数据表明世界上心脏方面的疾病和死亡率居高不下,是威胁人生健康的首要原因之一。心脏的电、磁信号是对人体心脏的肌细胞在体表呈现周期性电生理活动的实测数据,其富含海量信息,是研究人类心脏机理内在生理状况的重要信号,也是诊断或评价心脏疾病的指标,因此围绕心脏电、磁信号的研究与分析一直是国内外研究的热点。电生理信号表现的十分复杂,它们彼此之间互相影响,从严格的数学定义上研究来看这一类信号表现出的是非周期的非平稳的随机过程,但是如果我们从器官的自身生理功能来考虑,这一类信号则显现出较为明显的周期性。对测量获得的电生理信号进行合理、有效的信息特征提取和、分析甚至发展趋势进行预测,有利于对人体的内在生理信息做出更加全面精准的判断。考虑到概周期电生理信号的周期复现性,本文研究了用预测方法来对实测电生理信号的变化趋势进行研究。采用预测的手段是进行数据挖掘中用途最为广泛的方法,对数据进行预测的过程是通过分析过往数据的基础上来估计未来的数据。预测可以作为一种参考为实际应用提供帮助,随着大数据时代的到来,越来越多的学者开始重视对数据预测方法及其应用的研究。本文基于电生理信号概周期的特点,以典型概周期电生理信号:心电、心磁信号为研究对象,分析了实测电生理数据的马尔科夫性,研究并改进了其加权马尔科夫模型,提出了对概周期电生理信号进行预测的方法。利用不同状态划分方法的加权马尔科夫预测模型对时间序列的心电信号进行预测分析,研究结果表明采用有序聚类法进行状态划分的加权马尔科夫预测模型要比按照样本均值均方差法划分的加权马尔科夫预测模型精度更高。此外,针对超导量子干涉仪在采集心磁信号位置有限的问题,提出了利用加权马尔科夫预测模型作为数据丰富手段对空间序列上的心磁的预测方法,预测结果验证了该方法的可行性。