申请/专利权人:北京大学
申请日:2019-09-10
公开(公告)日:2020-01-10
公开(公告)号:CN110675960A
主分类号:G16H70/20(20180101)
分类号:G16H70/20(20180101);G06F17/15(20060101);G06N3/04(20060101)
优先权:
专利状态码:有效-授权
法律状态:2022.08.26#授权;2020.02.11#实质审查的生效;2020.01.10#公开
摘要:本发明提供一种基于时间序列分析的呼吸运动预测建模方法,属于生物医学工程领域。本发明分别基于自回归积分滑动平均ARIMA模型、基于STL分解和指数平滑ETS方法和基于神经网络自回归NNAR模型计算得到呼吸运动的预测结果,定义基于RMSE和信息熵的模型评价指标,可以选择出同时具有“小误差”和“高稳定性”特征的预测模型参数,提高了预测方法的科学性。与已有技术相比大大提高了呼吸运动预测的时间长度,将以往通常只有几百毫秒的短期预测模型,升级到可以预测未来数十秒内呼吸运动幅度的长期预测模型。
主权项:1.一种基于时间序列分析的呼吸运动预测建模方法,其具体实施步骤如下:1使用高精度激光测距仪获得人体表面的呼吸运动离散信号{Yt};2基于自回归积分滑动平均ARIMA模型计算得到呼吸运动的预测结果YARIMA;3基于STL分解和指数平滑ETS方法计算得到呼吸运动的预测结果YSTL-ETS;4基于神经网络自回归NNAR模型计算得到呼吸运动的预测结果YNNAR;5基于上述三种方法得到的预测结果,建立等权重组合预测模型Ycombination;6定义基于RMSE和信息熵的模型评价指标;7根据步骤6中提出的模型评价指标,对步骤5中的组合预测模型进行参数优化,得到最终的预测模型。
全文数据:
权利要求:
百度查询: 北京大学 基于时间序列分析的呼吸运动预测建模方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。