基于改进的LSTM-CNN高血压组合预测模型

摘要

据国内外研究表明,高血压是危害人生命健康的重要疾病,如何及时的对血压升高进行预警成为一个研究的热点问题。为解决这一问题提出了一种融合注意力(Attention)机制的长–短期记忆网络(Long Short-Term Memory, LSTM)–卷积神经网络(Convolutional Neural Network, CNN)短期血压预测方法,该方法可以减少历史信息的丢失,实现短期血压预测。将此预测方法与单一的LSTM模型、CNN模型和LSTM-CNN组合模型进行对比,实验采用均方根误差(RMSE)、平均绝对误差(Mean Absolute Error, MAE)和平均绝对百分比误差(MAPE)对其进行评价,结果我们的方法误差最小,预测准确度最高,验证了我们模型的有效性和可扩展性。