基于ARIMA和BPNN的组合预测模型在血糖预测中的应用

摘要

随着糖尿病患者数量的不断增多，糖尿病对人类健康的危害日趋增加，而稳定血糖是糖尿病患者临床治疗的主要目的，如果能提前预测出患者的血糖浓度，那么医生和患者就能在高血糖或者低血糖事件发生之前采取措施来稳定血糖，这将极大减小糖尿病对患者造成的伤害。建立一个精确度比较高的血糖预测模型，为医生和糖尿病患者提供指导，具有很好的应用价值。目前，关于人体血糖预测技术的研究大体有两个方向：一个方向是只利用患者的历史血糖值，不考虑影响患者血糖动态变化的外部因素（饮食、药物注射、运动等），追求简单和高效，但不够精准；另外一个方向不仅利用糖尿病患者的历史血糖值，而且结合人体的生理模型和大量的病理学、生理学的知识，追求准确和精准，算法复杂，有一定延迟。
　　本文深入研究了影响人体血糖变化的关键因素和血糖预测所面临的问题，在比较了现有的血糖预测技术的基础上，探讨基于ARIMA和BPNN的组合预测模型对患者血糖未来值分析和预测的可行性。采用ARI MA对糖尿病患者的历史血糖值进行分析，找出患者血糖变化的线性规律，利用BPNN捕获外部因素对人体血糖的影响，并对输入值、误差项等进行学习和拟合。最后将ARIMA计算出的预测值与BP算法得到的修正值进行组合，得到准确的结果。同时，针对饮食或药物注射在短时间内对人体血糖波动的突发影响，设定开始影响的点为奇异点，提出一种奇异点发现和处理算法，在人体血糖受外部干扰发生不规律变化时自动调整未来一段时间内的预测值，保证组合预测模型的精度和准确度。采用河南省人民医院内分泌科所提供的糖尿病患者血糖数据对所提出来的基于 ARIMA和 BPNN的组合预测模型及奇异点发现和处理算法进行验证。结果表明，相比ARIMA预测，所提出来的组合预测模型具有更好的预测效果，可以给医生或者糖尿病患者提供临床上的指导；所提出的奇异点发现和处理算法，在人体血糖受外部干扰发生急剧变化时能自动调整未来一段时间内的预测值，能保证组合预测模型的预测精度和准确度。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1. 1 研究背景

1. 2 研究意义

1. 3 论文研究的主要内容和创新工作

1. 4 论文的组成和结构

2 血糖预测的关键问题

2. 1 血糖监测技术

2. 2 血糖信号预处理技术

2. 3 血糖值可预测性分析

2. 4 本章小结

3 血糖预测技术现状

3.1 基于CGMS数据的血糖预测技术

3.2 基于CGMS数据和生理模型的血糖预测技术

3. 3 现有的预测方法分析

3. 4 本章小结

4 组合预测模型

4. 1 血糖数据预处理

4.2 ARIMA血糖预测模型

4. 3 BP神经网络

4.4 基于ARIMA和BP神经网络的组合预测算法

4. 5 奇异点发现和处理算法

4. 6 本章小结

5 性能分析

5. 1 应用工具介绍

5. 2 实验数据的采集

5. 3 数据建模

5. 4 试验性能评价指标

5. 5 本章小结

6 总结和展望

6. 1 总结

6. 2 展望

参考文献

致谢

个人简历、在校期间的学术成果