目前各大医院重症监护室(Intensive Care Unit，ICU)的监护中存在急性低血压(Acute Hypotensive Episode，AHE)抢救及护理难问题。病人发生急性低血压则必须在短时间内予以治疗，否则可引起病人昏厥或休克，导致患者的不可逆性器官损伤，甚至死亡，这样会对患者的生命安全造成极大的威胁。所以对病人发生急性低血压的提前预测有着重要的实际意义。　　美国复杂生理信号研究资源网站PhysioNet的MIMICⅡ数据库包含了大量ICU监护中病人真实的生理数据，如：血压、心率、血氧含量等。这些数据都经过了医生的确认和患者的许可，可以免费提供给研究人员下载使用。本文我们讨论的是医学数据挖掘中医疗辅助诊断问题，通过医学、统计学和计算科学的共同协作研究，使用从MIMICⅡ数据库下载的ICU监护的成年患者的动脉血压值，实现重症监护室急性低血压的预测。　　我们的工作首先是从医学数据网站下载原始真实病人数据，需要剔除不符合医学常识的噪声数据和采样时间过短的数据，最后得到比较清洁的数据集，这为本文研究提供了清洁测试数据集和坚实的实验基础。对处理好的时间序列数据，采用统计分析的方法提取代表总体的特征量，还采用了处理数据流的基于固定长度滑动窗口的方法提取短时间段的特征量，总共提取了10种特征量。在特征量提取中，我们用到了部分不能确定的但对特征量特性影响很大的参数，为此我们使用遗传算法来优化参数，寻求最优的参数值。最后，使用分类器支持向量机分类预测，实现急性低血压的提前预测。　　通过研究和实验，针对2009年比赛的小数据量，得到的预测准确率是89％。针对我们下载的大数据量，测试集2863条记录，得到的预测准确率是83.1%，灵敏度是84.2%。本文完成了从数据清理、模型建立、算法设计和实验结果比较的研究全过程。实验结果对真实的较大数据集的预测准确度很高，有很好的临床应用前景。