本发明涉及体成分预测领域，特别涉及一种人体体成分预测及营养运动方案推荐方法。
背景技术：
目前，快节奏的生活、超负荷的工作压力导致人们体质逐渐变差且长期处于亚健康状态，从而引发各种代谢类疾病。例如：肥胖症、高血压、糖尿病等。统计结果表明，人们的代谢类疾病的发生率与日俱增且趋于年轻化。
大量医学研究表明，人类的健康问题与人体体成分的变化有着密切的关系。当疾病发生时，人体内相关体成分含量的变化往往会早于临床症状，通过对体成分进行量化检测可以判断人体的健康状况，指导人们的饮食运动习惯。因此，如何对人体体成分进行检测分析，并提供营养和运动建议颇为必要。
人体内身体水分、蛋白质、无机盐、体脂肪、肌肉及骨骼等各组成成分之间的数量规律并不是固定不变的，它随人体体内生理或病理状况的变化而发生改变。在人体受到内部或外部种种因素作用时，不同的组分之间的数量关系会在一定范围内波动。目前的研究已经发现至少有三十种因素可能对人体组分的构成产生影响作用，如年龄、性别、种族、营养、运动、疾病、环境温度、辐射、重力变化、文化甚至昼夜节律及季节交替等天体因素等等。其中研究最多的是年龄、营养、运动和疾病等因素，这也是人体体成分学的一个重要研究领域。
人体体成分对于评价人的营养状况、体质研究、临床疾病治疗以及减肥、运动员体重控制等都具有十分重要的意义。可以测定人体体脂比、蛋白质、肌肉等，有助于客观地评价机体的营养状况。区分体内脂肪量和水分、骨骼及肌肉等非脂肪量，用此方法对青少年的体成分进行分析与预测，指导青少年控制体重尤为必要。青少年人体体成分对于评价青少年生长发育和体质健康的营养状况、体质研究、临床疾病治疗以及减肥、体重控制等都具有十分重要的意义，而目前市场上还没有青少年群体的体成分测试相关的方法和产品。
技术实现要素：
本发明目的是提供一种人体体成分预测及营养运动方案推荐方法。
本发明解决技术问题采用如下技术方案：
一种人体体成分预测及营养运动方案推荐方法，包括以下步骤：
步骤1：建立体成分数据库，所述的体成分数据库中包括每个人的基本信息和体成分数据，针对不同的体成分，数据库中有相应的经医师处理的运动方案和营养方案，并且数据库根据每个人的跟踪测量进行实时数据补充；所述的基本信息包括年龄、性别、种族、地区；所述的体成分数据包括身体的水分、蛋白质、无机盐、体脂肪、肌肉；
步骤2：输入测试人基本信息和所测得的体成分数据；
步骤3：根据测试人的数据，采用基于类比法在体成分数据库中进行相似度匹配，将匹配的数据筛选出来，将各数据对应人的后续跟踪测试体成分结果以及相应的运动方案和营养方案也一并提取出来，组成匹配数据集，选取其中相同年龄相似度最高的体成分数据，将该数据对应人的后续跟踪测试结果作为目前的测试人的体成分预测结果；
步骤4：查看测试人的体测数据是否为单一的指标异常，如果为单一指标异常就直接调用已经存在的运动处方营养处方，否则调用匹配数据集中的存在的案例，选取其中相同年龄相似度最高的体成分数据，将该数据对应人的的运动营养处方作为新测试人的运动处方和营养处方进行推荐。
作为本发明的一种优选，所述的相似度匹配采用加权的欧式距离来体现，公式为：
所述的u1表示测试人；所述的u2表示数据库中已经存在的任一体成分数据的对应人；
作为本发明的进一步优选，所述的权重通过专家确定和启发式算法计算出最优估算结果。
作为本发明的另一种优选，所述的权重值通过优化的粒子群算法进行优化，采用粒子群算法对带测试人员的各特征属性进行权重拟合，以mre为评价标准，确定最佳的权重值；所述的mre为相对误差值，即估算值与实际值的误差；
本发明具有如下有益效果：本发明采用类比法对青少年个体未来几年的体成分进行预测，并实现营养和运动方案的推荐，为人体体成分研究领域提供更为有效的分析手段，为指导青少年体质健康生长具有重要的指导作用和理论研究意义。
附图说明
图1为本发明一种人体体成分预测及营养运动方案推荐方法的流程图。
具体实施方式
下面结合附图及实施方式对本发明的技术方案作进一步阐述。
具体实施方式一：本实施方式是一种人体体成分预测及营养运动方案推荐方法，如图1所示，包括如下步骤：
步骤1：建立体成分数据库，所述的体成分数据库中包括每个人的基本信息和体成分数据，针对不同的体成分，数据库中有相应的经医师处理的运动方案和营养方案，并且数据库根据每个人的跟踪测量进行实时数据补充；所述的基本信息包括年龄、性别、种族、地区；所述的体成分数据包括身体的水分、蛋白质、无机盐、体脂肪、肌肉；
步骤2：输入测试人基本信息和所测得的体成分数据；
步骤3：根据测试人的数据，采用基于类比法在体成分数据库中进行相似度匹配，将匹配的数据筛选出来，将各数据对应人的后续跟踪测试体成分结果以及相应的运动方案和营养方案也一并提取出来，组成匹配数据集，选取其中相同年龄相似度最高的体成分数据，将该数据对应人的后续跟踪测试结果作为目前的测试人的体成分预测结果；
步骤4：查看测试人的体测数据是否为单一的指标异常，如果为单一指标异常就直接调用已经存在的运动处方营养处方，否则调用匹配数据集中的存在的案例，选取其中相同年龄相似度最高的体成分数据，将该数据对应人的的运动营养处方作为新测试人的运动处方和营养处方进行推荐。
具体实施方式二：本实施方式是对实施方式一的一种限定，其中所述的相似度匹配采用加权的欧式距离来体现，公式为：
所述的u1表示测试人；所述的u2表示数据库中已经存在的任一体成分数据的对应人；
具体实施方式三：本实施方式是对实施方式二的一种限定，所述的权重值通过专家确定和启发式算法计算出最优估算结果。
具体实施方式四：本实施方式是对实施方式二的另一种限定，所述的权重值通过优化的粒子群算法进行优化，采用粒子群算法对带测试人员的各特征属性进行权重拟合，以mre为评价标准，确定最佳的权重值；所述的mre为相对误差值，即估算值与实际值的误差。
下面通过具体实施例，对本发明做进一步详细说明，应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
实施例一：学生a与学生b的体成分相似，学生a为新测试的学生，学生b为数据库中存在的已经跟踪多年的体成分测量数据的学生，同学a为10岁，同学b为13岁，根据数据库中有同学b跟踪多年的体成分测量数据，同学b10岁时候的体成分与同学a数据相似，此时我们可以用同学b的10岁3个月的数据作为同学a在3个月以后的体成分数据。
新测试的同学a的数据，我们可以预测其3个月以后的数据，当其使用我们推荐的运动处方和营养处方，我们可以使他接近国家标准的数据。如果没有使用我们的营养处方，那么他就会偏胖或者偏瘦。
实施例二：学生a与学生b的体成分相似，学生a为新测试的学生，学生b为数据库中存在的已经提供运动处方的学生，同学a为10岁，同学b为10岁，依据数据库中有同学b运动处方，同学b10岁时候的体成分与同学a数据相似此时我们可以用同学b的运动处方的数据作为同学a的运动处方。
实施例三：学生a与学生b的体成分相似，学生a为新测试的学生，学生b为数据库中存在的已经提供营养处方的学生，同学a为10岁，同学b为10岁，我们有同学b营养处方，同学b10岁时候的体成分与同学a数据相似此时我们可以用同学b的营养处方的数据作为同学a的营养处方。
最后应说明的是：以上实施方式和实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施方式和实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施方式和实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施方式和实施例技术方案的精神和范围。