一种用于电子体温设备显示温度的预测算法的制作方法

本发明涉及温度测量领域，尤其涉及一种用于电子体温设备显示温度的预测算法。

背景技术：

目前，haroldgoldstein,westbury；williammontren,bayshore,bothofn.y.的电子体温设备的温度预测算法适用于电子体温类型设备的温度预测，在电子体温设备没达到最后稳定温度之前即在一个比较早的的时间就可以预测出最终的温度；该算法需要比较严格的测试环境，比如完全均匀的受热环境，对测试电子体温设备的外形材料也有严格的要求，稳定的受热材料和均匀的受热面积以及很小的受热探针。

该算法难以适应现代化便捷电子体温设备的测试环境，需要做更好的普适性使用的适应，无法适用于对于在绝大多数生活常见的测试环境以及受热不均匀的电子体温设备上的温度检测，算法适用性差。

技术实现要素：

为了克服现有技术的不足，本发明的目的之一在于提供一种用于电子体温设备显示温度的预测算法，其能解决适用性差的问题。

本发明的目的之一采用如下技术方案实现：

一种用于电子体温设备显示温度的预测算法，包括以下步骤：

数据收集，温度采集端获取温度数据及采集时间并传送数据到算法库中；

情况分析，通过温度数据及采集时间甄别出以下情形：人体测试、非人体测试或水槽测试；

建模分析，当甄别为人体测试时，利用数学模型建模方式进行回归分析，推断出相应时间的预测温度值。

进一步地，将获取的温度数据值定义为y1，y2，y3…，采集时间为x1，x2，x3，…，关键因子为a1，a；升温速度的变化规律因子为b，利用数学模型建模方式进行回归分析，代入下列公式：

y＝a+b1x+b2x2+e；

logit(y)＝ln(y/(1-y))＝b0+b1x1+b2x2+b3x3....+bkx；

推断出相应时间的预测温度值。

进一步地，通过实际测试数据分析出a1、a及b，并对预测温度值进行矫正。

进一步地，在所述数据收集中，温度采集端获取的温度数据及采集时间的时间区间为测试时间内的所有数据。

进一步地，在所述情况分析中，通过温度数据及采集时间进行甄别，当温度数据快速升温达到稳定，之后稳定不波动时，甄别为水槽测试。

进一步地，当甄别为水槽测试或非人体测试时，温度采集端直接显示真实温度值。

进一步地，在所述情况分析中，通过温度数据及采集时间进行甄别，当温度数据在30度以上时有连续升温的数值时，且温度数据在较短时间内没有升温稳定不波动，甄别为人体测试。

进一步地，所述温度采集端包括电子体温贴片，所述温度采集端通过电子体温贴片来测量人体的温度并发送温度数据及采集时间到算法库中，算法库的运作通过手机或者云端服务器来实现。

进一步地，设定最终推断温度稳定时间为h，当时间达到h时，温度采集端显示为真实温度值，从而替换预测温度值。

进一步地，当温度数据随着采集时间变化趋于稳定状态时，温度采集端显示为真实温度值，从而替换预测温度值。

相比现有技术，本发明的有益效果在于：

温度采集端获取温度数据及采集时间并传送数据到算法库中；通过温度数据及采集时间甄别出以下情形：人体测试、非人体测试或水槽测试；当甄别为人体测试时，利用数学模型建模方式进行回归分析，从而推断出相应时间的预测温度值，在本实施例中，温度采集端为电子体温设备。解决传统温度预测算法适用率低的问题，新型算法满足常用的电子体温设备，让温度预测可以在绝大多数生活常见的测试环境以及受热不均匀的电子体温设备上进行准确的温度预测，适用范围广，使用方便。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。

附图说明

图1为一般性物体受热升温伴随时间变化的升温曲线函数；

图2为新老算法的测试结果对比图。

具体实施方式

下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。

需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

一种用于电子体温设备显示温度的预测算法，包括以下步骤：

数据收集，温度采集端获取温度数据及采集时间并传送数据到算法库中；

情况分析，通过温度数据及采集时间甄别出以下情形：人体测试、非人体测试或水槽测试；

建模分析，当甄别为人体测试时，将获取的温度数据值定义为y1，y2，y3…，采集时间为x1，x2，x3，…，关键因子为a1，a；升温速度的变化规律因子为b，利用数学模型建模方式进行回归分析，代入回归分析公式，例如下面：y＝a+b1x+b2x2+e；

logit(y)＝ln(y/(1-y))＝b0+b1x1+b2x2+b3x3....+bkx；

从而推断出相应时间的预测温度值，在本实施例中，温度采集端为电子体温设备。解决传统温度预测算法适用率低的问题，新型算法满足常用的电子体温设备，让温度预测可以在绝大多数生活常见的测试环境以及受热不均匀的电子体温设备上进行准确的温度预测，适用范围广，使用方便。

优选的，请参阅图1，图1为一般性物体受热升温伴随时间变化的规律图，从中可以推断温度预测的关键是通过时间和一些函数常量来形成升温曲线函数，把已有数据拟合成一个曲线函数，利用数学回归进行函数拟合，可以利用现有数据尽量拟合生成最终的曲线函数，这里数据建模相关方法可以参考regressionanalysis相关的使用。进行回归分析之后，可以利用回归分析获取的函数推断后面测试过程中的温度数据的值，输入对应的采集时间，在本实施例中，举例t＝60分钟之后函数会输出对应的预测温度值。

优选的，通过实际测试数据分析出a1、a及b，并对预测温度值进行矫正，以及实际测试中的升温速度的变化规律因子b，对上一步计算得到的预测温度值进行矫正，如：

ift>＝3*60andt<30*60andnp.abs(b)<0.003:

ifb<0:

pred+＝a1*b

else:

pred+＝a2*b

通过上面的矫正，在测试的短时间内(如五分钟左右)就能获取和实际测试最终稳定后的真实温度值的偏离值小于正负0.2度，实现了精准的预测，效果好。

优选的，在所述数据收集中，温度采集端获取的温度数据及采集时间的时间区间为测试时间内的所有数据。算法库输入的参数是温度数据和采集时间，把当前测试为止的所有数据输入到算法库里去，比如说测试到三分钟时，算法库输入的是三分钟的所有数据；测试到五分钟时，算法库输入的是五分钟内的所有数据。这样算法库始终用当前测试获取到的最大数据，进行温度预测，能确保尽可能的利用已有数据进行准确的温度预测，数据利用率高，进一步提升了测量的准确率。

在所述情况分析中，甄别状况的区分是通过温度采集端的温度数据随时间的变化规律，根据是否是递增的、是否很快达到稳定等状况进行分析；30度以下统一非人体，30度以上区别人体还是水槽测试。具体的，当温度数据较短时间内快速升温达到稳定，之后稳定不波动时，甄别为水槽测试，当甄别为水槽测试或非人体测试时，温度采集端直接显示真实温度值。

具体的，在所述情况分析中，通过温度数据及采集时间进行甄别，当温度数据在30度以上时有连续升温的数值时，且温度数据在较短时间内没有升温稳定不波动，甄别为人体测试。

优选的，所述温度采集端包括电子体温贴片，所述温度采集端通过电子体温贴片来测量人体的温度并发送温度数据及采集时间到算法库中，算法库的运作通过手机或者云端服务器来实现，方便了人们的管理。

具体的，在本实施例中，举例h＝60min，输入对应的时间h＝60min之后，函数会输出对应的预测温度值。当时间达到h时，温度采集端显示为真实温度值，从而替换预测温度值。若在使用过程中，当温度数据随着采集时间变化趋于稳定状态时，温度采集端显示为真实温度值，从而替换预测温度值，提高了温度测量的效率。

请参阅图2，参考下面的测试结果，可以看到新算法在第五分钟就能有很好的预测而老算法却在第五分钟不能做良好的预测。

上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。