基于ARIMA与SVM混合模型的连续血压预测

• 作者: 俞凯 朱海龙 袁贞明
• 来源期刊: 杭州师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 差分自回归移动平均 支持向量机 混合预测 血压预测
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 数学与计算机科学
• 页码范围: 555-560
• 页数: 6页
• 分类号: TP391.3
• 字数: 3281字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-232X.2018.05.017

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁贞明	杭州师范大学杭州国际服务工程学院	32	244	8.0	15.0
2	俞凯	杭州师范大学杭州国际服务工程学院	14	26	3.0	4.0
3	朱海龙	杭州师范大学杭州国际服务工程学院	7	4	1.0	2.0