[发明专利]一种基于VMD-LSSVM模型的在线动态血糖预测方法

说明书

本发明涉及一种基于VMD‑LSSVM模型的在线动态血糖预测方法，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。本发明提供的预测方法具有预测精度高的优点。

技术领域

本发明属于血糖预测技术领域，尤其涉及一种基于VMD-LSSVM模型的在线动态血糖预测方法。

背景技术

随着人们生活水平的发展以及人们生活方式的变化，糖尿病的患病人群愈来愈趋向年轻化，并且成为我国的重要的卫生保健问题之一。患有糖尿病的患者不仅时刻担心着自己的生命安全，还为家庭增加了经济负担和心理负担。为了预防和降低患者的高血糖的并发症与低血糖的发生概率，使得患者的生活质量得到提高，需要更好对血糖进行控制。

预测血糖值的变化是血糖控制中一个重要的组成部分，它对胰岛素的给药方案中发挥着重要的作用。但是，由于血糖数据具有时变性、非线性和不确定性的特点，使得针对血糖的预测问题上具有更为复杂和具有极大的挑战性。对该问题的解决，也将更大扩宽血糖预测方法在血糖控制中的使用场景。

血糖的预测大致可以分成两个方面：生理模型方向和数据驱动方向。生理模型方向需要量化代谢中的影响因素，还需要考虑外部环境的影响，并且因患者体质的不同，模型的参数也会不同，这对预测模型的精度有很强的干扰性。数据驱动方向可以大致分为人工神经网络(ANN)，自回归模型(AR)，自回归滑动平均模型(ARMA)等。

随着人工智能的发展，一个新的具有挑战性的领域已经打开，准确预测血糖水平的方法已经成为科学研究的目标。

发明内容

(一)要解决的技术问题

针对现有存在的技术问题，本发明提供一种基于VMD-LSSVM模型的在线动态血糖预测方法，解决了现有技术中预测结果准确率低的问题。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

一种基于VMD-LSSVM模型的在线动态血糖预测方法，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。

优选地，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。