论文部分内容阅读
现在糖尿病患者越来越多,作为一种常见的内分泌疾病,糖尿病长久以来一直困扰着众多患者的日常生活。长期的糖尿病会带来一系列的并发症,甚至会带来生命危险。一个好的血糖预测算法不仅可以用于日常血糖管理,减少低血糖或者高血糖的发生,减缓糖尿病并发症的发生;同时还可以与胰岛素泵结合使用,调节胰岛素注射量和注射时间,更好的管理人体血糖值。在血糖预测的研究领域内已经提出了许多预测算法,比如自回归模型、灰度预测以及人工智能神经网络等等,但是预测精度以及预测算法的适用能力都有待提高。在本文中提出了两种新的预测算法。第一种是自适应预测算法,它是基于自回归模型以及Kalman滤波的一个改进算法。在递推最小二乘辨识出自回归模型以后,针对自回归模型的参数建立状态空间模型,利用Kalman滤波对模型参数重新估计,得到新的模型进行血糖预测。自适应预测滤波通过仿真证明了其比Kalman滤波预测具有更加准确的预测值。第二种是一种新的预测框架,在框架下,可以由任意个数的预测算法组成,它们由一个时变的权重联系在一起得到一个新的预测值。其核心是如何选取时变的权重,在本文中其权重的选取是与独立预测算法的预测效果成反比的,同时选择用误差平方和作为预测效果的指标。为了证明新的预测框架的适用性,在本文中列举了一个由自回归模型、极限学习机以及支持向量机组成的新框架下的预测算法,并仿真验证了其有效性。