摘要
本发明涉及一种基于大数据分析的临床智能排班方法及系统,涉及数据处理技术领域,该方法包括:获取患者数据、护士数据及环境数据的数据集合,并对数据集合进行预处理生成标准化数据集;处理标准化数据集,预测未来排班的护理需求;基于护士的技能、当前工作负荷及历史工作数据,通过推荐算法生成层级化护士分配方案;采用遗传算法结合动态约束条件,生成满足层级化护士分配方案与护理需求的排班表;基于排班表的排班数据与生理指标,通过监督学习模型动态调整各护士的工作负荷,生成第一排班策略;通过强化学习模型在突发情况下自动匹配替补护士并优化第一排班策略,生成第二排班策略。本发明能够提升临床排班的效率和准确性。
技术关键词
智能排班方法
时间序列预测模型
监督学习模型
强化学习模型
协同过滤推荐算法
决策树模型
遗传算法
策略
层级
负荷
KNN算法
XGBoost算法
智能排班系统
动态
多维特征数据
随机森林
指数
生理
系统为您推荐了相关专利信息
优化物联网
资源分配模块
强化学习算法
任务调度
路径规划单元
三维力解耦方法
深度强化学习模型
控制系统
夹持力需求
机械爪
动态环境参数
历史监测数据
事件特征
时间序列预测模型
矢量指令集
蓄冷模块
数据中心机房
节能控制方法
IT机柜
节点