[发明专利]一种基于VMD-LSSVM模型的在线动态血糖预测方法

权利要求书

1.一种基于VMD-LSSVM模型的在线动态血糖预测方法，其特征在于，包括如下步骤：

S1、获取原始血糖时间序列数据，并对获得的原始血糖时间序列数据进行数据预处理；

S2、采用VMD分解模型对经过预处理后的血糖时间序列数据进行分解处理，获得一系列具有稀疏特性的模态分量序列u₁-u_k；

S3、将获得的一系列具有稀疏特性的模态分量序列u₁-u_k分别输入LSSVM血糖预测模型，获得一系列模态分量序列的预测值y₁-y_k；

S4、将S3中获得的一系列模态分量序列的预测值y₁-y_k进行叠加融合，获得融合后的血糖预测结果。

2.根据权利要求1所述的预测方法，其特征在于，所述方法还包括建立VMD分解模型；

所述VMD分解模型为：

其中，代表当前剩余量，代表当前模态函数功率谱的重心。

3.根据权利要求2所述的预测方法，其特征在于，

所述VMD分解模型的收敛条件函数为：

其中ε代表收敛条件，代表傅立叶变换，n是迭代次数。

4.根据权利要求3所述的预测方法，其特征在于，

所述VMD分解模型中针对每个模态IMF通过希尔伯特变换计算与之相关的解析信号得到单侧频谱，采用以下公式：

其中，H(t)为模态解析信号，δ(t)是狄拉克分布，t是采样时间点，{u_k}＝{u₁，...，u_K}。

5.根据权利要求4所述的预测方法，其特征在于，

所述VMD分解模型中针对各个模态，通过对其中心频率ω_k进行指数项混叠，将每个模态调制到对应的基频带，其公式如下：

式中为ω_k复平面上的向量描述，{ω_k}＝{ω₁，...，ω_K}。

6.根据权利要求1所述的预测方法，其特征在于，

所述方法还包括建立LSSVM血糖预测模型；

所述LSSVM血糖预测模型为：

其中，λ_i是拉格朗日乘数，x_i是输入数据，σ2是核函数的参数。

7.根据权利要求6所述的预测方法，其特征在于，

所述LSSVM血糖预测模型的核函数为高斯径向基函数；

所述高斯径向基函数的表达式为：

K(x，x_i)＝exp{-||x-x_i||²/2σ²}

其中σ2是核函数的参数。

8.根据权利要求7所述的预测方法，其特征在于，

所述LSSVM血糖预测模型的目标函数为：

其中e_i是误差，γ是惩罚因子。