[发明专利]一种基于GRU模型的葡萄糖浓度预测方法、设备及介质

说明书

本申请公开了一种基于GRU模型的葡萄糖浓度预测方法、设备及介质，方法包括：获取样本数据集，进行数据预处理；进行标准化处理；基于时间序列的样本数据集进行升维处理；搭建时间序列预测模型，并利用GRU模型进行训练；通过GRU模型进行数据预测，根据得到的第一葡萄糖浓度数据进行指数平滑处理，得到第二葡萄糖浓度数据，并根据第二葡萄糖浓度数据最终预测结果。对预处理之后的数据进行标准化处理，使得预测效果更好。在时间顺序预测模型中，利用均值，标准差和分位数以及拟合出的线性趋势，使训练效果有了显著提升。

技术领域

本申请涉及人工智能领域，具体涉及一种基于GRU模型的葡萄糖浓度预测方法、设备及介质。

背景技术

血糖浓度指的是血液中的葡萄糖含量，葡萄糖是人类机体中必不可少的组成成分，为了维持人类身体的健康和各种器官和组织的运作需要，葡萄糖必须保持在一个恒定的范围内，这样才可以为人体各种组织、器官的正常运作提供动力。而糖尿病患者为了避免糖尿病的并发症，需要频繁地测量和控制血糖浓度，但是频繁的采血进行血液葡萄糖浓度的测量一方面给糖尿病患者带来了巨大的经济负担和医疗费用，另一方面也给糖尿病患者带来了巨大的身体痛苦和感染疾病的风险。因此动态血糖检测系统(Continues GlucoseMonitoring，CGM)就有了很大的意义，该系统通过葡萄糖感应器监测皮下组织间液的葡萄糖浓度而间接反映血糖水平的监测技术，可提供连续、全面、可靠的全天血糖信息，了解血糖波动的趋势，发现不易被传统监测方法所探测的隐匿性高血糖和低血糖。

随着人工智能的迅速发展，各种机器学习算法被应用到葡萄糖浓度预测中，比如朴素贝叶斯、逻辑回归、随机森林、人工神经网络等；但是现有的很多种的预测模型都存在训练数据集能力有限、使用的算法函数比较传统固定等缺点。

发明内容

为了解决上述问题，本申请提出了一种基于GRU模型的葡萄糖浓度预测方法，包括：

获取样本数据集，并对所述样本数据集进行数据预处理，以得到适合模型训练的数据格式；

对所述数据预处理之后的样本数据集进行标准化处理；

将标准化处理后的基于时间序列的样本数据集进行升维处理，划分得到训练集和测试集；

搭建时间序列预测模型，并利用所述时间序列预测模型中的GRU模型对所述训练集和所述测试集进行训练；

通过所述GRU模型进行数据预测，并根据得到的第一葡萄糖浓度数据进行指数平滑处理，得到第二葡萄糖浓度数据，并根据所述第二葡萄糖浓度数据最终预测结果。

另一方面，本申请还提出了一种基于GRU模型的葡萄糖浓度预测设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

获取样本数据集，并对所述样本数据集进行数据预处理，以得到适合模型训练的数据格式；

对所述数据预处理之后的样本数据集进行标准化处理；

将标准化处理后的基于时间序列的样本数据集进行升维处理，划分得到训练集和测试集；

搭建时间序列预测模型，并利用所述时间序列预测模型中的GRU模型对所述训练集和所述测试集进行训练；

通过所述GRU模型进行数据预测，并根据得到的第一葡萄糖浓度数据进行指数平滑处理，得到第二葡萄糖浓度数据，并根据所述第二葡萄糖浓度数据最终预测结果。

另一方面，本申请还提出了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：