目的利用神经网络建立有效的基于运动量的心率预测模型,分析运动量与心率变化之间的关系。方法通过对运动量信号进行不同分析(预处理),并采用不同的神经网络的结构及学习算法,单步或多步预测方式建立了6个预测模型,然后利用采集到的真实数据进行测试,并对各模型结构框架及预测结果进行了对比。结果建立的模型平均预测误差均保持在一个很小的范围内。结论利用神经网络建立心率预测模型可有效地反映运动量如何影响心率变化。对比结果表明,在单步预测中,利用神经网络拓扑增强技术(neuro-evolution of augmenting topologies,NEAT)建立的心率预测模型可达到最佳的预测效果,而多步预测利用Adams-Bashforth技术得到的预测结果是最好的。
