有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
蒲公英中医药品季度使用量预测模型数据|医疗资源管理数据集|药品库存优化数据集
收藏浙江省数据知识产权登记平台2024-10-11 更新2024-10-12 收录
下载链接：
https://www.zjip.org.cn/home/announce/trends/69397
下载链接
链接失效反馈资源简介：
通过分析桐乡市医疗机构季度蒲公英中药材使用量，可以预测下个季度蒲公英中药材的使用量，从而合理安排库存，避免库存积压或短缺。这有助于减少药品过期浪费，通过对医疗机构每季度中药材使用量的分析，可以了解不同地区、不同医疗机构之间中药材使用情况的差异。这有助于政府和相关部门在制定医疗资源配置政策时更加科学合理，促进医疗资源的合理配置和有效利用。
1. 数据采集：收集医疗机构的蒲公英中药材的季度库存和使用数据，包括季度入库量、季度使用量等。 2. 数据预处理：对中药材的库存和使用数据进行清洗，去除异常值，平滑数据，以确保数据的准确性和可用性。 3. 特征工程：生成基于时间的特征，季节性变化系数SC(t)，表示第t季度的使用量变化；生成计算库存周转率ITR(t) = Total_Incoming(t) / Total_Used(t)，其中Total_Incoming(t)是第t季度的入库总量，Total_Used(t)是第t季度的使用总量。 4. 季节性模型构建： 季度模型： S（t）=ω1 * U(t-1) + ω2* U(t-2)+…+β1 * SC（t） +β2 * ITR(t)，其中U(t-k)代表第t-k季度的实际使用量，ω1和ω2是时间序列权重，β1和β2是特征权重。 季度的模型考虑了季节性影响和历史使用数据，以及库存周转率，确保了预测的精确性和适用性。通过这种方式，医疗机构可以更精准地预测和调整中药材的库存，以保障医疗服务的连续性和效率。
提供机构：
桐乡市卫生健康局
创建时间：
2024-08-13
AI搜集汇总
数据集介绍
特点
该数据集包含14992条记录，每季度更新，记录了桐乡市医疗机构的中药材季度使用量数据，包括药品名、规格、季度入库量、使用量等信息。通过分析这些数据，可以预测下个季度的中药材使用量，帮助医疗机构优化库存管理，减少浪费，并促进医疗资源的合理配置。
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国劳动力动态调查
“中国劳动力动态调查” （China Labor-force Dynamics Survey，简称 CLDS）是“985”三期“中山大学社会科学特色数据库建设”专项内容，CLDS的目的是通过对中国城乡以村/居为追踪范围的家庭、劳动力个体开展每两年一次的动态追踪调查，系统地监测村/居社区的社会结构和家庭、劳动力个体的变化与相互影响，建立劳动力、家庭和社区三个层次上的追踪数据库，从而为进行实证导向的高质量的理论研究和政策研究提供基础数据。
中国学术调查数据资料库 收录
中国1km分辨率逐月降水量数据集（1901-2024）
该数据集为中国逐月降水量数据，空间分辨率为0.0083333°（约1km），时间为1901.1-2024.12。数据格式为NETCDF，即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成的。并且，使用496个独立气象观测点数据进行验证，验证结果可信。本数据集包含的地理空间范围是全国主要陆地（包含港澳台地区），不含南海岛礁等区域。为了便于存储，数据均为int16型存于nc文件中，降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；var是从XXX.nc中读取的变量名，为字符串需要’’；i、j、t分别为读取数据的起始行、列、时间，leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样，研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令，可查看。数据坐标系统建议使用WGS84。
国家青藏高原科学数据中心 收录
UAVDT Dataset
The authors constructed a new UAVDT Dataset focused on complex scenarios with new level challenges. Selected from 10 hours raw videos, about 80, 000 representative frames are fully annotated with bounding boxes as well as up to 14 kinds of attributes (e.g., weather condition, flying altitude, camera view, vehicle category, and occlusion) for three fundamental computer vision tasks: object detection, single object tracking, and multiple object tracking.
datasetninja.com 收录
中国充电工况-充电站实采数据
通过对国内充电站信息的采集收录，形成中国充电工况数据库。可依据平台中真实、全面、有效的充电桩典型型号分布数据，为新能源相关企业提供有效的解决方案和关键性的技术支持。
北方大数据交易中心 收录
yolo-datasets
深度学习目标检测数据集/分割数据集最全最完整的数据集集合，包含电力电气领域、航空影像输电线路与输电塔分割、电力遥感风力发电机、安全带和安全绳检测、变压器漏油故障诊断、高压输电线故障检测、光伏热红外缺陷、风电光伏功率数据、变电站火灾、输电线路语义分割、配网缺陷检测、变电站设备目标检测、太阳能光伏电池板缺陷、pcb电路板检测、绝缘体检测、输电线路防震锤缺陷、电线冰雪覆盖、电力工程电网施工现场安全作业、螺丝识别检测、变电站电力设备的可见光和红外图像、无人机航拍输电线路悬垂线夹、电线线路表面损害、氧化锌避雷器破损识别、热斑光伏发电系统红外热图像等多个领域的数据集。
github 收录