[發明專利]一種心理壓力狀況預測方法及系統

有效

• 申請號: 201810815216.1
• 申請日: 2018-07-24
• 公開（公告）號: CN109106384B
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 胡慧;徐文權;王晧宇;夏寅生;宋志英
• 申請（專利權）人: 安慶師范大學
• 主分類號: A61B5/16
• 分類號: A61B5/16;A61B5/0205
• 代理公司: 長沙正奇專利事務所有限責任公司 43113
• 代理人: 馬強;王娟

本發明公開了一種心理壓力狀況預測方法及系統，利用深度學習中的深度信念網絡構建神經網絡模型，通過遺傳算法自動確定深度學習模型的結構，并根據預訓練好的模型自動預測用戶的心理壓力狀況，從而實現對用戶心理壓力狀況的自動預測。

技術領域

本發明涉及人工智能領域，特別是一種心理壓力狀況預測方法及系統。

背景技術

隨著社會經濟的不斷發展，人們越來越多地面對著各方面的壓力困境，如果長期處于這種壓力環境之下，會使人的身體和心理處于一種亞健康狀況，其中的心理疾病給人們帶來的困擾最大，甚至導致嚴重的精神或人格障礙，給人們帶來極大的痛苦。

一般情況下，當人們存在嚴重心理疾病時才會求助于心理醫生，不僅為時已晚，收效甚微，而且連續多次的心理咨詢所產生的高昂心理咨詢費用也給人們帶來巨大的經濟壓力。此外，面對各種各樣的心理問題和職業壓力，逐漸成為職場中的“隱形殺手”，員工的壓力問題每年都使企業承受巨大的經濟損失，甚至造成嚴重的社會影響。

隨著人工智能和大數據技術的發展，利用人工智能技術可以從大數據中提出主要特征信息，因此可以建立一種用于心理壓力狀況預測的人工智能處理方法，能夠快速地、高效、便捷、智能地服務于廣大用戶，實現對心理壓力指標的測量與預測。

目前，在確定深度信念網絡模型的隱含層層數以及隱含層神經元個數方法中，除了有學者使用粒子群優化方法外，其它的大多數是依靠多次人工實驗嘗試分析方法。

發明內容

本發明所要解決的技術問題是，針對現有技術不足，提供一種心理壓力狀況預測方法及系統，利用深度信念網絡模型實現對用戶心理壓力狀況的自動預測。

為解決上述技術問題，本發明所采用的技術方案是：一種心理壓力狀況預測方法，包括以下步驟：

1)采集樣本用戶的基本生理指標信息，利用所述基本生理指標信息構建深度信念網絡模型的訓練庫；

2)收集對所述訓練庫中的不同樣本的心理分析結果；

3)將所述用戶的基本生理指標信息作為輸入，所述心理分析結果作為輸出；使用遺傳算法確定深度信念網絡模型的隱含層層數以及每個隱含層的神經元個數，最終訓練出深度信念網絡模型的連接權值和偏置值；

4)將基本生理指標輸入到步驟3)訓練出的深度信念網絡模型，確定心理壓力狀況。

所述基本生理指標信息包括體溫、心率、血壓、心電、肌電、皮膚電、睡眠時間和飲食情況。

步驟2)中，所述心理分析結果包括用戶處于壓力狀態或不處于壓力狀態。

步驟3)中，使用遺傳算法確定深度信念網絡模型的隱含層層數以及每個隱含層的神經元個數的計算過程包括：

1)編碼隱含層層數C_r和每個隱含層的神經元個數N_κ，并隨機產生C_r和N_κ的值；

2)輸入訓練樣本用戶數據，計算深度信念網絡模型輸出的真實值與預測值之間的差值，即為絕對誤差值，以絕對誤差值之和為適應度函數，以適應度的大小為標準評價隱含層層數C_r和每個隱含層的神經元個數N_κ；

3)篩選出絕對誤差之后最小的個體，直接將其遺傳給下一代；

4)通過交叉、變異進化當前群體，并產生下一代群體；

5)重復步驟2)～步驟4)，不斷更新隱含層層數C_r和每個隱含層的神經元個數N_κ；

6)當適應度保持不變時，得到深度信念網絡模型的隱含層層數C_r和每個隱含層的神經元個數N_κ值。