CN119418862A 一种基于大数据的营养评估与预测方法及系统 （山西医科大学第二医院(山西医科大学第二临床医学院)）

一种基于大数据的营养评估与预测方法及尔可夫决策过程优化用户每日的膳食选择；最2结合每日营养需求评估结果和未来一段时间的营养需基于用户的关键特征数据，构建多变量线性回归模型，所述关i个用户的第j个特征值，E为误差项；在多变量线性回归模型量化估算的基础上，构建贝叶斯网型根据训练数据中的联合概率分布计算得到各关键特征对营养需求的条件利用因果推断模型评估用户的饮食行为对营养需其中，AY为饮食行为对营养需求的因果效应，表示在处理组第t个时间点的营养需求值，表示在对照组第t个时间点的营养需求营养需求值。3使用长短期记忆网络模型对用户的历史数据进行时间序列基于长短期记忆网络模型的输出结果，预测用户未来一段时间内使用马尔可夫决策过程对用户每日的营养需求状态进行建在马尔可夫决策过程模型中定义状态、动作和奖励函数，其采用以下价值迭代公式对马尔可夫决策过程模型进行求解，确定每其中，V(s)为状态s的价值函作a后从状态s转移到状态s的概率；基于马尔可夫决策过程模型的求解结果，生成用户的未来营养需求预测基于每日营养需求评估结果和未来一段时间的营养需求预测结果，建立线性规划模9表示第j种食物的份量；4其中，表示第种食物中包含的营养素的含使用单纯形法对线性规划模型进行求解，得到最优的个性化膳结合线性规划的结果，使用遗传算法进一步优化个性化对膳食方案进行个体编码，将每种食物的摄入量编码为遗传算法中迭代至适应度函数收敛时输出最终的最优膳食方案，所述方案包9.一种基于大数据的营养评估与预测系统，应用于如权利要求1_8任一项所述的基于时实现如权利要求1_8任一项所述的基于5基于评估的营养需求，采用未来需求预测模型预测用户未来一段时间的营养需6Xy为第i个用络模型对用户每日营养需求的联合概率分布进行建模，贝叶斯网络模型的条件概率公式7a)为在状态s下执行动作a的即时奖励，测用户在特定时间段内可能的营养状态及营养素缺口，为生成最优营养方案提供输入依[0016]优选的，所述结合每日营养需求评估结果和未来一段时[0018]其中，ey表示第j种食物8[0019]优选的，所述结合每日营养需求评估结果和未来一段时[0023]本发明提供了一种基于大数据的营养评估与预测方法及系统。具备以下有益效9[0034]手动输入与应用记录：用户可以通过移动端应用程序手动输入每日的饮食摄表示样本点x到均值t的Mahalanobis距离，s为协方差矩阵。通过设定本步骤目的是从高维的、多源的数据集中提取出与营养需求高度相关的关键特[0052]主成分分析（PrincipalComponentAnalysis,PCA本实施例采用主成分分析Y=X,Wi个用户的营养需求。j个特征的回归系数。i个用户的第j个特征值。~N(0,。[0084]双重差分法（DifferenceinDifferences,DID因果推断中采用双重差分法[0093]营养需求评估模型是通过结合多种分析方法，详细量化用户每天所需要的营养来一段时间内的营养需求变化趋势。这一步为个性化的膳食规划提供了前瞻性的数据支[0106]ht=o:-tarh(c)fi:a后从状态s转移到状态的概率。[0120]MDP模型可以根据用户每天的营养摄入情况给出最优的膳食建议，并且每天都会推荐方案在营养均衡性和个性化之间找到最Z表示总营养缺口。表示第j种食物中某种营养素缺口的权重。s,we2-ey表示第j种食物中营养素i的含量。[0149]本发明个性化营养方案生成的过程首先通过线性规划计算出一个满足营养需求[0151]下文描述的基于大数据的营养评估与预测系统与上文描述的基于大数据的营养程只读存储器(ProgrammableRed_OnlyMemory，简称PROM)，只读存储器(Read