文献知网节
  • 记笔记
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0.169 3 mL,计算10个呼气周期静态数据点的平均绝对值误差为0.372 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0.000 9 kPa,测试集平均误差为0.040 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。
  • DOI:

    10.19650/j.cnki.cjsi.J2006124

  • 专辑:

    理工C(机电航空交通水利建筑能源); 理工A(数学物理力学天地生)

  • 专题:

    数学; 仪器仪表工业

  • 分类号:

    O175.14;TH77

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • HTML阅读
  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:129 页码:174-184 页数:11 大小:4661K

相关文献推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者