目的 众所周知，随着中国加入WTO后，东西方的交流日益广泛，西方先进的技术和管理理念必然会对国内市场造成一定冲击，国内原有的医院格局将受到严峻的挑战，医院要在发展中立足，就必须对医院的信息化管理提出更高、更新的要求，必须加快医院管理的现代化、科学化、规范化进程。这也就要求统计工作者能够充分利用已有的时间序列资料，进行正确的统计分析和预测，给管理者提供量化的分析预测结果，以此作为今后工作方向的理论指导，避免管理工作的盲目性。本文旨在通过对医院统计工作中的年度门诊人次和季度入院人次资料进行预测，以寻求一种较为适合医院时间序列资料的预测方法。 方法 第一部分：收集了天津市某医院的1985年～2002年的门诊人次资料。针对该资料的预测步骤为：首先给出四种不同的单项预测模型：三次指数平滑模型、三次多项式回归模型、灰色模型GM(1，1)、Box—Jenkins模型。 然后，采用人工神经网络(Artificial Neural Network，简称ANN)将以上这四种模型的拟合预测结果作为网络的输入，以实际的医院门诊人次作为目标输出，建立基于神经网络的组合预测模型。同时以这四种方法的最优加权组合预测模型的结果作为对照，比较变权重与固定权重这两种方法的组合预测效果。 第二部分：按季度收集了天津市某医院的1996年～2001年的入院人次资料。首先采用季节周期回归模型、温特斯(P.R.Winters)线性和季节指数平滑法、Box—Jenkins模型对该资料进行预测，然后采用人工神经网络将以上三种模型的预测结果进行组合预测。 第三部分：选取《数理医药学杂志》2000年13卷1期中的“最优加权组合预测法在河北省卫生人力预测中的应用”一文中的卫生人力资料，采用基于人工神经网络的组合预测法进行分析预测，并与该文提出的最优加权组合预测法的预测结果进行比较。 结果 本研究中对门诊人次资料采用的四种单项预测模型按照预测结果的平均相对误差排序，由小到大依次为三次多项式回归模型（0＊469）、灰色模型GM（．1）（0＊655）、Box一Jenkins 模型（0．0743）和三次指数平滑模型（0．0789）。 采用最优加权组合预测模型将这几种模型进行组合预测，结果显示预测精度有一定程度的提高（平均相对误差一0刀543）。但是由于这几种方法未能通过 kendall一致性检验，K‘－8＊25，P＞0．05，目单项模型之间不具有一致性，因此我们寻求其他的组合预测方法。最后采用基于神经网络的组合预测法对门诊人次进行预测，平均相对误差为9．996X 105 另外，在对季节入院人次资料的预测中，基于神经网络的组合预测方法也显示了良好的预测结果，平均相对误差为 9．988 X 10”。 结论 人工神经网络的特点在于它具有高度的自组织学习能力，可揭示数据样本中所蕴涵的非线性关系，能以任意精度逼近任意函数。而且在ANN模型中，各单项预测模型的权系数不再是一常量，而是随时间变化的函数；某一种预测方法对组合预测结果的影响虽然与自身的预测结果和权重有关，但其权重对组合预测结果的影响是非线性的。这就克服了最优加权组合预测法权重固定不变等缺陷，因此基于神经网络的组合预测法实质上是一种变权重系数的组合预测方法。变权重系数组合预测模型的建立和应用是提高预测模型的预测精度，增强预测模型实用性的有效途径。 综上所述，在非线性时序资料预测中，基于神经网络的组合预测法展现出了它不可替代的强大优势，可以作为统计预测分析的一个得力助手在医院管理统计工作中加以应用。