时间序列健康数据的分析与预测.pdf

《时间序列健康数据的分析与预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP-389.1单位代码：10346密级：无学号：2015111011005硕士学位论文（学术学位）中文论文题目：时间序列健康数据的分析与预测英文论文题目：AnalysisandPredictionofTimeSeriesHealthData申请人姓名：朱海龙指导教师：俞凯合作导师：袁贞明专业名称：计算机应用技术研究方向：时序健康数据挖掘所在学院：杭州国际服务工程学院论文提交日期2018年03月杭州师范大学硕士学位论文致谢致谢在论文即将完成之际，谨向在我攻读硕士期间给与我指导、帮助和关怀的老师、同学和

2、亲友们，致以最衷心的感谢！本论文的工作是在俞凯和袁贞明两位老师的悉心指导下完成的。从论文的选题到理论方法的建立、算法的实现、实验结果的分析与总结以及后期论文的撰写与修正，都是老师一步步精心指导完成的。俞凯老师和袁贞明老师拥有扎实的专业知识，严谨的治学态度，对于学生的指导尽心尽力。在整个研究生期间，无论是在学习中还是在生活中都给予了我极大地帮助。研究生期间不但在基础理论上对我进行了悉心的指导，同时在我理论知识有了一定的积累后，积极为我提供科研实践场景。帮助我将自己的理论知识与实践相结合，同时锻炼了我自己的科研实

3、践能力，提升了自己发现问题与解决问题的能力。在此，我衷心的向两位导师表示感谢，多谢两位导师的多年以来，对我学习和生活上的关心与呵护，帮助我逐渐成长。感谢学院的所有老师，在校期间，感谢你们在学习和生活上给予的极大帮助。感谢辅导员洪东招老师，时刻关注着每位研究生的学习和生活状态，对于学生出现的问题积极的给予帮助，使得每位研究生都可以保持积极乐观的学习态度。感谢实验室的吴英飞老师，孙晓燕老师，张佳老师，他们在我遇到问题时给与我耐心的讲解与解惑。感谢实验室中的各位师兄、师姐、师弟、师妹，同窗几载对我的关心与照顾。有你

4、们的存在让实验室有了更融洽的科研氛围、生活氛围。搞科研的时候我们一起探讨学术问题，闲暇之余我们一起聚餐、游戏，享受美好的校园生活。有了你们使我的研究生生活更加丰富多彩。感谢一直默默养育我、支持我的家人，感谢辛勤工作的父母，不遗余力的支持我，把我养大培养成才。感谢我的姐姐，在我情绪低落的时候，不断地鼓励我，给我信心，帮助我从情绪的低谷中走出来，坦然的面对各种问题。家是我永远的港湾，父母永远是我努力奋斗进取的动力。最后，衷心的感谢百忙之中抽出时间对本文进行审阅、评议的老师们。I杭州师范大学硕士学位论文摘要摘要随着

5、医疗信息化和可穿戴设备的快速发展，越来越多的健康数据可以从电子病历或可穿戴设备中获取。在医疗领域中，许多医疗健康数据是以时间序列的形式存在的，比如慢性疾病相关的血糖、血压、血脂的持续监测数据，智能可穿戴设备连续监测的心跳、脉搏和体位变化的数据等。在实际构建时间序列健康数据预测模型的研究过程中，主要存在两类问题，其一是针对连续的时间序列数据进行预测，预测的结果该时间序列数据未来某时点的数据，称之为连续时间序列数据预测问题。另一类问题则是利用时序数据以及相关的截面数据预测将来特定时点的相关数据，称之为时间序列特征

6、引导的预测问题。本文针对以上两类问题展开深入研究，主要工作如下：(1)针对时间序列特征引导的预测问题，本文提出了一种基于深度神经网络构的时间序列特征引导的预测模型(TS-DNN)。该模型将时间序列数据和相关的截面数据作为神经网络的两类输入，通过深度学习自动学习时间序列数据的潜在趋势，校正模型的预测结果，提升模型的预测精度。(2)针对连续时序数据预测问题，本文构建了ARIMA-SVM的混合模型，将ARIMA(差分自回归滑动平均模型)与SVM(支持向量机)两种模型的优势相结合，提高连续时间序列数据预测的精确度。混

7、合模型首先利用经典的时序预测模型ARIMA模型对时序数据中的线性部分进行建模，对于ARIMA模型的预测残差通过SVM进行预测，将两部分的结果相加得到最终的预测结果，从而完成连续时间序列数据的预测。(3)本文将上述两种模型分别应用在新生儿体重预测和连续血压预测的场景中，在新生儿体重预测问题中，将孕妇的体重时序数据以及孕妇和胎儿的相关生理参数作为模型的输入，与传统的公式预测法和利用单次时点的截面数据的深度神经网络预测模型相比，TS-DNN模型精度更高，并提高了模型预测结果的稳定性；在连续血压预测的问题中，利用混合

8、模型，将ARIMA和SVM模型的各自的优势充分利用，实验结果表明，混合模型可以更加精确的捕获连续血压时间序列数据中的潜在变化趋势，提升了血压预测的精度，为未来的风险预警提供了技术支持。关键词：时间序列；深度学习；ARIMA；SVM；健康数据II杭州师范大学硕士学位论文AbstractAbstractWiththerapiddevelopmentofmedicalinformatizationandw