Модель прогнозирования гликемии на основе смешанных временных рядов

Мингалиев, З.З. и Новикова, С.В. (2025) Модель прогнозирования гликемии на основе смешанных временных рядов. Вестник ТвГУ. Серия: Прикладная математика (1). С. 67-87. ISSN 1995-0136

[thumbnail of ПРИКЛАДНАЯ МАТЕМАТИКА_1_2025 (1)-67-87.pdf]

PDF - Опубликованная версия
2MB

Абстракт

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

Абстракт (англ.)

The article considers the problem of predicting blood glucose levels using data containing weakly expressed dependencies between parameters, including time series and physiological parameters. An approach based on the use of neural networks with long short-term memory (LSTM) is proposed, which is capable of predicting future glucose values (SGV), as well as identifying anomalies in the data. To improve the quality of the model, the DBSCAN clustering method is used, which allows you to identify groups of data with similar characteristics. An algorithm for filling in missing data based on the average value in the cluster is also developed, which improves the accuracy of forecasting. Numerical experiments were carried out on data collected by monitoring glucose levels, which demonstrated the effectiveness of the proposed approach for predicting SGV, taking into account time dependencies and the influence of associated factors

Тип объекта:	Статья
Сведения об авторах:	1. Мингалиев Заид Зульфатович аспирант кафедры Прикладной математики и информатики Казанского национального исследовательского технического университета им А.Н. Туполева –КАИ. 2. Новикова Светлана Владимировна профессор кафедры Прикладной математики и информатики Казанского национального исследовательского технического университета им А.Н. Туполева – КАИ.
Ключевые слова:	временные ряды, DBSCAN, аномалии в данных, пропущенные данные, мониторинг уровня глюкозы, SGV (Sensor Glucose Value), моделирование временных зависимостей
Ключевые слова (англ.):	time series, DBSCAN, data anomalies, missing data, glucose monitoring, SGV (Sensor Glucose Value), time history modeling
Категории:	0 Общий отдел > 00 Общие вопросы науки и культуры > 004 Информационные технологии. Вычислительная техника > 004.8 Искусственный интеллект
Подразделения:	Университеты > Казанский национальный исследовательский технический университет им. А. Н. Туполева
ID Code:	14638
Deposited On:	13 Май 2025 08:03
Последнее изменение:	13 Май 2025 08:03

Repository Staff Only: item control page