| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 研究背景 | 第13-16页 |
| 1.1.1 突发事件的严重后果提升应急服务系统的重要性 | 第13-14页 |
| 1.1.2 应急服务系统是国内外学者的关注焦点 | 第14-15页 |
| 1.1.3 医疗应急服务系统研究的重要性 | 第15-16页 |
| 1.2 研究问题 | 第16-18页 |
| 1.2.1 如何建立公共突发事件预警系统模型 | 第17页 |
| 1.2.2 如何建立医院应急响应动态模型 | 第17-18页 |
| 1.2.3 如何基于随机规划建立医院应急系统资源优化配置模型 | 第18页 |
| 1.3 研究目标、研究内容和研究意义 | 第18-20页 |
| 1.3.1 研究目标 | 第18-19页 |
| 1.3.2 研究内容 | 第19-20页 |
| 1.3.3 研究意义 | 第20页 |
| 1.4 研究方法及研究思路 | 第20-22页 |
| 1.4.1 研究方法 | 第20-21页 |
| 1.4.2 研究思路 | 第21-22页 |
| 1.5 文章结构安排 | 第22-23页 |
| 第2章 文献综述和相关理论介绍 | 第23-39页 |
| 2.1 国外和国内应急管理体系介绍 | 第23-25页 |
| 2.1.1 国外应急管理体系 | 第23-24页 |
| 2.1.2 我国应急管理体系 | 第24-25页 |
| 2.2 医疗应急服务系统文献综述 | 第25-32页 |
| 2.2.1 应急预警管理文献综述 | 第25-29页 |
| 2.2.2 医院应急响应系统应急处理文献综述 | 第29-32页 |
| 2.3 应急医疗服务系统介绍 | 第32-34页 |
| 2.3.1 医疗应急预警服务系统 | 第32-33页 |
| 2.3.2 医院应急响应系统 | 第33-34页 |
| 2.4 启发式算法介绍 | 第34-38页 |
| 2.4.1 模拟退火算法 | 第35-36页 |
| 2.4.2 蚁群算法 | 第36-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第3章 基于区间预测的流感趋势预测模型 | 第39-54页 |
| 3.1 评估指标 | 第39-40页 |
| 3.1.1 关键因素 | 第39-40页 |
| 3.2 评价指标及其训练过程 | 第40-46页 |
| 3.2.1 预测模型 | 第40-41页 |
| 3.2.2 神经网络模型 | 第41-42页 |
| 3.2.3 预测区间和模型评价指标 | 第42-43页 |
| 3.2.4 模拟退火算法神经网络训练模型 | 第43-46页 |
| 3.3 实验过程 | 第46-52页 |
| 3.3.1 神经网络上下限方法（LUBE） | 第46页 |
| 3.3.2 Delta 方法 | 第46-47页 |
| 3.3.3 Bayesian 方法 | 第47-48页 |
| 3.3.4 霍尔指数平滑法（Holt-ES） | 第48页 |
| 3.3.5 支持向量机（SVM） | 第48-49页 |
| 3.3.6 实验及其结果分析 | 第49-51页 |
| 3.3.7 统计性分析 | 第51-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第4章 基于随机规划医疗应急系统资源配置的研究 | 第54-80页 |
| 4.1 医院面对外部突发事件分析 | 第55-57页 |
| 4.2 医院应急系统流程分析 | 第57-59页 |
| 4.3 医院应急响应系统仿真模型分析 | 第59-71页 |
| 4.3.1 病人到达模型 | 第60-61页 |
| 4.3.2 病人状态模型 | 第61-63页 |
| 4.3.3 医生诊断模型 | 第63-66页 |
| 4.3.4 医生诊断决策模型 | 第66-70页 |
| 4.3.5 医生诊断时间模型 | 第70页 |
| 4.3.6 病人排队模型 | 第70页 |
| 4.3.7 模型仿真过程 | 第70-71页 |
| 4.4 评价指标的建立和蚁群算法过程 | 第71-76页 |
| 4.4.1 蚁群算法过程 | 第72-76页 |
| 4.5 实验结果分析 | 第76-79页 |
| 4.6 本章小结 | 第79-80页 |
| 第5章 总结与展望 | 第80-82页 |
| 5.1 工作主要内容和创新 | 第80页 |
| 5.2 后续工作研究展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-87页 |
| 攻读硕士学位期间已发表或录用的论文 | 第87-88页 |
| 上海交通大学硕士学位论文答辩决议书 | 第88页 |