数据驱动的间歇低氧训练贝叶斯优化决策方法.pdf

第

49

卷

第

8

期自

动

化

学

报Vol.

49,

No.

8

2023

年

8

月ACTA

AUTOMATICA

SINICAAugust,

2023

数据驱动的间歇低氧训练贝叶斯优化决策方法

11112

陈

婧

史大威

蔡德恒

王军政

朱玲玲

摘要

青藏地区快速的经济发展使得进入高原的群体数量日益增加,

随之而来的高原健康问题也愈发突出.

间歇性低氧

训练(Intermittent

hypoxic

training,

IHT)是急进高原前常使用的预习服方法,

一般针对不同个体均设置固定的开环策

略,

存在方案制定无标准、系统化的理论指导缺乏、效果不明显等问题.

针对以上情况,

设计了一种小样本数据驱动的IHT

策略贝叶斯闭环学习优化框架,

建立自回归结构的高斯过程血氧饱和度(Peripheral

oxygen

saturation,

SpO)预测模型,2

并考虑高低风险事件对训练的影响,

设计与氧浓度变化方向和速率相关的风险不对称代价函数,

提出具有安全约束的贝叶

斯优化方法,

实现IHT最优供氧浓度的优化决策.

考虑到现有仿真器无法反映个体动态变化过程,

依据“最优速率理论”设

计了合理的模型自适应变化律.

所提出闭环干预方法通过该仿真器进行了可行性和有效性验证.

说明该学习框架能够指导

个体提升高原适应能力,

减轻其在预习服阶段的非适应性不良反应,

为个性化IHT提供精准调控手段.

关键词

数据驱动控制,

高斯过程,

贝叶斯优化,

风险不对称代价函数,

高原适应能力提升,

间歇性低氧训练

引用格式

陈婧,

史大威,

蔡德恒,

王军政,

朱玲玲.

数据驱动的间歇低氧训练贝叶斯优化决策方法.

自动化学报,

2023,

49(8):

1667−1678

DOI

10.16383/j.aas.c220712

Data-drivenBayesianOptimizationMethodforIntermittent

hypoxicTrainingStrategyDecision

11112

CHEN

Jing

SHI

Da-Wei

CAI

De-Heng

WANG

Jun-Zheng

ZHU

Ling-Ling

Abstract

The

rapid

economic

development

of

Qinghai-Tibet

region

has

led

to

an

increasing

number

of

groups

en-

tering

the

plateau,

and

the

consequent

problem

of

high-altitude

health

has

become

increasingly

promin