医院门诊部提供病人病情诊断、病患治疗和医疗保健,是医院的重要组成部门,也是患者就诊过程最初到达的部门,体现了医院的整体形象。门诊统计量是医院工作的重要统计指标,准确预测门诊人数可以为医院管理者提供决策依据,是更好地利用资源和提高门诊治疗水平的基础。因此本文先采用几种常用的单一模型对门诊量进行分析,最后基于这些分析建立组合预测模型,使用误差分析得出精确度最高的统计模型,科学准确地分析医院门诊量的变化趋势,以便于为医院管理人员提供决策支持,合理分配医疗卫生资源,从而进一步提高医院门诊效率,节省人力物力,为医院的门诊工作提供便利。本研究先对昆明某三甲医院2000年到2016年的月度门诊量统计数据进行描述性分析,然后使用单一的长短期记忆神经网络以及传统的ARIMA模型进行建模,训练出合适的预测模型并进行预测,分别得到两组预测结果。最后使用EMDLSTM、EMD-ARIMA组合模型分别进行组合预测,一共得到四组不同的预测结果。随后对几种建模方式进行对比分析,采用平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对误差(MAPE)以及R平方四种评价指标进行模型评价。最后,通过分析预测结果得出结论,第一,经验模态分解(EMD)能在一定程度上提高预测模型的精确度,但提高程度有限;第二,针对门诊量时间序列数据,组合模型的预测效果比组成该组合模型的单个模型效果要好。最后,本文分析了研究的不足,并对完善门诊量时间序列预测分析的研究作出展望。