[发明专利]一种血糖预测方法及装置

权利要求书

1.一种血糖预测方法，其特征在于，包括如下步骤：

Ⅰ.对原始测量的血糖数据进行清洗，

Ⅱ.利用卡尔曼滤波对经过清洗处理后的数据进行平滑去噪，

Ⅲ.根据滤波后的数据分别应用自回归模型、支持向量回归模型和长短期记忆网络模型进行预测，分别得到所述模型的血糖预测结果，

IV.分别计算所述模型的权重，进而对各自所述模型的血糖预测结果及各自模型权重进行线性组合，得到组合预测模型预测值。

2.根据权利要求1所述血糖预测方法，其特征在于，所述模型的权重定义为下式中的w_i：

n为组合预测模型中子模型的个数，是第i个模型在j时间的预测值，w_i为所述模型权重，为i个模型线性组合后的预测值；

在时刻k，第i个模型的预测误差用e_i(k)表示，那么在k时刻之前的误差e_i(j)则表示为下式：

则模型i在k时刻之前误差平方和s_i(j)表示为下式：

权重w_i(j)应满足下式

得到第i个模型在j时刻的权重w_i(j)可以表示为下式：

3.根据权利要求2所述血糖预测方法，其特征在于，所述模型i在k时刻之前误差平方和s_i(j)中加入一个遗忘因子α，α取α∈(0,1)，s_i(j)可以表示为：

4.根据权利要求3所述血糖预测方法，其特征在于，不断更新所述子模型的权重，使得预测效果好的子模型获得更大的权重。

5.根据权利要求1所述血糖预测方法，其特征在于，在运用所述支持向量回归模型预测血糖时，运用核函数进行运算，完成对所述原始测量的血糖数据的分类。

6.根据权利要求5所述血糖预测方法，其特征在于，所述核函数是将所述原始测量的血糖数据从低维空间映射到高维空间的算法，即在低维空间进行运算，所述原始测量的血糖数据的分类效果表现在高维空间，避免在高维空间上进行复杂的计算。

7.根据权利要求1所述血糖预测方法，其特征在于，采用均方根误差对所述自回归模型、支持向量回归模型、长短期记忆网络模型和组合预测模型分别进行评价。

8.根据权利要求1所述血糖预测方法，其特征在于，所述原始测量的血糖数据不断进行差分处理，直至所述血糖数据平稳。

9.一种血糖预测的装置，在所述基于组合预测的血糖预测方法中使用，其特征在于，所述装置包括：

存储器，用于存放预测血糖的程序，

处理器，用于执行所述程序。

所述程序被所述处理器执行时实现如权利要求1-8中任一项所述基于组合模型的血糖预测方法的步骤。

10.根据权利要求9所述的血糖预测的装置，其特征在于，所述程序包括有预处理程序、自回归模型的生成程序、支持向量回归模型的生成程序、长短期记忆网络模型的生成程序、组合预测模型的生成程序，在所述装置上输入原始测量的血糖数据集，数据经过预处理程序得到连续和平滑的数据集，然后所述的数据集分别通过自回归模型的生成程序、支持向量回归模型的生成程序和长短期记忆网络模型的生成程序，得到所述模型的血糖预测结果，最后通过组合预测模型的生成程序，得到组合预测模型预测值。