一种糖尿病护理数据智能优化方法与流程

本发明涉及数据处理，具体涉及一种糖尿病护理数据智能优化方法。

背景技术：

1、糖尿病是一种常见的慢性疾病，严重影响了患者的生活质量和健康水平。糖尿病患者需要时常监测血糖，根据血糖情况来判断患者是否进行相应治疗。由于糖尿病患者血糖超出参考标准时，就会对患者的正常生活产生影响。因而为了降低糖尿病对患者生活的影响，需要在患者的血糖还未超出参考标准，并且在未来可能会超出参考标准时，就给出预警，及时让患者接受相应的治疗。

2、为了将降低糖尿病对患者生活的影响，需对糖尿病患者的血糖状态进行预测。指数平滑法作为一种常用预测方法，该方法中平滑参数设置的好坏会影响预测的准确性。一般情况下，平滑参数是人们根据经验去设置一个固定的参数。在指数平滑法中平滑参数是用来决定预测未来时刻数据时，对最近数据的参考权重。其中平滑参数越大对最近数据参考的权重就越大，即最近数据对预测的未来数据决定程度就越大。由于人们一天血糖状态在不同时刻的变动是不同的，尤其在吃饭前后的变动尤为剧烈。因而在变动剧烈的时候，前面数据与后面数据的差异较大。因而在变动剧烈时，说明数据的变规律变动较大，应该更少的参考前面的预测规律，应该更多的参考与当前时刻最近的数据。在变动平缓时，前面数据与后面数据的差异较小。因而在变动平缓时，说明数据的变动规律变化较少，应该更多的参考前面的预测规律，应该较少的参考距离当前时刻最近的数据。因而在对糖尿病患者的血糖状态进行预测时，不能采用固定的平滑参数。因而如何通过为糖尿病患者的血糖数据设置合适的平滑参数，来实现血糖的准确预测，成为亟待解决的问题。

技术实现思路

1、为了解决上述技术问题，本发明提供一种糖尿病护理数据智能优化方法，所采用的技术方案具体如下：

2、获取第一历史血糖数据序列以及第一实时血糖数据序列；

3、根据第一历史血糖数据序列中血糖数据的方差得到第一平滑系数，获取第一历史血糖数据序列的若干窗口，根据第一历史血糖数据序列的窗口中数据方差得到第一平滑系数的基准适用范围，根据第一历史血糖数据序列中血糖数据以及第一实时血糖数据序列中第一实时血糖数据得到第一实时血糖数据下的第一平滑系数的适用范围修正因子，利用第一实时血糖数据下的第一平滑系数的适用范围修正因子对第一平滑系数的基准适用范围进行调整得到第一实时血糖数据下的第一平滑系数的适用范围；

4、根据第一实时血糖数据下的第一平滑系数的适用范围得到第一平滑系数的适用时间区间，根据第一历史血糖数据序列，第一实时血糖数据序列以及第一平滑系数的适用时间区间得到其他平滑系数，以及其他平滑系数的适用时间区间；

5、根据平滑系数来预测所述平滑系数的适用时间区间内的每个时刻的血糖数据。

6、优选的，所述根据第一历史血糖数据序列中血糖数据的方差得到第一平滑系数，包括的具体步骤为：

7、

8、其中，表示第一历史血糖数据序列中所有血糖数据的方差，以自然常数为的指数函数，表示第一平滑系数。

9、优选的，所述获取第一历史血糖数据序列的若干窗口，包括的具体步骤为：

10、预设窗口尺寸w，首先将1*w窗口的左侧与第一历史血糖数据序列的左侧对齐，然后让窗口以1作为滑动步长向右滑动，直至窗口的右侧与第一历史血糖数据序列的右侧对齐，完成窗口的滑动，在第一历史血糖数据序列中获取每次滑动时窗口中数据。

11、优选的，所述根据第一历史血糖数据序列的窗口中数据方差得到第一平滑系数的基准适用范围，包括的具体步骤为：

12、获取每个窗口中所有血糖数据的方差，记为每个窗口的方差，将每个窗口的方差与前一个窗口的方差的差值，记为每个窗口的波动变化程度；

13、第一平滑系数的基准适用范围的计算方法为：

14、

15、其中，表示第一历史血糖数据序列的第i个窗口的波动变化程度，表示窗口数量，表示反正切函数，表示以自然常数为底的指数函数，表示第一平滑系数，表示预设的第一超参数，表示第一平滑系数的基准适用范围，表示向上取整处理。

16、优选的，所述根据第一历史血糖数据序列中血糖数据以及第一实时血糖数据序列中第一实时血糖数据得到第一实时血糖数据下的第一平滑系数的适用范围修正因子，包括的具体步骤为：

17、

18、其中，表示第一实时血糖数据以及第一历史血糖数据序列中所有血糖数据的方差，表示第一历史血糖数据序列中所有血糖数据的方差，表示以自然常数为底的指数函数；表示第一实时血糖数据下的第一平滑系数的适用范围修正因子。

19、优选的，所述利用第一实时血糖数据下的第一平滑系数的适用范围修正因子对第一平滑系数的基准适用范围进行调整得到第一实时血糖数据下的第一平滑系数的适用范围，包括的具体步骤为：

20、

21、其中，表示第一实时血糖数据下的第一平滑系数的适用范围修正因子，表示预设的第二超参数，表示第一平滑系数的基准适用范围，表示第一实时血糖数据下的第一平滑系数的适用范围。

22、优选的，所述根据第一实时血糖数据下的第一平滑系数的适用范围得到第一平滑系数的适用时间区间，包括的具体步骤为：

23、对于第一历史血糖数据序列，设置一个空的分析数据集合，将第一实时血糖数据序列中的第一实时血糖数据添加为分析数据集合中的一个元素，根据第一历史血糖数据序列和第一实时血糖数据获取第一实时血糖数据下的第一平滑系数的适用范围，获取分析数据集合中包含的数据数量，将分析数据集合的数据数量与第一实时血糖数据下的第一平滑系数的适用范围比较，当分析数据集合的数据数量大于等于第一实时血糖数据下的第一平滑系数的适用范围时，将第一平滑系数的最终适用范围等于第一实时血糖数据下的第一平滑系数的适用范围；

24、当分析数据集合的数据数量小于第一实时血糖数据下的第一平滑系数的适用范围时，将第一实时血糖数据序列中的第二实时血糖数据添加为分析数据集合中的一个元素，根据第一历史血糖数据序列和第二实时血糖数据获取第二实时血糖数据下的第一平滑系数的适用范围，获取分析数据集合中包含的数据数量，将分析数据集合的数据数量与第二实时血糖数据下的第一平滑系数的适用范围比较，当分析数据集合的数据数量大于等于第二实时血糖数据下的第一平滑系数的适用范围时，将第一平滑系数的最终适用范围等于第二实时血糖数据下的第一平滑系数的适用范围；

25、以此类推，直至当分析数据集合的数据数量大于等于实时血糖数据下的第一平滑系数的适用范围时结束，得到第一平滑系数的最终适用范围；

26、将当前时刻作为第一平滑系数的上限时刻，将第一平滑系数的上限时刻与最终适用范围的累加和，记为第一平滑系数的下限时刻，将第一平滑系数的上限时刻与下限时刻之间的时间区间，记为第一平滑系数的适用时间区间。

27、优选的，所述根据第一历史血糖数据序列，第一实时血糖数据序列以及第一平滑系数的适用时间区间得到其他平滑系数，以及其他平滑系数的适用时间区间，包括的具体步骤为：

28、根据第一平滑系数的最终适用范围、第一历史血糖数据序列以及第一实时血糖数据序列得到第二历史血糖数据序列和第二实时血糖数据序列，根据第二历史血糖数据序列和第二实时血糖数据序列得到第二平滑系数以及第二平滑系数的最终适用范围，根据第二平滑系数的最终适用范围、第二历史血糖数据序列以及第二实时血糖数据序列得到第三历史血糖数据序列和第三实时血糖数据序列，以此类推，直至所有平滑系数的最终适用的范围累加和大于第一实时血糖数据序列的长度时结束，得到若干平滑系数以及每个平滑系数的最终适用范围；

29、将第一平滑系数的下限时刻与1的累加和，记为第二平滑系数的上限时刻，将第二平滑系数的上限时刻与最终适用范围的累加和，记为第二平滑系数的下限时刻，将第二平滑系数的上限时刻与下限时刻之间的时间区间，记为第二平滑系数的适用时间区间；获取每个平滑系数的适用时间区间。

30、优选的，所述根据第一平滑系数的最终适用范围、第一历史血糖数据序列以及第一实时血糖数据序列得到第二历史血糖数据序列和第二实时血糖数据序列，包括的具体步骤为：

31、将第一实时血糖数据序列中去除前个实时血糖数据，得到第二实时血糖数据序列，表示第一平滑系数的最终适用范围；将第一历史血糖数据序列中最后个血糖数据以及第一实时血糖数据序列中前个实时血糖数据，按时序排列得到第二历史血糖数据序列，n表示第一历史血糖数据序列的长度。

32、优选的，所述根据平滑系数来预测所述平滑系数的适用时间区间内的每个时刻的血糖数据，包括的具体步骤为：

33、基于每个平滑系数，利用指数平滑法预测该平滑系数的适用时间区间中的每个时刻的血糖数据。

34、本发明具有如下有益效果：

35、获取第一实时血糖数据序列和第一历史血糖数据序列，根据第一历史血糖数据序列中数据的方差得到第一平滑系数，通过该方法得到的第一平滑系数，无论第一历史血糖数据序列中血糖数据怎么变动，都能够较为准确的预测出未来时刻的血糖数据。根据第一历史血糖数据序列和第一实时血糖数据序列得到第一平滑系数的适用时间区间，第一平滑系数的适用时间区间能够反映第一平滑系数适用于未来哪些时刻的血糖预测。根据第一实时血糖数据序列，第一历史血糖数据序列和第一平滑系数的适用时间区间得到其他平滑系数以及其他平滑系数的适用时间区间。通过该方式能够较为准确的为未来每个时刻设置合适的平滑系数，进而来提高血糖预测的准确性。