实时、准确地预测医院门诊量是医院解决现行医患矛盾重要基础,然而传统医院门诊量无法正确地预测数据而揭示其时间序列内在规律,不能有效地调节治疗资源。本文提出一种基于改进粒子群算法优化BP神经网络预测门诊时序,具体地说,对门诊时序初始数据进行归一化预处理,减少初始误差,然后将数据输入BP模型。为解决BP过早地进入局部收敛点的问题,采用改进自适应粒子群对BP神经网络输入层权值与输出层进行迭代优化,经过训练完成后BP神经网络模型计算结果,与标准粒子群算法优化BP神经网络以及传统BP神经网络模型计算结果进行比较,预测精度得到明显提高,且数据迭代计算十分稳定,数据对比结果表明:改进粒子群优化BP神经网络模型