| 基于PSO_GRNN网络的肺内静态压力值预测方法* .txt |
| |
| 引用本文： | 张玉欣,金江春植,白晶,周振雄 .txt. 基于PSO_GRNN网络的肺内静态压力值预测方法* .txt[J]. 仪器仪表学报, 2020, 41(5): 174-184 |
| |
| 作者姓名： | 张玉欣 金江春植 白晶 周振雄 .txt |
| |
| 作者单位： | （1北华大学电气与信息工程学院吉林132021； 2日本纯真学园大学保健医疗学部福冈8150000） .txt |
| |
| 基金项目： | *基金项目：吉林市科技局项目（201731199）、吉林省发展和改革委员会项目（2019C058 1）资助 .txt |
| |
| 摘 要： | 摘要：为了实现机械通气辅助医疗中依据病人个体差异控制呼吸机通气参量，分析了基于广义回归神经网络（GRNN）的呼吸系统力学模型，通过结合PSO_GRNN网络、数值积分和递推最小二乘法等实现呼吸系统模型的参数辨识。采用直接计算法实现单周期呼吸样本的肺静态压力值计算，并利用二阶多项式拟合体积值误差，计算10个吸气周期静态数据点的平均绝对值误差为0169 3 mL，计算10个呼气周期静态数据点的平均绝对值误差为0372 8 mL。采用PSO_GRNN网络实现多周期呼吸样本集的肺静态压力值预测，10个呼吸周期样本集的训练集平均误差为0000 9 kPa，测试集平均误差为0040 7 kPa。仿真实验结果表明PSO_GRNN网络在收敛速度、平均误差、运算速度等方面均优于PSO_BP网络。所用方法在机械通气辅助治疗时可以为医生设置呼吸机通气参量提供有效的参考依据。 .txt
|
| 关 键 词： | 关键词： 呼吸系统模型 参数辨识 GRNN网络 粒子群算法 肺静态压力值 .txt |
The method of pulmonary static pressure value prediction based on PSO_GRNN network .txt |
| |
| Zhang Yuxin,Shunshoku Kanae,Bai Jing,Zhou Zhenxiong .txt. The method of pulmonary static pressure value prediction based on PSO_GRNN network .txt[J]. Chinese Journal of Scientific Instrument, 2020, 41(5): 174-184 |
| |
| Authors: | Zhang Yuxin Shunshoku Kanae Bai Jing Zhou Zhenxiong .txt |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《仪器仪表学报》浏览原始摘要信息 |
|
点击此处可从《仪器仪表学报》下载全文 |
