基于ARIMA与SVM混合模型的连续血压预测 |
| |
作者姓名: | 朱海龙 袁贞明 俞凯 |
| |
作者单位: | 杭州师范大学杭州国际服务工程学院 |
| |
摘 要: | 由于血压时间序列数据受到多种因素影响,具有时变性、非线性和非平稳性特征,因此利用单一的时序预测模型难以准确描述血压的复杂变化规律.为了提高模型的预测精度,本文提出一种基于差分自回归移动平均(ARIMA)和支持向量机(SVM)的混合预测模型,并利用粒子群优化(PSO)算法优化SVM模型参数.利用养老院血压历史数据对模型进行验证.实验结果表明,基于ARIMA与SVM的混合模型预测精度高,更能全面描述血压时间序列的变化趋势.
|
本文献已被 CNKI 等数据库收录! |
|