基于共轭随机过程的痛风预测方法、系统、设备及介质技术方案

本发明专利技术公开了一种基于共轭随机过程的痛风预测方法、系统、设备及介质，涉及数据处理技术领域，所述方法包括：获取二维痛风指标数据；利用共轭函数，从所述二维痛风指标数据中确定出满足预设条件的共轭值；根据所述共轭值获取相关随机数据；判断所述相关随机数据是否满足对称性条件；在满足对称性条件时，利用所述工具变量生成痛风预测模型。本发明专利技术基于共轭随机过程，能够从较小的数据集中确定出工具变量序列，根据工具变量序列与痛风指标数据和痛风程度数据之间的关系对痛风指标数据进行缺失值补充，从而实现样本数据的清洗与增强，能够产生大量的样本集，从而构建更有效的痛风预测模型，实现痛风程度的精准预测。实现痛风程度的精准预测。实现痛风程度的精准预测。

【技术实现步骤摘要】
基于共轭随机过程的痛风预测方法、系统、设备及介质


[0001]本专利技术涉及数据处理
，具体涉及一种基于共轭随机过程的痛风预测方法、系统、设备及介质。

技术介绍

[0002]痛风(Gout)是一种常见的关节炎类型疾病。痛风患者经常会在夜晚出现突然性的关节疼，发病急，关节部位出现疼痛、水肿、红肿和炎症，疼痛感开始急剧增加，甚至达到孕妇生产的疼痛级别，然后慢慢减轻直至消失，持续几天或几周不等。一般认为痛风发作与体内尿酸浓度有关，痛风会在脚趾、膝关节或者腕关节等处形成尿酸结晶，进而引发急性关节疼痛。
[0003]由于无法经常使用抽血获得体内尿酸浓度，我们在这里使用廉价的液体PH值测量仪测量尿液PH值和尿液温度，结合定期抽血获得的血尿酸浓度。从尿液PH值、温度序列或者血尿酸浓度可以通过神经网络或机器学习拟合等手段预测痛风发作的时间和程度。
[0004]由于神经网络或机器学习等价于多项式关系，我们通过神经网络或机各种器学习拟合的手段获得痛风预测到尿液PH值、尿液温度序列和血尿酸的多项式拟合关系，和尿液PH值、尿液温度序列和血尿酸到痛本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于共轭随机过程的痛风预测方法，其特征在于：所述方法包括：S1,获取二维痛风指标数据；S2,利用共轭函数，从所述二维痛风指标数据中确定出满足预设条件的共轭值，根据所述共轭值获取相关随机数据；S3,判断所述相关随机数据是否满足对称性条件，若是，执行步骤S4，若否，获取新的共轭函数，执行步骤S2；S4,将所述相关随机数据作为工具变量，分别构建痛风程度数据到工具变量的第一过拟合关系和工具变量到相关随机数据的第二过拟合关系，根据所述第一过拟合关系和第二过拟合关系对二维痛风指标数据中的缺失值进行补充；S5,根据补充后的二维痛风指标数据生成痛风预测模型。2.根据权利要求1所述的基于共轭随机过程的痛风预测方法，其特征在于，步骤S1中，获取二维痛风指标数据包括：S11，获取n个痛风指标数据，将n个痛风指标数据案子时间序列转化为n个序列横向量，其中，所述痛风指标数据包括温度、尿液PH、血尿酸；S12，从所述横向量中确定出所述二维痛风指标数据，其中，所述二维痛风指标数据包括温度
‑
尿液PH、温度
‑
血尿酸、尿液PH
‑
血尿酸中的任意一种。3.根据权利要求1所述的基于共轭随机过程的痛风预测方法，其特征在于，S2,利用共轭函数，从所述二维痛风指标数据中确定出满足预设条件的共轭值的方法包括：将所述相二维痛风指标数据带入共轭函数，得到满足预设条件的共轭值；其中，所述预设条件包括共轭值最收敛、最大、最小、最简化中的任意一种。4.根据权利要求1所述的基于共轭随机过程的痛风预测方法，其特征在于，步骤S3,判断所述相关随机数据是否满足对称性条件的方法包括：将共轭值计算中的两个数据进行交换，获取新的相关随机数据，判断所述相关随机数据与所述新的相关随机数据是否相等。5.根据权利要求1所述的基于共轭随机过程的痛风预测方法，其特征在于，步骤S4,将所述相关随机数据作为工具变量，分别构建痛风程度数据到工具变量的第一过拟合关系和工具变量到相关随机数据的第二过拟合关系，根据所述第一过拟合关系和第二过拟合关系对二维痛风指标数据中的缺失值进行补充的方法包括：S41,分别建...

【专利技术属性】
技术研发人员：常松，盛建东，蒋平安，汪义如，蔡庆贤，易雪飞，涂叶，庞琴，
申请(专利权)人：新疆海狸农牧业软件有限公司，
类型：发明
国别省市：