一种酒精浓度预测方法及酒精浓度预测设备技术

本发明专利技术涉及酒精浓度预测分析技术领域，具体公开了一种酒精浓度预测方法及酒精浓度预测设备，方法包括：获取间隔一个单位时间的若干名实验者的身体指征参数以及对应时刻下的酒精深度标签值；将身体指征参数作为预设的神经网络模型的输入，将酒精深度标签值作为神经网络模型的输出，对神经网络模型进行训练得到网络参数；根据网络参数部署酒精浓度预测模型；获取用户的身体指征参数，并通过酒精浓度预测模型计算对应时刻下用户的酒精深度标签值。本发明专利技术基于用户的身体指征参数实现对用户血液酒精含量的测算，使得用户不仅能够了解自身身体状况，还能够了解体内酒精的代谢情况，有助于用户在身体状况允许的情况下适量饮酒，确保用户生命安全。确保用户生命安全。确保用户生命安全。

【技术实现步骤摘要】
一种酒精浓度预测方法及酒精浓度预测设备


[0001]本专利技术涉及酒精浓度预测分析
，尤其涉及一种酒精浓度预测方法及酒精浓度预测设备。

技术介绍

[0002]人们饮酒以后，很容易因为酒精的作用使人的身体处于麻醉状态，不仅大脑意识会变得模糊，从而发生很多不利于人身安全的行为，而且醉酒者自身对身体状况的感知也会变得迟钝且不准确，从而在身体发出异常信号的时候无法及时感知而造成遗憾，所以在人们饮酒时以及饮酒后对身体酒精代谢情况进行监测是非常有必要的。
[0003]现有最常用且最简洁的方式就是通过酒精检测仪来检测人体呼出的气体中的酒精含量，但是由于酒精检测仪体积大且功能单一，很多人并不愿意专门购买这样的产品并在饮酒时以及饮酒后使用；另外，酒精检测仪只能检测酒精含量，对于大部分人来说，由于每个人酒精代谢能力以及身体状况不同，是无法仅仅依靠酒精含量的数值实现对人体身体状况有一个准确评估的，所以此方式无法满足现代人们对身体状况进行了解的首要需求。
[0004]由于人体在摄入酒精后会使血液循环加快、血管扩张、兴奋，心脏引起心肌收缩力增强，因此会导致心跳加速，所以“心率”的变化和人体摄入酒精的含量存在非常直接的关联，且“心率”是一项能够直观体现人体身体状况的重要信息。在此背景下，如果能够根据对人体心率进行监测并进一步获知人体酒精含量情况，则将会很好的解决现有问题。
[0005]综上，本领域人员亟需寻找一种新的技术方案来解决上述的问题。

技术实现思路

[0006]针对现有技术中的技术问题，本专利技术提供一种酒精浓度预测方法及酒精浓度预测设备。
[0007]本专利技术公开了一种酒精浓度预测方法，包括步骤：
[0008]获取间隔一个单位时间的若干名实验者的身体指征参数以及对应时刻下的酒精深度标签值；身体指征参数和酒精深度标签值为实验者饮酒之后开始获取；
[0009]将身体指征参数作为预设的神经网络模型的输入，将酒精深度标签值作为神经网络模型的输出，对神经网络模型进行训练得到网络参数；
[0010]根据网络参数部署酒精浓度预测模型；
[0011]获取用户的身体指征参数，并通过酒精浓度预测模型计算对应时刻下用户的酒精深度标签值；
[0012]其中，身体指征参数包括心率特征参数，获取心率特征参数包括：
[0013]在第一设定时间内获取实验者的N个完整脉搏时长T1～TN；
[0014]根据T1～TN计算近似平均值TV、标准差ST以及心率变异性HRV；近似平
[0015]构建向量VCT＝[TV1，ST1，HRV1，
……
，TV
2x
，ST
2x
，HRV
2x
]作为身体指征参数；
[0016]酒精深度标签值为：
[0017]通过标准酒精测试仪获取饮酒后实验者在特定时刻下的呼出酒精气体浓度；
[0018]根据预设的浓度与标签对照表，确定与呼出酒精气体浓度对应的酒精深度标签值；在浓度与标签对照表中，呼出酒精气体浓度为零时对应的酒精深度标签值等于0。
[0019]进一步的，身体指征参数还包括运动量参数，获取运动量参数包括：
[0020]在第二设定时间内获取实验者的n组三轴加速度值kx、ky、kz，并计算每组三轴加速度值对应的综合加速度值
[0021]根据预设的运动偏差计算策略计算第二设定时间对应的运动偏差v；
[0022]单位时间为第二设定时间的y倍，y为整数；
[0023]构建向量VCT＝[TV1，ST1，HRV1，
……
，TV
2x
，ST
2x
，HRV
2x
，v1，v2，
……
，v
y
]作为身体指征参数；
[0024]进一步的，根据预设的运动偏差计算策略计算第二设定时间对应的运动偏差v，包括：
[0025]获取第二设定时间内的综合加速度值分别为k1，k2，
……
，k
n
；
[0026]将k1，k2，
……
，k
n
依次与重力加速度g作差得到m1，m2，
……
，m
n
；
[0027]计算第一运动偏差
[0028]将m1，m2，
……
，m
n
中大于2*u的值删除，剩余t个值；
[0029]通过剩余t个值，并令n＝t，计算运动偏差v。
[0030]进一步的，身体指征参数还包括日期参数date和时间参数time，构建向量VCT＝[TV1，ST1，HRV1，
……
，TV
2x
，ST
2x
，HRV
2x
，v1，v2，
……
，v
y
，time，date]作为身体指征参数。
[0031]进一步的，身体指征参数还包括性别、年龄、身高、体重、体温、血氧、血压中的一个或多个特征值。
[0032]进一步的，若干名实验者具备的条件包括：
[0033](1)成年人员；
[0034](2)男女比例在[0.85,1.25]之间；
[0035](3)年龄近似平均分配于18～60岁之间；
[0036](4)BMI近似平均分配在16～36之间。
[0037]本专利技术还包括一种酒精浓度预测设备，包括身体指征参数获取模块、主控模块以及显示模块，
[0038]身体指征参数获取模块，与主控模块相连接，身体指征参数获取模块用于获取用户的身体指征参数；
[0039]主控模块，与身体指征参数获取模块、显示模块相连接，主控模块用于通过酒精浓度预测模型预测对应时刻下用户的酒精深度标签值；其中，酒精浓度预测模型为根据网络
参数预先部署在主控模块上；网络参数为通过预设的神经网络模型以获取间隔一个单位时间的若干名实验者的身体指征参数作为输入、以获取对应时刻下的酒精深度标签值为输出进行训练得到的，身体指征参数和酒精深度标签值为实验者饮酒之后开始获取的；其中，身体指征参数包括心率特征参数，获取心率特征参数包括：在第一设定时间内获取实验者的N个完整脉搏时长T1～TN；根据T1～TN计算近似平均值TV、标准差ST以及心率变异性x为整数；构建向量VCT＝[TV1，ST1，HRV1，
……
，TV
2x
，ST
2x
，HRV
2x
]作为身体指征参数；酒精深度标签值为：通过标准酒精测试仪获取饮酒后实验者在特定时刻下的呼出酒精气体浓度；根据预设的浓度与标签对照表，确定与呼出酒精气体浓度对应的酒精深度标签值；在浓度与标签对照表中，呼出酒精气体浓度为零时对应的酒精深度标签值等于0；
[0040]显示模块，与主控模块相连接，显示模块用于显示身体指征参数以及主控模块预测的用户的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种酒精浓度预测方法，其特征在于，包括步骤：获取间隔一个单位时间的若干名实验者的身体指征参数以及对应时刻下的酒精深度标签值；所述身体指征参数和所述酒精深度标签值为实验者饮酒之后开始获取；将所述身体指征参数作为预设的神经网络模型的输入，将所述酒精深度标签值作为所述神经网络模型的输出，对所述神经网络模型进行训练得到网络参数；根据所述网络参数部署酒精浓度预测模型；获取用户的身体指征参数，并通过所述酒精浓度预测模型计算对应时刻下用户的酒精深度标签值；其中，所述身体指征参数包括心率特征参数，获取所述心率特征参数包括：在第一设定时间内获取实验者的N个完整脉搏时长T1～TN；根据T1～TN计算近似平均值TV、标准差ST以及心率变异性HRV；所述近x为整数；构建向量VCT＝[TV1，ST1，HRV1，
……
，TV
2x
，ST
2x
，HRV
2x
]作为所述身体指征参数；所述酒精深度标签值为：通过标准酒精测试仪获取饮酒后实验者在特定时刻下的呼出酒精气体浓度；根据预设的浓度与标签对照表，确定与所述呼出酒精气体浓度对应的酒精深度标签值；在所述浓度与标签对照表中，呼出酒精气体浓度为零时对应的酒精深度标签值等于0。2.如权利要求1所述的一种酒精浓度预测方法，其特征在于，所述身体指征参数还包括运动量参数，获取所述运动量参数包括：在第二设定时间内获取实验者的n组三轴加速度值kx、ky、kz，并计算每组三轴加速度值对应的综合加速度值根据预设的运动偏差计算策略计算第二设定时间对应的运动偏差v；所述单位时间为所述第二设定时间的y倍，y为整数；构建向量VCT＝[TV1，ST1，HRV1，
……
，TV
2x
，ST
2x
，HRV
2x
，v1，v2，
……
，v
y
]作为所述身体指征参数。3.如权利要求2所述的一种酒精浓度预测方法，其特征在于，根据预设的运动偏差计算策略计算第二设定时间对应的运动偏差v，包括：获取第二设定时间内的综合加速度值分别为k1，k2，
……
，k
n
；将k1，k2，
……
，k
n
依次与重力加速度g作差得到m1，m2，
……
，m
n
；计算第一运动偏差将m1，m2，
……
，m
n
中大于2*u的值删除，剩余t个值；通过剩余t个值，并令n＝t，计算运动偏差v。4.如权利要求2所述的一种酒精浓度预测方法，其特征在于，所述身体指征参数还包括日期参数date和时间参数time，构建向量VCT＝[TV1，ST1，HRV1，
……
，TV
2x
，ST

【专利技术属性】
技术研发人员：徐海铭，刘星辛，张润樾，黄志梵，吴彤，陈松涛，
申请(专利权)人：广州逆熵电子科技有限公司，
类型：发明
国别省市：