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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD