本文關鍵詞：神經網絡軟測量模型優(yōu)化方法在血糖濃度預測中的應用，由筆耕文化傳播整理發(fā)布。

【摘要】：本文針對皮下葡萄糖濃度與血糖濃度之間存在生理延時且容易受人體、環(huán)境等多種不確定因素的影響,不能準確地測量血糖濃度的問題,提出了基于神經網絡的血糖軟測量方法。該方法利用神經網絡的非線性逼近能力來構造待測主導變量血糖濃度和與其相關的可測輔助變量之間的機理關系并建立軟測量模型。用UVa/Padova T1DM仿真軟件采集的數據對模型的預測效果進行驗證,結果表明該方法不僅克服了精確數學模型或相關參數難以獲取的局限性,而且有比CGM更小的動態(tài)延時、更高的精度、更大的信噪比等優(yōu)點,可以實現對人體血糖濃度的實時預測。針對實際人體血糖代謝系統(tǒng),由于其模型復雜,輔助變量較多,各變量之間的耦合性較強,傳統(tǒng)的神經網絡血糖軟測量模型不足以提供較高的預測精度和穩(wěn)定性的問題,提出了基于NN-MIV的神經網絡軟測量模型優(yōu)化方法。對輔助變量做多次篩選并和其他的變量選擇方法進行比較,說明該方法具有變量貢獻率區(qū)分度高、變量篩選結果穩(wěn)定的優(yōu)點,能夠為模型提供最優(yōu)的輔助變量集,提高血糖濃度的預測精度。為進一步提高血糖軟測量模型的預測精度,克服傳統(tǒng)的神經網絡訓練算法收斂速度慢、泛化性能差且容易陷入局部最優(yōu)等局限性,提出了基于PSO的神經網絡血糖軟測量優(yōu)化方法。該方法利用PSO算法魯棒性能高、收斂速度快、全局性搜索能力強、不需要借助問題自身的特征信息,且算法簡潔,易于與其它智能學習算法相結合等優(yōu)點,對神經網絡各處理層之間的連接權值和閾值進行優(yōu)化,并將其應用于人體血糖濃度的預測中。實驗結果表明,用PSO算法優(yōu)化后血糖軟測量模型具有更高的預測精度,更少的過擬合現象。
【關鍵詞】：軟測量 神經網絡 血糖濃度 誤差網格分析 NN-MIV PSO-ANN
【學位授予單位】：江蘇大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R446.11;TP183
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-19
• 1.1 研究背景及意義9-10
• 1.2 軟測量技術概述10-14
• 1.2.1 軟測量建模方法10-12
• 1.2.2 軟測量技術的實施12-14
• 1.3 軟測量模型優(yōu)化14-16
• 1.3.1 影響軟測量性能的因素14-15
• 1.3.2 數據的濾波方法15
• 1.3.3 輔助變量的選擇方法15-16
• 1.3.4 智能優(yōu)化算法16
• 1.4 本文主要內容及章節(jié)安排16-19
• 第二章 基于神經網絡的人體血糖軟測量方法19-32
• 2.1 血糖代謝最小系統(tǒng)20-22
• 2.2 基于神經網絡的血糖軟測量實驗22-27
• 2.2.1 血糖軟測量模型的構造22-24
• 2.2.2 血糖軟測量模型預測結果24-27
• 2.3 小波閾值去噪對血糖軟測量模型的優(yōu)化27-30
• 2.3.1 小波優(yōu)化軟測量模型的構建27-28
• 2.3.2 優(yōu)化模型血糖預測結果28-30
• 2.4 結果比較與分析30
• 2.5 本章小結30-32
• 第三章 基于NN-MIV的神經網絡血糖軟測量優(yōu)化方法32-49
• 3.1 人體血糖系統(tǒng)概述32-36
• 3.2 NN-MIV軟測量模型優(yōu)化方法36-39
• 3.2.1 平均影響值方法概述36-37
• 3.2.2 神經網絡變量選擇方法概述37-38
• 3.2.3 NN-MIV變量選擇方法概述38-39
• 3.3 克拉克網格誤差分析39-40
• 3.4 NN-MIV對血糖軟測量模型的優(yōu)化40-48
• 3.4.1 血糖軟測量模型的構造與優(yōu)化41-45
• 3.4.2 血糖軟測量模型優(yōu)化結果分析45-48
• 3.5 本章小結48-49
• 第四章 基于PSO的神經網絡血糖軟測量優(yōu)化方法49-61
• 4.1 微粒群優(yōu)化方法49-53
• 4.1.1 微粒群算法描述49-50
• 4.1.2 微粒群算法基本原理50-53
• 4.2 PSO-ANN血糖軟測量模型53-55
• 4.3 PSO優(yōu)化算法對血糖軟測量模型的內部優(yōu)化55-59
• 4.3.1 血糖軟測量模型的構造與優(yōu)化55
• 4.3.2 血糖軟測量模型優(yōu)化結果分析55-59
• 4.4 本章小結59-61
• 第五章 總結與展望61-63
• 5.1 總結61
• 5.2 研究展望61-63
• 參考文獻63-70
• 致謝70-71
• 碩士期間取得的科研成果71

【相似文獻】

中國期刊全文數據庫 前10條

1 戴康;王曉瓊;;神經網絡在藥動學評價中的應用[J];醫(yī)藥導報;2007年09期

2 蔡云;;收斂非線性神經網絡的穩(wěn)定性[J];國外醫(yī)學.生物醫(yī)學工程分冊;1991年01期

3 王繼成,呂維雪;基于神經網絡的心電數據壓縮[J];生物醫(yī)學工程學雜志;1993年03期

4 段新昱,林家瑞;神經網絡在心電信號分析處理中的應用[J];國外醫(yī)學.生物醫(yī)學工程分冊;1993年01期

5 Miller A S ,張永紅;神經網絡在醫(yī)學信號處理方面的應用[J];國外醫(yī)學.生物醫(yī)學工程分冊;1993年04期

6 王繼成;呂維雪;;基于符號神經網絡的心臟疾病自動診斷[J];北京生物醫(yī)學工程;1993年03期

7 劉子皇;;胞神經與類胞神經網絡的動力學范圍的準確估計[J];中山大學研究生學刊(自然科學版);1995年03期

8 鄒睿,歐陽楷,劉悅;神經網絡中的微心理學——兼論人工神經網絡框架[J];山東生物醫(yī)學工程;1998年01期

9 鄒凌云;王正志;黃教民;;基于位置特異性譜和輸入加權神經網絡的蛋白質亞細胞定位預測(英文)[J];遺傳學報;2007年12期

10 成剛;吳小玲;夏杰;張炯;肖富男;崔燕南;周荃;劉永康;李珊;;基于神經網絡的環(huán)孢素血藥濃度預測[J];中國生物醫(yī)學工程學報;2009年06期

中國重要會議論文全文數據庫 前10條

1 徐春玉;;基于泛集的神經網絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經網絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經網絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經網絡的新機遇——紀念中國神經網絡10周年[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經網絡與圖論[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數值預報產品的神經網絡釋用預報應用[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經網絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經網絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經網絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

中國重要報紙全文數據庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經網絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經網絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經網絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經網絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經網絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經網絡[N];健康時報;2006年

8 劉力;我半導體神經網絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經網絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經網絡應用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數據庫 前10條

1 楊旭華;神經網絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經網絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經網絡的混沌性及幾類時滯神經網絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經網絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農業(yè)大學;2015年

6 李輝;基于粒計算的神經網絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經網絡并行實現及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

中國碩士學位論文全文數據庫 前10條

1 章穎;混合不確定性模塊化神經網絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經網絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經網絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經網絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經網絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經網絡的上證指數預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經網絡血壓預測研究與系統(tǒng)實現[D];華南理工大學;2015年

9 張韜;幾類時滯神經網絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經網絡的穩(wěn)定性分析[D];渤海大學;2015年

  本文關鍵詞：神經網絡軟測量模型優(yōu)化方法在血糖濃度預測中的應用，由筆耕文化傳播整理發(fā)布。

，

本文編號：273852