【技术实现步骤摘要】
：本专利技术公开了服务云端，对已经通过补插和标准化后的智能穿戴数据，根据关联分析初表(当有两个以上的数据是相互关联时，按关联最大维度)，对数据集进行关联分析与预测，并综合预测数据提供者(自然人)体质的变化趋势。为云服务器利用智能穿戴当前实时健康数据(血糖、血压、心率、血氧、运动数据、睡眠、皮肤湿度、温度、视频、图片、位置信息等)、相关静态(区域相关发布的统计数据、年龄、性别、体型、健康历史数据)、舌象、面象、声音等融合，做好前期数据治理工作。本专利技术健康服务管理系统中一个前置子系统，属于利用云计算等技术支撑的健康信息管理云，能解决现有智能终端数据在云服务器大规模处理这些数据时，对其快速处理数据、提升预测质量的需求。通过多样时系统预测、彼此校对、融合统一方法，解决目前智能穿戴数据参数维度多、数据量大；质量与专业医疗设备比较，质量欠佳的，利用率不高的问题。
技术介绍
0、
技术介绍
：
1、数据来源:当前智能穿戴基本上配置了健康数据传感器，并可利用自身主芯片的功能，提供相关数据传输接口协议，向生产厂商的服务器或第三方公有云提相关健康数据。
2、数据数量：少则三个，多则十个左右。
3、预测数据质量：需要采用多个关联模型、数据关联融合，相互比对与完善。
4、关联技术：lstm模型、gm(1,1)模型、关系数据库、keras开源库，均为成熟技术。比较值是否在合理范围中的比较算法，lstm模型、
5、gm(1,1)模型，已经有相关公式和参考程序。云计算、云数据库技术已经基本完善。经查
6、参考资料：各个维度数据之间关联，部分见相关资料中，同时没有专家统一、从多维度关联认证的报告。在专家指导下，利用一部分数据和深度算法，在验证的基础上，我们形成了智能穿戴常规数据关联分析表、智能穿戴常规数据和常态数据融合后的关联分析表。部分维度数据关联关系，可见于各种治疗指南中，需要综合整理。
7、关键是怎么利用现有技术进行组合，提升数据关联分析和预测数据的质量。
8、专利检索：
9、cn110322947a 2019.06.14《一种基于深度学习的高血压老年人运动处方推荐方法》。本文论述单一维度预测方法。
10、学位论文：
11、《多模态信息融合的老人跌倒检测系统研发》，皮礼明。中国科学院大学(中国科学院深圳先进技术研究院)。硕士电子期刊出版信息：年期：2019年第02期。本文提出跌倒后，自然人心率、血压、体温、呼吸率、血氧的变化。
12、《基于多传感器信息融合的老年人健康监护系统研究》，朱天阳。北京化工大学。博士电子期刊出版信息：年期：2022年第03期。本文的主要研究工作包含:(1)体温、血压、心率、血氧四类生命体征与老年人性别、
13、年龄及测量时间等因素的关联性研究。
14、综上所述：目前检索没有查询到：借助关联分析表。使用灰色理论gm(1,n)、lstm模型双重预测，然后利用生成报告或专利。
技术实现思路
0、
技术实现思路
：
1、根据相关专家建议、仿真分析后，所形成的智能穿戴数据关联分析初表1-1、表1-2。
2、根据相关专家建议、仿真分析后，在智能穿戴数据基础上，加入静态数据后，所形成的智能穿戴数据关联分析初表2。
3、依靠智能穿戴数据关联分析初表1-1、表1-2，构建数据集，利用gm(1.n)、lstm模型、keras，按关联最大参数个数。形成这些关联参数的单一数据系列预测模型的方法。
4、依靠智能穿戴数据关联分析初表2，在智能穿戴数据基础上，加入静态数据后，构建数据集，利用gm(1.n)、lstm模型、keras，按关联最大参数个数。形成这些关联参数的关联数据系列整体预测模型的方法。
5、依据表3-1、表3-2、表3-3、表3-4、表3-5、表3-6，对超出表3-1、表3-2、表3-3、表3-4、表3-5、表3-6参考范围的值，设置提示位为“异”，为后面数据展示准备。
本文档来自技高网...【技术保护点】
1.根据相关专家建议、仿真分析后，所形成的智能穿戴数据关联分析初表1-1、表1-2。
2.根据相关专家建议、仿真分析后，在智能穿戴数据基础上，加入静态数据后，所形成的智能穿戴数据关联分析初表2。
3.依靠智能穿戴数据关联分析初表1-1、表1-2，构建数据集，利用GM(1.N)、LSTM模型、Keras，按关联最大参数个数。形成这些关联参数的单一数据系列预测模型的方法。
4.依靠智能穿戴数据关联分析初表2，在智能穿戴数据基础上，加入静态数据后，构建数据集，利用GM(1.N)、LSTM模型、Keras，按关联最大参数个数。形成这些关联参数的关联数据系列整体预测模型的方法。
5.依据表3-1、表3-2、表3-3、表3-4、表3-5、表3-6，对超出表3-1、表3-2、表3-3、表3-4、表3-5、表3-6参考范围的值，设置提示位为“异”，为后面数据展示准备。
【技术特征摘要】
1.根据相关专家建议、仿真分析后，所形成的智能穿戴数据关联分析初表1-1、表1-2。
2.根据相关专家建议、仿真分析后，在智能穿戴数据基础上，加入静态数据后，所形成的智能穿戴数据关联分析初表2。
3.依靠智能穿戴数据关联分析初表1-1、表1-2，构建数据集，利用gm(1.n)、lstm模型、keras，按关联最大参数个数。形成这些关联参数的单一数据系列预测模型的方法。
【专利技术属性】
技术研发人员：潘国瑞，
申请(专利权)人：银润康深圳科技有限公司，
类型：发明
国别省市：
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。