Искусственный интеллект и машинное обучение

Модель прогнозирования гликемии на основе смешанных временных рядов

З. З. Мингалиев, С. В. Новикова

Казанский национальный исследовательский технический университет имени А.Н. Туполева – КАИ, г. Казань

Аннотация: В статье рассматривается задача прогнозирования уровня глюкозы в крови с использованием данных, содержащих слабо выраженные зависимости между параметрами, включая временные ряды и физиологические показатели. Предложен подход, основанный на применении нейронных сетей с долгой краткосрочный памятью (LSTM), способный производить прогнозирование будущих значений уровня глюкозы (SGV), а также выявлять аномалии в данных. Для улучшения качества модели использован метод кластеризации DBSCAN, позволяющий выделить группы данных с похожими характеристиками. Также разработан алгоритм заполнения пропущенных данных на основе среднего значения в кластере, что позволяет повысить точность прогнозирования. Проведены численные эксперименты на данных, собранных с помощью мониторинга уровня глюкозы, которые продемонстрировали эффективность предложенного подхода для прогнозирования SGV с учётом временных зависимостей и влияния сопутствующих факторов.

Ключевые слова: временные ряды, DBSCAN, аномалии в данных, пропущенные данные, мониторинг уровня глюкозы, SGV (Sensor Glucose Value), моделирование временных зависимостей.

УДК: 004.81

Поступила в редакцию: 11.12.2024
Исправленный вариант: 15.01.2025

DOI: 10.26456/vtpmk731

Реферативные базы данных:

•