Bu çalışmada hali hazırda işleyen bir hastane veritabanında bazı önemli veri madenciliği teknikleri ile hasta yoğunluklarının tahmin edilmesi uygulamaları yapılmış ve sonuçları karşılaştırmalı olarak aktarılmıştır. Kullanılan hastane veritabanında veri transferi, filtreleme ve veri ön-işleme faaliyetleri gerçekleştirilmiş sonrasında da zaman serileri ve yapay sinir ağları teknikleri kullanılarak birçok veri madenciliği tahmin modeli üretilmiştir. Üstel düzgünleştirme, ARIMA ve yapay sinir ağları yöntemleri önce kendi içlerindeki farklı modellerle kıyaslanmış sonrasında da her yöntemin en kestirimci modelleri birbirleriyle kıyaslanarak bu konuda en iyi sonucu veren model tespit edilmeye çalışılmıştır. Üstel düzgünleştirme yöntemlerinden Winters Additive modeli, ARIMA yöntemlerinden ARIMA(3,1,0)(1,0,0)12 modeli ve yapay sinir ağları yöntemlerinden Prune yöntemi ile elde edilen model en iyi sonuçları vermiştir. Winters Additive üstel düzgünleştirme modeli ise bunlar arasında en kestirimci model olarak öne çıkmış ve gerçekleşen değerlere en yakın tahminleri üretmiştir.