖1中虛線為預(yù)測的部分，選擇【顯示偏差】復(fù)選框，可顯示偏差范圍，現(xiàn)以預(yù)測2011年7月以上幾個專業(yè)門診的掛號人次為例，展示預(yù)測效果。預(yù)測值和實(shí)際值比較見表1，東院免疫風(fēng)濕門診、東院神經(jīng)科門診、東院肝膽外科門診預(yù)測值非常接近實(shí)際值，其他專業(yè)門診實(shí)際值在預(yù)測偏差范圍內(nèi)，僅東院泌尿外預(yù)測值偏離了實(shí)際值，這是因?yàn)槠陂g更換了科主任，有更多病人慕名而來。可以看出時序挖掘模型能較好地完成預(yù)測任務(wù)，為醫(yī)院決策提供可靠的依據(jù)。

表1 2011年7月掛號人次實(shí)際值和預(yù)測值

Microsoft時序挖掘模型為醫(yī)院管理者提供了一種決策工具，不僅用于預(yù)測門診掛號人次，還可以預(yù)測科室收入、醫(yī)院總收入、藥庫出入庫數(shù)量等。

1．呂效國，劉凱峰，王占軍．用自回歸模型的預(yù)選方法預(yù)測門診人數(shù)．中國衛(wèi)生統(tǒng)計，2009，26(1):64．

2．Box GEP，Jenkins GM，Reisel GC．顧嵐主譯．時間序列分析-預(yù)測與控制．北京:中國統(tǒng)計出版社，1997:5-180．

3．謝邦昌，朱建平，來升強(qiáng)．Execl 2007數(shù)據(jù)挖掘完全手冊．北京:清華大學(xué)出版社，2008:175-197．

4．朱凌云，等．醫(yī)學(xué)數(shù)據(jù)挖掘技術(shù)、方法與應(yīng)用．生物醫(yī)學(xué)工程雜志，2003，20(3):559-562．

5．孫振球．醫(yī)學(xué)統(tǒng)計學(xué)．第2版．北京:人民衛(wèi)生出版社，2007:461-477．