目前,智能大数据系统已经广泛应用于金融、交通、物流等行业。随着我国基础医疗建设不断完善,医疗大数据系统也随之得到了蓬勃的发展。常见的医疗大数据系统可应用于个人健康分析、临床药物研发、慢性病管理等方面。其中,慢性病管理系统可以包括患者体征病理参数的记录、心血管疾病的预测等内容,该内容使得系统能够实现病理参数的存储管理和心血管疾病预测报警等功能。随着我国老年人口数量的不断攀升,我国人口老龄化呈现加速的趋势。由于老年人口随着年龄的增长以及身体机能的衰退,其更容易受到慢性病的侵袭。然而,大多数的医疗大数据系统都没有针对社区老年人这一个群体提供健康医疗大数据服务,进而导致了社区老年人医疗数据得不到有效的管理以及老年人心血管疾病前期预防工作效率低等问题。基于此,本文研究和总结了现有的医疗大数据系统在心血管疾病预防管理方面的算法,对系统的病理参数数据管理方式、数据的预处理以及疾病的预测算法进行了改进,最后设计了一个基于大数据框架的老年人心血管疾病预测系统并且对系统进行了测试和评价,本文的主要研究内容如下:1、针对社区老年人心血管疾病病理参数数据利用率低等问题,本文借助Spark大数据框架以及其生态圈中的HIVE数据仓库组件,构建了基于Spark大数据框架的社区老年人心血管疾病病理参数大数据平台。实现了社区老年人心血管疾病病理信息共享和管理的目的。并且本文还通过关系代数等价优化算法对HIVE数据仓库的结构进行了优化,提高了系统进行数据查询的效率。2、针对BP神经网络在心血管疾病预测领域应用时学习效率不高的问题,本文设计使用了3?原则以及Z-score标准化等算法对病理参数原始数据进行了预处理。然后本文采用优化BP神经网络模型学习率?和调整神经网络层数等方式来达到解决BP神经网络模型训练时间偏长的问题。3、本文联合了上述的社区老年人心血管病理参数大数据平台以及优化后的BP神经网络预测模型,从而设计了一个基于Spark大数据框架以及BP神经网络模型的社区老年人心血管疾病预测系统。并且对系统进行了验证和评价。最终,系统测试表明,本文设计的老年人心血管疾病预测系统能够实现对社区老年人心血管疾病病理参数数据进行有效的管理的目标,同时能够对社区老年人患心血管疾病的患病风险做一个准确的判断并且辅助社区老年人对自己的健康状况有一个及时的认识。