近些年来,糖尿病患者数目日益增加,国内外学者越来越重视糖尿病的治疗方案的研究。目前为止,控制糖尿病最有效的治疗方案之一是注射胰岛素。为了防止低血糖以及为血糖控制提供有用的信息,需要基于过去和当前的测量信息对未来的血糖值进行预测。本文利用动态血糖监测系统采集的数据,首次将极限学习机及其改进形式正则极限学习机用于血糖预测和低血糖预报领域。在不同的预测限(10min,20min和30min)情况下,就极限学习机和正则极限学习机的均方根误差、敏感性和特异性进行系统比较。另外用操作特征曲线右下方面积的数值来进行两种方法的综合性能评价。实验得出预测限越大,血糖预测的性能越差。极限学习机和正则极限学习机都可以得到较好且稳定的特异性和可以接受的敏感性。极限学习机的敏感性比正则极限学习机好,而其特异性比正则极限学习机差。在血糖预测领域,两者的综合性能在大多数情况下相当。本文还提出了二阶血糖模型来描述血糖动态,相比于已知的三阶血糖模型,二阶血糖模型和卡尔曼滤波器的结合更适合血糖预测。此方法也采用动态血糖监测系统采集的数据,用Clarke网格误差分析法、RMSE误差分析法来评判预测算法的临床实用性。