[发明专利]基于PAI的体能年龄预测方法、装置、设备和存储介质

权利要求书

1.一种基于PAI的体能年龄预测方法，其特征在于，包括：

获取用户在预设时间周期内的静态数据、窗口动态数据和个人运动机能指数PAI值；

对所述静态数据进行处理，获取静态嵌入特征向量；

对所述窗口动态数据进行处理，获取动态嵌入特征向量；

将所述PAI值、所述静态数据嵌入特征和所述动态数据嵌入特征进行融合后输入已训练的体能年龄预测模型，获取目标时间周期的预测体能年龄。

2.如权利要求1所述的方法，其特征在于，所述对所述静态数据进行处理，获取静态嵌入特征向量，包括：

获取所述静态数据中的分类特征数据，对所述分类特征数据进行编码，获取分类特征向量；

获取所述静态数据中的数值特征数据，通过归一化公式对所述数值特征数据进行归一化处理，获取数值特征向量；

将所述分类特征向量和所述数值特征向量组合成所述静态嵌入特征向量。

3.如权利要求1所述的方法，其特征在于，所述对所述窗口动态数据进行处理，获取动态嵌入特征向量，包括：

按照时间维度将所述窗口动态数据进行矩阵化处理，生成动态数据矩阵；

根据动态数据对应的有效信息，生成与动态数据矩阵对应的掩码矩阵；

将所述动态数据矩和所述掩码矩阵组合后输入残差网络，获取所述动态嵌入特征向量。

4.如权利要求1所述的方法，其特征在于，在所述将所述PAI值、所述静态数据嵌入特征和所述动态数据嵌入特征进行融合后输入已训练的体能年龄预测模型之前，还包括：

获取多个时间周期的个人运动机能指数PAI值样本、静态数据样本和窗口动态数据样本；

分别对所述静态数据样本和所述窗口动态数据样本进行处理，获取静态嵌入训练特征向量和动态嵌入训练特征向量；

将所述PAI值样本、所述静态嵌入训练特征向量和所述动态嵌入训练特征向量进行融合输入到神经网络进行训练，获取训练体能年龄；

通过损失函数根据所述训练体能年龄和真实体能年龄对所述神经网络参数进行调整，生成所述体能年龄预测模型。

5.如权利要求1所述的方法，其特征在于，还包括：

获取所述用户在所述目标时间周期的预期体能年龄；

根据所述预期体能年龄和所述预测体能年龄的差值，确定目标PAI值；

根据所述目标PAI值生成运动指导信息。

6.一种基于PAI的体能年龄预测装置，其特征在于，包括：

第一获取模块，用于获取用户在预设时间周期内的静态数据、窗口动态数据和个人运动机能指数PAI值；

第一处理模块，用于对所述静态数据进行处理，获取静态嵌入特征向量；

第二处理模块，用于对所述窗口动态数据进行处理，获取动态嵌入特征向量；

第二获取模块，用于将所述PAI值、所述静态数据嵌入特征和所述动态数据嵌入特征进行融合后输入已训练的体能年龄预测模型，获取目标时间周期的预测体能年龄。

7.如权利要求6所述的装置，其特征在于，所述第一处理模块，具体用于：

获取所述静态数据中的分类特征数据，对所述分类特征数据进行编码，获取分类特征向量；

获取所述静态数据中的数值特征数据，通过归一化公式对所述数值特征数据进行归一化处理，获取数值特征向量；

将所述分类特征向量和所述数值特征向量组合成所述静态嵌入特征向量。

8.如权利要求6所述的装置，其特征在于，所述第二处理模块，具体用于：

按照时间维度将所述窗口动态数据进行矩阵化处理，生成动态数据矩阵；

根据动态数据对应的有效信息，生成与动态数据矩阵对应的掩码矩阵；

将所述动态数据矩和所述掩码矩阵组合后输入残差网络，获取所述动态嵌入特征向量。