基于小波分析的人體血壓預測.pdf

1、血壓作為人體重要生理體征，可靠有效的血壓預測在醫(yī)療決策中具有重要意義。近年來高血壓急癥和腦溢血等心血管相關的疾病嚴重威脅人類的身體健康。在臨床上，血壓是一項重要檢查的指標，經常用來診斷高血壓、急性低血壓、評價心血管功能是否正常，因此對動脈血壓進行有效的預測，能為醫(yī)護人員提供有效的醫(yī)療決策信息，同時使醫(yī)護人員可以快速定位病因并采取相應的救治措施，從而有效的控制患者的病情。同時，互聯(lián)網(wǎng)、物聯(lián)網(wǎng)和云計算等技術快速發(fā)展為人體血壓預測提供技術支持

2、。
　　本文將人體動脈血壓作為研究對象，以時間序列模型來對其進行預測。首先，以人工神經網(wǎng)絡為理論基礎，分析并選擇在預測領域廣泛使用的三種人工神經網(wǎng)絡方法：BP神經網(wǎng)絡預測方法、Elman神經網(wǎng)絡預測方法以及基于遺傳算法優(yōu)化的BP神經網(wǎng)絡預測方法，以這三種方法來建立血壓時間序列預測模型，并對這三種方法建立的預測模型進行實驗分析并探討改進方案。然后提出基于小波分析的BP神經網(wǎng)絡血壓預測模型，即先將血壓時間序列進行小波三層分解與單支重構

3、還原，分別對分解后的信號進行分析，從而對小波重構后的每層信號分別建立BP神經網(wǎng)絡預測模型進行預測，通過對每層血壓分量預測的結果疊加即可得到最終血壓預測值。最后，結合小波分解與重構后信號的特點進行分析，發(fā)現(xiàn)小波分解與重構后的高頻信號為平穩(wěn)信號、低頻信號仍然為非平穩(wěn)信號，針對這一特點提出了基于小波分析的BP神經網(wǎng)絡和自回歸滑動平均（Auto Regression Moving Average，ARMA）組合血壓預測模型，對高頻信號重新建立預

4、測模型，即用平穩(wěn)時間序列方法自回歸滑動平均模型來進行高頻分量預測，低頻趨勢分量仍然使用BP神經網(wǎng)絡模型進行預測。實驗表明，改進后的組合預測模型對于血壓預測能取得更好的預測效果。
　　論文中以時間序列預測法建立的三種人工神經網(wǎng)絡模型在人體血壓預測中取得一定的效果，但并不理想。通過引入小波多分辨率分析，用Mallat快速算法將血壓時間序列分解成不同頻率成分分量，使得每層分量信息更加單一，預測模型能夠極佳逼近人體血壓的變化，達到可靠預測