关键词:
血糖预测
麻雀搜索算法
注意力机制
时域卷积网络
门控循环单元
摘要:
糖尿病是当今危害人类健康的常见疾病之一,有效管理和控制血糖对患者至关重要。传统的血糖预测模型大多为单一的深度学习模型,存在精度不足或效率太低的缺陷,制约了其在实际应用中的效果,为此,本文提出了一种基于麻雀搜索的混合神经网络模型,将其应用到血糖预测中。该模型结合了时域卷积网络(Temporal convolutional network,TCN)和门控循环单元(Gated recurrent unit,GRU),是基于端到端方式训练的时序神经网络,根据患者的血糖水平历史记录预测血糖。为确保该模型的泛化能力,使用两个不同来源的数据集进行验证。首先,对多源时序监测数据的特征采样频率进行设定,时间间隔为5 min,接着对数据做平滑处理和标准化,并通过TCN对时序数据捕捉时序模式和依赖特征;然后通过构建基于注意力机制的GRU(GRU⁃Attention)模型进一步提取特征并建模;最后使用麻雀搜索算法对TCN和GRU⁃Attention模型进行超参数优化,实现血糖预测模型。为了证明本文所提模型的有效性,将其预测结果与其他模型进行对比,包括LSTM、ARIMA和RNN等。研究结果表明,提出的基于麻雀搜索算法的TCN和GRU⁃Attention模型在血糖值预测任务中表现良好,两个数据集的均方根误差(Root mean square error,RMSE)和平均绝对误差(Mean absolute error,MAE)分别为0.552和0.402、0.531和0.388,均优于其他模型。