【技術實現步驟摘要】
本專利技術提出了基于數字孿生的飲食與運動推薦方法及系統，屬于運動飲食數據推薦。
技術介紹
1、隨著當代社會步伐的加速以及公眾對健康重視程度的顯著增強，個性化的健康管理方案正日益成為滿足人們健康需求的關鍵要素。傳統上，飲食與運動建議往往依賴于普遍適用的健康手冊或是基于經驗的籠統指導，上述方法未能充分考慮到每個人獨特的生理構造、生活習性以及日常所處環境對其健康狀態的即時影響。
2、具體而言，每個人的身體狀況、新陳代謝速率、遺傳背景及日常活動量等均存在差異，而上述因素對于制定有效的健康管理計劃至關重要。同時，外部環境的變化，如季節更替、工作壓力、睡眠質量乃至心理狀態，也會對個人的健康產生不可忽視的影響。然而，傳統的推薦方式往往忽視了上述個性化的細微差別和動態變化，導致建議的針對性和有效性大打折扣。因此，開發一種能夠精準匹配個體需求、動態調整建議的飲食與運動推薦系統顯得尤為重要。
技術實現思路
1、本專利技術提供了基于數字孿生的飲食與運動推薦方法及系統，用以解決上述現有技術中存在的問題，所采取的技術方案如下：
2、基于數字孿生的飲食與運動推薦方法，所述基于數字孿生的飲食與運動推薦方法包括：
3、利用已收集到的用戶的初始生理數據和動態生理數據構建數字孿生模型；
4、在數字孿生模型構建完成之后，針對已注冊的目標用戶進行初始生理數據的采集，并根據目標用戶的動態生理數據的動態變化狀態對目標用戶的動態生理數據進行動態調整采集，獲取已注冊的目標用戶的初始
5、利用數字孿生模型對所述已注冊的目標用戶的初始生理數據和動態生理數據進行模擬預測，獲取與已注冊的目標用戶的飲食和運行類型匹配的飲食和運動方案，并向已注冊的目標用戶進行推薦。
6、進一步地，利用已收集到的用戶的初始生理數據和動態生理數據構建數字孿生模型，包括：
7、從數據庫中調取收集到的用戶的初始生理數據和動態生理數據；其中，所述初始生理數據包括年齡、性別、體重、身高和基礎代謝；所述動態生理數據包括心率、血壓和運動消耗熱量；
8、對所述收集到的用戶的初始生理數據和動態生理數據進行數據清洗，去除無效數據、重復數據和錯誤數據，獲取預處理后的初始生理數據和動態生理數據；
9、利用所述預處理后的初始生理數據和動態生理數據構建數字孿生模型，并且，對完成構建的數字孿生模型進行訓練和驗證，獲取完成訓練和驗證的數字孿生模型。
10、進一步地，所述數字孿生模型的結構如下：
11、輸入層，用于輸入目標用戶的初始生理數據和動態生理數據，并對所述目標用戶的初始生理數據和動態生理數據進行統一標準化處理；
12、多尺度時間窗口層，包括多個并行lstm子網絡，并且，每個lstm子網絡對應一個時間窗口；其中，所述并行lstm子網絡用于處理不同長度的輸入序列，用以控制數字孿生模型捕獲不同時間尺度上的數據模式；
13、自適應門控融合層，用于根據當前輸入的初始生理數據和動態生理數據動態調整每個lstm子網絡的重要性和貢獻對應的參數數值，并對動態調整后的lstm子網絡的輸出進行綜合形成統一隱層；
14、上下文感知融合層，用于使用來自目標用戶的上下文信息與自適應門控融合層的輸出進行結合；這樣可以動態調整模型的響應，使輸出更加個性化和精確；
15、輸出層，用于輸出飲食和運行類型。
16、進一步地，所述時間窗口的獲取步驟如下：
17、從數據庫中調取預設的基礎衰減速率；
18、實時監測收集到的動態生理數據的數據變化頻率；
19、利用所述預設的基礎衰減速率和動態生理數據的數據變化頻率獲取每個lstm子網絡對應的動態衰減因子；
20、利用所述動態衰減因子獲取每個lstm子網絡對應的時間窗口的時間長度；其中，所述每個lstm子網絡對應的時間窗口的時間長度通過如下公式獲取：
21、
22、其中，ki表示第i個lstm子網絡對應的時間窗口的時間長度；t表示預設的觀察周期時長；α（i，β，λ）表示第i個lstm子網絡對應的動態衰減因子；n表示lstm子網絡的總數量；wi表示第i個lstm子網絡對應的預設的初始權重數值，α0表示預設的基礎衰減速率；β表示動態生理數據的變化頻率因子；i表示每個lstm子網絡對應的索引；λ表示預設的動態生理數據的周期性強度數值。
23、進一步地，利用所述預設的基礎衰減速率和動態生理數據的數據變化頻率獲取每個lstm子網絡對應的動態衰減因子，包括：
24、調取收集到的動態生理數據的數據變化頻率；
25、利用所述動態生理數據的數據變化頻率獲取變化頻率因子；其中，所述變化頻率因子通過如下公式獲取：
26、
27、其中，β表示動態生理數據的變化頻率因子；r表示調節參數，并且，所述調節參數的取值范圍為[0.1，0.9]；f01、f02和f03分別對應表示心率、血壓和運動消耗熱量的最大變化幅度對應的變化比例；vp01、vp02和vp03分別對應表示心率、血壓和運動消耗熱量在單位時間內的平均變化速率；
28、利用所述變化頻率因子結合基礎衰減速率獲取每個lstm子網絡對應的動態衰減因子；
29、其中，所述每個lstm子網絡對應的動態衰減因子通過如下公式獲取：
30、
31、其中，α（i，β，λ）表示第i個lstm子網絡對應的動態衰減因子；α0表示預設的基礎衰減速率；β表示動態生理數據的變化頻率因子；i表示每個lstm子網絡對應的索引，并且，i=1,2,3，……，n；n表示lstm子網絡的總數量；λ表示預設的動態生理數據的周期性強度數值。
32、進一步地，在數字孿生模型構建完成之后，針對已注冊的目標用戶進行初始生理數據的采集，并根據目標用戶的動態生理數據的動態變化狀態對目標用戶的動態生理數據進行動態調整采集，獲取已注冊的目標用戶的初始生理數據和動態生理數據，包括：
33、在數字孿生模型構建完成之后，向已注冊的目標用戶發送初始生理數據輸入指令，并實時接收已注冊的目標用戶輸入的初始生理數據；其中，所述初始生理數據包括年齡、性別、體重、身高和基礎代謝；
34、通過已注冊的目標用戶所佩戴的可穿戴設備實時采集已注冊的目標用戶的動態生理數據；其中，所述動態生理數據包括心率、血壓和運動消耗熱量；
35、提取所述已注冊的目標用戶的動態生理數據的變化頻率對動態生理數據的采集頻率進行動態調整。
36、進一步地，提取所述已注冊的目標用戶的動態生理數據的變化頻率對動態生理數據的采集頻率進行動態調整，包括：
37、提取所述已注冊的目標用戶的動態生理數據中所包含的心率、血壓和運動消耗熱量的變化頻率；
38、利用所述心率、血壓和運動消耗熱量的變化頻率獲取所述心率、血壓和運動消耗熱量對應的變化頻本文檔來自技高網...
【技術保護點】
1.一種基于數字孿生的飲食與運動推薦方法，其特征在于，所述基于數字孿生的飲食與運動推薦方法包括：
2.根據權利要求1所述的基于數字孿生的飲食與運動推薦方法，其特征在于，利用已收集到的用戶的初始生理數據和動態生理數據構建數字孿生模型，包括：
3.根據權利要求2所述的基于數字孿生的飲食與運動推薦方法，其特征在于，所述數字孿生模型的結構如下：
4.根據權利要求3所述的基于數字孿生的飲食與運動推薦方法，其特征在于，所述時間窗口的獲取步驟如下：
5.根據權利要求4所述的基于數字孿生的飲食與運動推薦方法，其特征在于，利用所述預設的基礎衰減速率和動態生理數據的數據變化頻率獲取每個LSTM子網絡對應的動態衰減因子，包括：
6.根據權利要求1所述的基于數字孿生的飲食與運動推薦方法，其特征在于，在數字孿生模型構建完成之后，針對已注冊的目標用戶進行初始生理數據的采集，并根據目標用戶的動態生理數據的動態變化狀態對目標用戶的動態生理數據進行動態調整采集，獲取已注冊的目標用戶的初始生理數據和動態生理數據，包括：
7.根據權利要求6所述的
8.根據權利要求7所述的基于數字孿生的飲食與運動推薦方法，其特征在于，利用所述心率、血壓和運動消耗熱量的變化頻率獲取所述心率、血壓和運動消耗熱量對應的變化頻率參量，包括：
9.根據權利要求1所述的基于數字孿生的飲食與運動推薦方法，其特征在于，利用數字孿生模型對所述已注冊的目標用戶的初始生理數據和動態生理數據進行模擬預測，獲取與已注冊的目標用戶的飲食和運行類型匹配的飲食和運動方案，并向已注冊的目標用戶進行推薦，包括：
10.一種基于數字孿生的飲食與運動推薦系統，其特征在于，所述基于數字孿生的飲食與運動推薦系統包括：
...【技術特征摘要】
1.一種基于數字孿生的飲食與運動推薦方法，其特征在于，所述基于數字孿生的飲食與運動推薦方法包括：
2.根據權利要求1所述的基于數字孿生的飲食與運動推薦方法，其特征在于，利用已收集到的用戶的初始生理數據和動態生理數據構建數字孿生模型，包括：
3.根據權利要求2所述的基于數字孿生的飲食與運動推薦方法，其特征在于，所述數字孿生模型的結構如下：
4.根據權利要求3所述的基于數字孿生的飲食與運動推薦方法，其特征在于，所述時間窗口的獲取步驟如下：
5.根據權利要求4所述的基于數字孿生的飲食與運動推薦方法，其特征在于，利用所述預設的基礎衰減速率和動態生理數據的數據變化頻率獲取每個lstm子網絡對應的動態衰減因子，包括：
6.根據權利要求1所述的基于數字孿生的飲食與運動推薦方法，其特征在于，在數字孿生模型構建完成之后，針對已注冊的目標用戶進行初始生理數據的采集，并根據目標用戶的動態生理數據...
【專利技術屬性】
技術研發人員：李宇欣，李斯琦，裘實，
申請(專利權)人：北京健康有益科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。