近年来,随着我国经济实力的不断增强和人民生活条件的较大提升,作为慢性疾病的代表糖尿病也逐渐成为威胁居民健康的重要疾病之一。目前,世界上大约有4亿多人患有糖尿病,然而中国的糖尿病人数居世界各国之首,在中国,约有一半以上得病患者死于以糖尿病为代表的慢性疾病,并且这个比例远高于世界平均水平。因此,加强对糖尿病这种慢性疾病的预防和控制,并利用现代信息科学技术提高对糖尿病的诊断和治疗水平,对提高国民身体素质有重大意义。高效的血糖预测算法一方面可以根据血糖变化趋势提前控制人体血糖值,降低高/低血糖事件及并发症的发生概率,另一方面血糖预测算法还可以和胰岛素泵结合使用,通过预测模型得出未来一段时间内需要控制调节胰岛素的注射量,更合理实时的管理和调节人体血糖值,使血糖值控制在安全范围内。近年来关于血糖预测研究模型有生理模型和数据模型两类。其中由于人体生理机制复杂且影响因素较多,很难控制和预测血糖值。而基于数据的血糖预测模型,它基于历史血糖值,然后通过合适的数据模型进行预测,操作实时便捷,预测精度和普适性比较好。本文根据历史血糖数据联系和特征提出了一种新的预测算法,它是基于自回归AR模型,用AIC准则对模型进行定阶,运用最小二乘的方法来解决时间序列的预测问题。它可以根据动态血糖监测系统(CGMS)对患者进行持续72小时的血糖监测,并记录血糖波动变化,然后根据血糖数据的变化趋势提前预测下一节点的血糖值,接着依据预测结果控制饮食或者调整胰岛素的注射量和注射时间,进而让血糖变化平稳,使血糖控制在安全的范围内。最后,通过50例糖尿病患者的血糖数值进行预测验证,并运用Clarke误差网格分析来评价预测的可行性,通过预测值和真实值的对比,证明该算法在血糖预测研究中的有效性和适用性。