[發(fā)明專利]一種基于小波分析和回聲狀態(tài)網(wǎng)絡(luò)的血壓預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201810749008.6
• 申請日: 2018-07-10
• 公開（公告）號: CN109009033A
• 公開（公告）日: 2018-12-18
• 發(fā)明（設(shè)計）人: 姜濤;藍曉峰
• 申請（專利權(quán)）人: 華南理工大學(xué)
• 主分類號: A61B5/021
• 分類號: A61B5/021
• 代理公司: 廣州市華學(xué)知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 李斌

本發(fā)明公開了一種基于小波分析和回聲狀態(tài)網(wǎng)絡(luò)的血壓預(yù)測方法，包括下述步驟：首先利用小波分解方法將原始血壓數(shù)據(jù)分解為高頻序列部分和低頻序列部分，然后構(gòu)建回聲狀態(tài)網(wǎng)絡(luò)模型，再分別對低頻序列部分和高頻序列部分的訓(xùn)練樣本進行回聲狀態(tài)網(wǎng)絡(luò)模型的訓(xùn)練，接著利用訓(xùn)練得到的回聲狀態(tài)網(wǎng)絡(luò)模型分別對高頻序列部分和低頻序列部分的測試樣本進行單步預(yù)測和多步預(yù)測，最后對高頻序列部分和低頻序列部分的預(yù)測結(jié)果進行小波重構(gòu)，得到單步預(yù)測血壓數(shù)據(jù)和多步預(yù)測血壓數(shù)據(jù)。本發(fā)明方法在血壓時間序列的單步預(yù)測和多步預(yù)測中都能夠很好地預(yù)測血壓變化趨勢，并且較為準(zhǔn)確的勾畫出血壓的變動形態(tài)，對血壓時間序列的及時準(zhǔn)確預(yù)測具有重要臨床意義。

技術(shù)領(lǐng)域

本發(fā)明屬于醫(yī)療健康、機器學(xué)習(xí)、人工智能和醫(yī)學(xué)信號處理領(lǐng)域，涉及血壓時間序列的分析與預(yù)測，特別涉及一種基于小波分析和回聲狀態(tài)網(wǎng)絡(luò)的血壓預(yù)測方法。

背景技術(shù)

血壓是反映人體健康狀況的重要指標(biāo)。血壓異常會威脅人體的生命安全，例如患者術(shù)后急性低血壓的發(fā)病以及老年人高血壓的發(fā)病。血壓異常的發(fā)生需要進行及時有效的干預(yù)治療，時間顯得十分寶貴和急迫。因此，能夠及時準(zhǔn)確地預(yù)測血壓變化的趨勢具有重要的臨床意義。

人體血壓受到多方面的影響，例如晝夜時間變化、季節(jié)變化、年齡增長、體重、飲食、情緒等，因此具有較強的隨機性和復(fù)雜性，是一種非線性非平穩(wěn)的時間序列。

目前，血壓時間序列的預(yù)測方法主要有神經(jīng)網(wǎng)絡(luò)方法、BP神經(jīng)網(wǎng)絡(luò)和小波分解組合預(yù)測方法、AR模型和支持向量機組合預(yù)測方法、小波變換和支持向量機組合預(yù)測方法、雙譜分析-BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測方法、EMD與GEP組合預(yù)測方法、小波分析和Gaussian回歸組合預(yù)測方法等。

實踐表明，單一模式難以對非線性非平穩(wěn)的血壓時間序列獲得理想的預(yù)測精度；現(xiàn)有組合預(yù)測方法主要應(yīng)用在血壓時間序列的單步預(yù)測中，在血壓時間序列的多步預(yù)測中，依然存在預(yù)測精度不高，預(yù)測步長過短等問題。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)中的缺點與不足，提供一種基于小波分析和回聲狀態(tài)網(wǎng)絡(luò)的血壓預(yù)測方法，改善了現(xiàn)有預(yù)測模型對非線性非平穩(wěn)的血壓時間序列預(yù)測不準(zhǔn)確、預(yù)測步長過短、訓(xùn)練算法過于復(fù)雜、容易陷入局部最優(yōu)等問題。特別是在血壓時間序列的多步預(yù)測中，預(yù)測效果明顯改善。

為實現(xiàn)以上目的，本發(fā)明采取如下技術(shù)方案：

一種基于小波分析和回聲狀態(tài)網(wǎng)絡(luò)的血壓預(yù)測方法，包括下述步驟：

S1、對原始血壓時間序列數(shù)據(jù)利用小波變換的時間-頻率局域分析方法進行小波分解，將原始血壓時間序列分解為低頻序列部分和高頻序列部分；

S2、確定回聲狀態(tài)網(wǎng)絡(luò)模型的儲備池參數(shù)；

S3、分別對低頻序列部分和高頻序列部分的訓(xùn)練樣本進行回聲狀態(tài)網(wǎng)絡(luò)模型的訓(xùn)練，得出儲備池輸出預(yù)測的狀態(tài)方程；

S4、利用訓(xùn)練得到的低頻序列部分的回聲狀態(tài)網(wǎng)絡(luò)模型和高頻序列部分的回聲狀態(tài)網(wǎng)絡(luò)模型分別對低頻序列部分和高頻序列部分的測試樣本進行單步預(yù)測和多步預(yù)測；

S5、將低頻序列部分的單步預(yù)測數(shù)據(jù)和多步預(yù)測預(yù)測數(shù)據(jù)與高頻序列部分的單步預(yù)測數(shù)據(jù)和多步預(yù)測預(yù)測數(shù)據(jù)分別進行小波重構(gòu)，得到單步預(yù)測血壓數(shù)據(jù)和多步預(yù)測血壓數(shù)據(jù)。

作為優(yōu)選的技術(shù)方案，步驟S1具體包括下述步驟：

S11、采集原始血壓時間序列，并將其分為訓(xùn)練樣本和測試樣本；

S12、對所述原始血壓時間序列進行小波分解，獲得原始血壓時間序列的低頻序列部分和高頻序列部分；

小波分解過程的連續(xù)小波變換公式為：