一种基于深度学习的药品智能管理与预测分析方法

本发明公开了一种基于深度学习的药品智能管理与预测分析方法，包括如下步骤：S1、采集并归一化药品相关数据，生成统一药品数据；S2、构建ETL流程，设定时间粒度动态权重，生成时间序列输入；S3、构建药品知识图谱，建立语义映射关系；S4、融合时间序列与知识图谱提取周期变化与空间差异特征，输出趋势预测结果与残差序列；S5、基于Apriori算法挖掘高频药品组合规则；S6、使用融合Isolation Forest与自编码器的模块进行异常检测；S7、整合前述结果生成特征归因；S8、输出全部分析结果。本发明实现了药品趋势预测、行为挖掘与异常识别的一体化建模。