医院门诊量数据能够反映一个地区居民的健康状况以及医院的诊疗水平。利用科学、准确的预测方法来掌握医院门诊量动态趋势,有利于为医院管理者制定精细化管理方案提供依据。在中国,每年有大约30万人因乙型病毒型肝炎而丧失生命,可见该传染病已经严重影响了我国城乡居民的身心健康。因此,本文对重庆市某三甲综合医院乙肝门诊量统计数据进行研究,并预测其门诊量变化趋势,为后期乙肝科室门诊工作的开展提供有效的建议。本文先对重庆市某三甲综合医院2015年-2020年乙肝门诊基础信息及月度门诊量统计数据进行描述性分析,分析该医院乙肝患者的区域分布、人群分布以及性别分布和乙肝月度门诊量统计数据的趋势特征。然后构建两个单一模型和两个采用“先分解后集成”策略的组合模型,其中分解策略采用经验模态分解方法（EMD）。并利用这四个模型,分别为单一求和自回归滑动平均模型（ARIMA）、单一支持向量机模型（SVR）、EMD-ARIMA组合模型以及EMD-SVR组合模型对该医院乙肝门诊量月度数据进行研究分析。从描述性分析结果可知,该医院接诊的乙肝患者主要来源于西南地区,且其患者年龄集中在40-50岁区间,性别分布呈现显著性差异。通过平均绝对百分比误差（MAPE）、均方根误差（RMSE）和平均绝对误差（MAE）比较各模型的预测精度,并得到相应的结果。其一,新型冠状病毒肺炎疫情对该医院乙肝门诊量造成较大影响,其中对2020年2、3月影响尤为突出,这也在一定程度上说明了重庆市防疫工作部署的到位以及市民对政府工作的积极配合。其二,支持向量机在解决小样本、非线性时间序列数据时,其效果比传统的时间序列模型要好,ARIMA模型仅考虑了时间序列线性关系而忽视了乙肝门诊量统计数据非线性特征。其三,经验模态分解在一定程度上提高模型的精度,其中对于ARIAM模型的提升效果更为明显,但EMD-ARIMA模型的预测精度仍不及EMD-SVR模型,说明了经验模态分解对模型精度的提升并不是无限的。其四,EMD-SVR模型是四个模型中表现最好的,其较大误差出现在乙肝门诊量发生陡变的时刻,在不考虑2、3月数据时,其MAPE可达到5%,可以认为利用EMD-SVR模型预测该医院乙肝门诊量具有一定的可行性。