灰色預測模型在血糖預測中的研究.pdf

1、隨著人們生活水平的不斷提高，糖尿病患者的數量也隨之增長，給人類健康造成了極大的危害，而糖尿病患者臨床治療的主要目的是穩(wěn)定血糖，假如能夠提前預測出患者的未來血糖濃度，那么醫(yī)生就能在患者發(fā)生高血糖或低血糖事情之前采取有效的措施來穩(wěn)定血糖，這將在很大程度上減小血糖不穩(wěn)定對患者造成的傷害。因此，對糖尿病患者血糖預測的研究就顯得尤為重要。
　　目前，關于糖尿病血糖預測的研究大體有兩個方向：一個方向是根據人體的生理模型，需要考慮影響患者血糖變

2、化的外部因素，如飲食、藥物、情緒、運動等，對患者的血糖進行控制以達到穩(wěn)定的目的，不過此方向的預測算法復雜，并且結果有一定的延遲；另一個方向是只利用患者的歷史血糖值，建立合適的數學模型來對患者的未來血糖值進行預測，達到簡單、高效的預測效果。
　　本文研究了基于數據驅動下的血糖預測模型，其中有人工神經網絡預測模型、極限學習機預測模型、支持向量機預測模型、AR預測模型、融合 ARIMA和RBFNN預測模型等，首次將灰色預測模型應用到血糖

3、預測領域。在灰色理論基礎上建立血糖 GM（1,1）預測模型。在傳統(tǒng)的GM（1,1）模型的基礎上，進行了兩方面的改進，一方面采用對數變換對采集到的血糖數據進行預處理，弱化原始時間序列的隨機性，提高預測模型的精確度；另一方面采用新陳代謝算法，不斷地增加新數據，刪除老數據，建立最符合現階段的血糖訓練集，得到未來血糖的最佳預測值。最后用采集到的50例患者的血糖數據在MATLAB環(huán)境下進行實驗。實驗結果和AR模型的預測結果進行對比，結果顯示，血糖