劉恰恰

摘 要：大氣污染和氣象要素變化已成為自然環(huán)境中影響人體健康的兩個(gè)重要指標(biāo)，在一定程度上也成為影響醫(yī)藥銷售的重要因素。本文主要以大氣污染和氣象要素作為醫(yī)藥銷售的影響因素，對其進(jìn)行特征化處理，基于隨機(jī)森林回歸對特征與銷量構(gòu)建醫(yī)藥銷售預(yù)測模型，并與典型模型進(jìn)行對比。實(shí)驗(yàn)表明，本文模型具有較好的預(yù)測效果。

關(guān)鍵詞：隨機(jī)森林回歸；醫(yī)藥銷售預(yù)測；大氣污染；氣象要素

中圖分類號：C931 文獻(xiàn)標(biāo)識碼：A

環(huán)境變化對人體健康的影響是不可忽視的，尤其對呼吸道疾病。[1]相關(guān)文獻(xiàn)研究[2，3]表明，大氣污染和氣象要素均可使人類疾病的發(fā)病危險(xiǎn)性增加?；卺t(yī)藥銷售領(lǐng)域現(xiàn)狀，本文以呼吸道疾病的藥物為例，應(yīng)用隨機(jī)森林回歸對特征與銷量構(gòu)建醫(yī)藥銷售預(yù)測模型。

1 數(shù)據(jù)預(yù)處理

本實(shí)驗(yàn)數(shù)據(jù)包括3部分，即醫(yī)藥銷售數(shù)據(jù)、大氣污染和氣象要素，分別來源于某醫(yī)藥企業(yè)2015.1—2018.6期間日銷售數(shù)據(jù)、全國天氣網(wǎng)和市環(huán)保局監(jiān)測站。

從醫(yī)藥數(shù)據(jù)特點(diǎn)來看，需檢查原始記錄中是否存在臟數(shù)據(jù)及不能直接進(jìn)行相關(guān)分析的數(shù)據(jù)，如對缺失值進(jìn)行插補(bǔ)；對異常值進(jìn)行判斷；對不同量綱的數(shù)據(jù)進(jìn)行變換等。

從環(huán)境數(shù)據(jù)分析，本文選取6個(gè)大氣污染指標(biāo)，即SO2、NO2、CO、O3、PM10、PM2.5日濃度值，統(tǒng)計(jì)出各因子日最高、最低濃度；計(jì)算出各因子的日平均濃度；選取5個(gè)原始?xì)庀笾笜?biāo)，即日最高溫（T_max）、日最低溫（T_min）、日平均溫（T_ave）、日風(fēng)速，基于原始數(shù)據(jù)計(jì)算出日溫差、最高溫、最低溫、平均溫、周變異系、平均風(fēng)速，分別用T_var、v_max、v_min、v_ave、v_T、W_pow表示。

2 特征選擇

針對不同人對環(huán)境變化的適應(yīng)性不同，考慮到發(fā)病前的潛伏期，對銷量與環(huán)境指標(biāo)進(jìn)行時(shí)滯期相關(guān)及顯著性分析，判斷出醫(yī)藥銷售的主要影響因素，進(jìn)而提取有效的特征指標(biāo)。

對銷量與環(huán)境因素進(jìn)行當(dāng)日及前幾日Spearman分析，顯示兩者存在緊密相關(guān)性，同時(shí)存在一定延滯效應(yīng)。其中，藥品銷量與NO2、O3、PM2.5、PM10呈顯著正相關(guān)，與SO2呈顯著負(fù)相關(guān)，與CO未達(dá)到顯著；與 T_ave、T_max、T_min、T_var呈顯著負(fù)相關(guān)，延滯期可長達(dá)一周；與v_ave、v_max、v_min、v_T呈顯著正相關(guān)，與v_T成顯著正相關(guān)，與W_dir相關(guān)性較小且顯著性不太明顯。因此，通過對銷量與特征指標(biāo)綜合分析，剔除不具備統(tǒng)計(jì)學(xué)意義的特征，最終把存在顯著性的環(huán)境指標(biāo)作為模型輸入特征。

3 模型構(gòu)建

隨機(jī)森林模型構(gòu)建主要是對兩類參數(shù)的調(diào)參過程，主要包括：過程影響參數(shù)和子模型影響參數(shù)，本文以O(shè)OB誤差最低為原則選取最優(yōu)參數(shù)。[4]

首先，對過程影響參數(shù)進(jìn)行調(diào)整，當(dāng)n_estimators取50時(shí)，誤差呈明顯下降趨勢；取100時(shí)，誤差仍有下降趨勢；直至取150時(shí)，誤差逐漸接近收斂，考慮到訓(xùn)練的效率，最終選取200；然后固定n_estimators=200，再對子模型影響參數(shù)進(jìn)行分析。對max_feature設(shè)定1.50的范圍進(jìn)行調(diào)整，當(dāng)max_feature取1—10時(shí)，隨特征數(shù)增加誤差急劇下降；當(dāng)取值在11.50之間，誤差總體趨于平穩(wěn)，且取13時(shí)誤差最小，因此最終選擇max_feature=13；對min_samples_split設(shè)定2.10的范圍進(jìn)行調(diào)整，隨最小樣本數(shù)增加，模型誤差率呈上升趨勢，調(diào)參后最優(yōu)解仍保持為2；對min_samples_leaf設(shè)定范圍1.10進(jìn)行調(diào)整，隨葉子節(jié)點(diǎn)最小樣本數(shù)增加，誤差也呈上升趨勢，調(diào)參后最優(yōu)解為3。

4 實(shí)驗(yàn)結(jié)果

為了衡量模型的預(yù)測效果，實(shí)驗(yàn)分為兩個(gè)模塊，即針對不同特征、不同模型，分別對預(yù)測結(jié)果的影響進(jìn)行實(shí)驗(yàn)與分析。

4.1 特征比較

在醫(yī)藥銷售預(yù)測過程中，大氣環(huán)境指標(biāo)可變性較大，在實(shí)際應(yīng)用中不一定能同時(shí)收集到，需要判斷每個(gè)特征對模型的影響程度。首先，基于特征選擇的結(jié)果，進(jìn)行多次實(shí)驗(yàn)，計(jì)算出平均準(zhǔn)確率（ACCU）；其次，每次實(shí)驗(yàn)依次去掉一個(gè)特征，得到12組不同準(zhǔn)確率，且發(fā)現(xiàn)準(zhǔn)確率出現(xiàn)不同程度的降低，每個(gè)特征對模型影響程度排序?yàn)椋簐ar_tem > T_min > T_ave> T_max > NO2 = PM2.5 > T_var = PM10 > W_pow >O3 > SO2。所以，當(dāng)因素不全或不確定時(shí)，W_pow、O3、SO2的影響力相對較小，可以取大概范圍進(jìn)行初步預(yù)測。

4.2 算法比較

本文模型與ANN、SVR及ARIMA模型進(jìn)行比較，發(fā)現(xiàn)不同模型預(yù)測誤差相差明顯，其中隨機(jī)森林?jǐn)M合效果最好，傳統(tǒng)的ARIMA模型擬合效果最差，ANN模型與SVR模型預(yù)測精度大致相同。各模型預(yù)測平均絕對百分誤差（MAPE）分別為：00508、0.0873、0.0981和0.187，即本文隨機(jī)森林模型預(yù)測效果最好。

5 結(jié)語

本文實(shí)驗(yàn)即證明對環(huán)境因子進(jìn)行特征提取的有效性，又證明隨機(jī)森林回歸模型在醫(yī)藥銷售預(yù)測領(lǐng)域應(yīng)用的優(yōu)越性，模型預(yù)測精度能為醫(yī)藥企業(yè)的銷售決策提供一定的參考價(jià)值，從而有效解決庫存壓力大、過期藥品多等問題。但由于實(shí)際醫(yī)藥銷售影響因素的復(fù)雜性，研究仍存在不足，有待進(jìn)一步改進(jìn)，比如區(qū)域、經(jīng)濟(jì)條件、政策等因素沒有考慮進(jìn)去，在今后的研究中需要進(jìn)一步拓展，期待取得更好的預(yù)測結(jié)果。

參考文獻(xiàn)：

[1]Agm B，Pmsb F.Prevalence of influenza vaccination in adults and elderly with chronic respiratory diseases[J].Cadernos De Saude Publica，2018，34（5）：e00194717.

[2]盛魁.RBF神經(jīng)網(wǎng)絡(luò)在藥品銷售預(yù)測中的應(yīng)用[J].長江大學(xué)學(xué)報(bào)，2013，10（19）：65.67.

[3]劉德玲.大區(qū)域內(nèi)藥品銷售預(yù)測方法研究與仿真[J].計(jì)算機(jī)仿真，2012，29（7）：227.230.

[4]Breiman L.Random Forests[J].Machine Learning，2001，45（1）：199.228.