The invention provides a blood sugar prediction method and device. The steps of the method are as follows: cleaning the original measured blood sugar data, smoothing and denoising the cleaned data by Kalman filter, and applying autoregressive model, support vector regression model and long-term and short-term memory network model respectively according to the filtered data. The weight of each model is calculated, and then the weight of each model and the weight of each model are linearly combined to obtain the predicted value of the combined prediction model. Compared with the existing technology, the method synthesizes the advantages of various models, and realizes the variable weight of various models to predict blood sugar, which makes the prediction results more accurate and more applicable.
【技术实现步骤摘要】
一种血糖预测方法及装置
本专利技术涉及血糖监测领域,具体涉及一种血糖预测方法及装置。
技术介绍
糖尿病是人体血糖浓度值长期偏离正常范围(70-120mg/dL)的慢性病。若血糖长期高于正常范围将会引起严重的并发症,血糖突然低于正常值也会引起不适症状,严重者可导致死亡。目前,尚无根治糖尿病的办法,控制血糖在正常范围内是糖尿病患者日常管理的重要部分,所以连续的血糖监测,可以准确实时的了解病人的血糖水平,也为专家学者研究血糖预测提供了大量的血糖数据。越来越多的专家学者为提高血糖预测的精度建立了许多模型,常用的有时间序列分析模型,机器学习算法模型等,但单一的模型总是有一定的适用范围,在超出某些情况外,预测效果急剧下降。也有些模型对患者的历史数据样本容量有较高要求,总之,不同模型都有各自的特点,无法通过一种模型得到精确度好而适应性又高的预测结果。公开于该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
技术实现思路
本专利技术的目的是为了解决现有技术中单一的模型适用范围小,血糖预测的准确度低的问题,提出一种血糖预测方法及装置。为解决上述技术问题,本专利技术提供了一种基于组合预测的血糖预测方法,其特征在于,所述血糖预测方法的步骤:Ⅰ.对原始测量的血糖数据进行清洗,Ⅱ.利用卡尔曼滤波对经过清洗处理后的数据进行平滑去噪,Ⅲ.根据滤波后的数据分别应用自回归模型、支持向量回归模型和长短期记忆网络模型进行预测,分别得到所述模型的血糖预测结果,IV.分别计算所述模型的权重,进而对各自所述模 ...
【技术保护点】
1.一种血糖预测方法,其特征在于,包括如下步骤:Ⅰ.对原始测量的血糖数据进行清洗,Ⅱ.利用卡尔曼滤波对经过清洗处理后的数据进行平滑去噪,Ⅲ.根据滤波后的数据分别应用自回归模型、支持向量回归模型和长短期记忆网络模型进行预测,分别得到所述模型的血糖预测结果,IV.分别计算所述模型的权重,进而对各自所述模型的血糖预测结果及各自模型权重进行线性组合,得到组合预测模型预测值。
【技术特征摘要】
1.一种血糖预测方法,其特征在于,包括如下步骤:Ⅰ.对原始测量的血糖数据进行清洗,Ⅱ.利用卡尔曼滤波对经过清洗处理后的数据进行平滑去噪,Ⅲ.根据滤波后的数据分别应用自回归模型、支持向量回归模型和长短期记忆网络模型进行预测,分别得到所述模型的血糖预测结果,IV.分别计算所述模型的权重,进而对各自所述模型的血糖预测结果及各自模型权重进行线性组合,得到组合预测模型预测值。2.根据权利要求1所述血糖预测方法,其特征在于,所述模型的权重定义为下式中的wi:n为组合预测模型中子模型的个数,是第i个模型在j时间的预测值,wi为所述模型权重,为i个模型线性组合后的预测值;在时刻k,第i个模型的预测误差用ei(k)表示,那么在k时刻之前的误差ei(j)则表示为下式:则模型i在k时刻之前误差平方和si(j)表示为下式:权重wi(j)应满足下式得到第i个模型在j时刻的权重wi(j)可以表示为下式:3.根据权利要求2所述血糖预测方法,其特征在于,所述模型i在k时刻之前误差平方和si(j)中加入一个遗忘因子α,α取α∈(0,1),si(j)可以表示为:4.根据权利要求3所述血糖预测方法,其特征在于,不断更新所述子模型的权重,使得预测效果好的子模型获得更大的权重。5.根据权利要求1所述血糖预测方法,其特征在于,在运用所述支持向量回归模型预测血糖时,运用核函数进行运算,完成对所述原始测量的...
【专利技术属性】
技术研发人员:董宇涵,李春涛,
申请(专利权)人:清华大学深圳研究生院,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。