[发明专利]一种血糖预测方法、装置、终端和存储介质

权利要求书

1.一种血糖预测方法，其特征在于，包括：

基于目标患者的输入血糖训练数据和输出血糖训练数据，对初始化的支持向量回归模型进行第一模型训练，以确定支持向量回归模型所使用的核函数和支持向量回归模型进行滚动预测时采用的目标窗口取值；

基于所述目标窗口取值，对采用所述核函数的支持向量回归模型进行第二模型训练，以确定所述核函数中核参数的取值，将第二模型训练后得到的支持向量回归模型作为目标支持向量回归模型；

利用所述目标支持向量回归模型和所述目标窗口取值，对所述目标患者的血糖进行滚动预测。

2.根据权利要求1所述的方法，其特征在于，所述基于目标患者的输入血糖训练数据和输出血糖训练数据，对初始化的支持向量回归模型进行第一模型训练，以确定支持向量回归模型所使用的核函数和支持向量回归模型进行滚动预测时采用的目标窗口取值，包括：

获取各支持向量回归模型，其中，所述各支持向量回归模型分别对应不同类型的核函数；

针对每个支持向量回归模型：

保持所述支持向量回归模型中的核参数不变，遍历预设数组中的窗口取值；

针对每个窗口取值，将与所述窗口取值对应数目的输入血糖训练数据输入至所述支持向量回归模型中，并输出预测血糖数据，计算所述预测血糖数据与所述输出血糖训练数据之间的第一均方根误差；

确定各第一均方根误差中取值最小的第一均方根误差所对应的核函数和窗口取值。

3.根据权利要求1所述的方法，其特征在于，所述基于所述目标窗口取值，对采用所述核函数的支持向量回归模型进行第二模型训练，以确定所述核函数中核参数的取值；将第二模型训练后得到的支持向量回归模型作为目标支持向量回归模型，包括：

确定与所述核函数对应的惩罚因子核参数和不敏感因子核参数的所有取值组合；

计算各取值组合下，调整后的支持向量回归模型的输出预测血糖数据与所述输出血糖训练数据之间的第二均方根误差；

将各第二均方根误差中取值最小的第二均方根误差所对应的取值组合作为所述目标支持向量回归模型的核参数，以得到目标支持向量回归模型。

4.根据权利要求1所述的方法，其特征在于，在所述基于所述目标窗口取值，对采用所述核函数的支持向量回归模型进行第二模型训练，以确定所述核函数中核参数的取值；将第二模型训练后得到的支持向量回归模型作为目标支持向量回归模型之后，还包括：

基于目标患者的输入血糖测试数据、输出血糖测试数据和所述目标窗口取值，对所述目标支持向量回归模型进行测试，以确定所述目标支持向量回归模型的滚动预测效果。

5.根据权利要求1-4任一项所述的方法，其特征在于，在所述基于目标患者的输入血糖训练数据和输出血糖训练数据，对初始化的支持向量回归模型进行第一模型训练，以确定支持向量回归模型所使用的核函数和支持向量回归模型进行滚动预测时采用的目标窗口取值之前，还包括：

对所述目标患者的原始血糖训练数据进行预处理，得到所述输入血糖训练数据和所述输出血糖训练数据，其中，所述预处理包括对所述原始血糖训练数据进行数据清洗处理和平滑去噪处理。

6.根据权利要求5所述的方法，其特征在于，所述对所述原始血糖训练数据进行数据清洗处理，包括：

根据相邻两个原始血糖训练数据之间的时间差值是否为预设时间差，来确定所述原始血糖训练数据在时间上的连续性；若确定所述原始血糖训练数据在时间上不连续，则：

若确定所述原始血糖训练数据在时间上遗漏的数据点的数目低于预设数目，则利用目标患者的常规信息推算出所述数据点；

若确定所述原始血糖训练数据在时间上遗漏的数据点的数目等于或高于预设数目，则以各中断处为节点，将所述原始血糖训练数据划分为多个在时间上连续的血糖训练数据。