动态变异（精选7篇）
动态变异 篇1
高层建筑依赖结构技术和垂直交通技术的进步，成功地将传统建筑的水平发展模式转变为垂直发展模式，并通过巨大的体量、特有的形态成为城市建筑中的主导者。然而由于功能、结构、技术及心理和环境等方面的需求，高层建筑在过去的百年中一直保持着相对固定的形态—造型坚实稳定、线条高直挺拔以及上小下大的传统形态，趋于静止的形态特征始终掌控着高层建筑的发展方向。当代高层建筑已成为城市中的普遍现象，传统的高层建筑逐渐被“湮没”在高楼林立的城市中。无论是从建筑审美还从商业利益角度来看，建筑师和业主均不满足于高层建筑形态“固步自封”的局面，在当代结构技术和计算机技术的辅助下，新的高层建筑形态呼之欲出。
建筑师对建筑形式动态感的追求却并非当代所固有的，从哥特建筑轻盈高耸的尖券、飞扶壁到中国古代建筑飞扬起翘的屋顶，处处显示出轻盈的动感。随着当代哲学和美学发展，特别是计算机技术的出现，当代建筑形态一反传统建筑均衡、稳定的美学价值，转向一种激情、动感的形式观。建筑放弃了简单几何形体的呆板乏味，转而追求机械运动的变幻莫测，追求曲线和曲面所展示出的优雅和飘逸，追求因重力法则的颠覆而带来的快感。当代高层建筑的动态表现是指在多元论和信息化时代下，高层建筑反对静态、冷漠和千篇一律的现代主义的方盒子式建筑，力图表现建筑所引发的强烈视觉冲击，打破既定在建筑形式法则中采用的诸如扭曲、倾斜、错位等一系列的手法，以先进的计算机技术为手段，创造出追求动态形式的高层建筑新形象。当代高层建筑的动态表现主要包括具象的“运动”和抽象的“势动”。
一、具象的“运动”
1．机械运动
我们生活在一片充满重力与引力的土地上。受力结构总是与物体运动相关，即使在静态的受力结构和非常稳定的体系中，也隐含着运动的趋势。在历史上，建筑结构与运动也曾一度被认为是对立的。当代科学技术的发展和对建筑变异性的追求，使人们不再满足静态的、一成不变的建筑形态，人们期望建筑能够像机器一样可动，并在不同时刻展现不同的形态。由意大利建筑师大卫·费希尔设计的“迪拜旋转塔”是世界上建造的首座动态建筑(图1)。该楼共80层高420m，每一层均错落布局且呈螺旋上升状，整栋大楼看上去如同不停舞动的美丽少女。这种新型动态建筑的独特之处在于，每层均具备自立推进系统、语音控制技术，并通过风力提供能量，驱使大厦每一层均能做360°的独立旋转。身处任何数层的任何位置，你都有机会看到日出日落，东南西北的美景尽入眼。由于大厦每层均能独立转动，建筑外观亦会因此而组合成不同的形状，永恒幻变。
2．动态表皮
如果说“迪拜旋转塔”的惊人之举在于整栋建筑结构可以像机器一样运动，那么让高层建筑表皮像电影屏幕一样不断变换颜色和图像的方法似乎来得更加简便、高效。影像技术、传感技术及微型电动技术的发展使得传统的静止表皮随时可以运动。让·努维尔为巴塞罗那水务公司设计的阿格巴摩天楼(图2)，可谓将高层建筑表皮的动感表现到了极致。“水”是巴塞罗那这座海滨城市最鲜明的城市意象，波光粼粼的海面引发人无限遐思，而“Agbar”又是巴塞罗那水务公司的总部，所以努维尔希望这栋大楼的建筑表皮光滑、连续且闪烁、变幻，能给人以水的联想。正如努维尔所说：“这不是一个美国人脑海中的摩天大楼.而是一个流动的体量，像是在经过精确计算的持续压力下，从地面射出的间歇喷泉。”[1]颜色由深到浅的波形铝板和置于前方70cm处的倾斜的玻璃百叶组成，这种“波光粼粼”的表皮使建筑轮廓变得像水一样流动起来。这些伸展在天与地之间的玻璃百叶让Agbar仿佛一座从地面向高空射出的间歇喷泉。
二、抽象的“势动”
由于高层建筑在结构、功能、经济、技术等层面的限制，机械般的动势只能是建筑师的美妙设想，或只能在极少数的建筑中能得以实现。以动态趋势来表现高层建筑的运动感，已成为当代建筑师追求动态造型的常用手法。Henri Bergson曾说：“(世界上)存在着变化，变化并不需要支持。同样存在着运动，但没有相对应的移动的物体，运动并不意味着有运动的物体。”[2]由此可见，建筑的动态并不仅仅表现为建筑整体或局部发生的机械运动(也就是相对的运动)，而是暗示了某种似动未动的“势”(绝对的运动)。螺旋型、曲线型、反重力型等特定的动态形式，常被建筑师用来表达高层建筑的动感。
1．螺旋型
螺旋型(图3)结构是典型的“由静制动”形态，其中最有代表性的就是“DNA”结构，其本身的“双螺旋体结构”常被建筑师引入到高层建筑造型设计中，两条“DNA”式的结构链相互缠绕，伸向高空，且每变换一个角度就会产生新的造型效果。圣地亚哥·卡拉特拉瓦的瑞典螺旋塔楼的螺旋外形，如同“DNA”结构，外围结构围绕核心筒螺旋上升，在稳定与不稳定、静止与运动中创造极富震撼感的“力”与“美”的新形式。此外，他设计的“芝加哥螺旋塔(Chicago Spire)呈螺旋上升形状，每层楼体旋转2°，同时随大厦楼层的升高，楼层宽度递减，整座大厦的外形如同一把锥形长剑，又似盘旋上升的火焰，其强烈的动势带给人们视觉和心灵上的强大震撼。
2．曲线型
曲线(图4)自身具有柔软、复杂、多变的特点，天生就具有动态的表情，是最容易产生动态效果的构成元素之一。曲线所具有的这种运动感，是其形式要素本身所具有的非稳定状态的结构样式被我们视觉所感知的结果，格式塔心理学把这种“力”称作“心理力”。一条曲线总让人觉得是由直线压缩变形后所形成的，它蕴含着一种要恢复到直线状态的趋势，蕴藏着向外扩张的“倾向性张力”，正是曲线本身的这种内在无形张力激发了它的动势[2]。亚洲建筑师A.布鲁姆伯格(Andrew Bromberg)在泰国设计的corporate塔，仿佛是破土而出的植物，优美的曲线富有弹性，向上的动势显示出勃勃的生机。MAD设计事务所的马岩松在加拿大第七大城市密西沙加市设计的一栋56层高的公寓建筑，建筑形体从下而上生成，充满了动感，给人以无限的遐思，被当地媒体称为“玛丽莲·梦露大厦”。
3．反重力型
人们对高层建筑有着习惯性思维：出于对安全感的追求，人们都期望自己的建筑牢固不会倒塌，传统的“上小下大“的稳定形式已成为人们对高层建筑的一种习惯性审美方式，还有结构体系的上下对齐，将力以最合理的方式传递到基础和地基，因而传统意义上的高层造型理所应当地是笔直的或自下而上收分的“筒体”。然而，这一审美习惯既是当代高层建筑形态变异的桎梏也是动力，当代建筑师“反其道而行之”，突破重力法则，创造出非稳定的、似乎要“倒塌”的高层建筑新形象，其中倾斜和巨大的悬挑则是颠覆高层建筑重力原则最直白的手法。
西班牙马德里双斜塔项目中(图5)，建筑师违背力学原则，将建筑推向一侧，使原本平庸的建筑变得引人注目且富有生机，再现比萨斜塔般的建筑奇观。由奥地利蓝天设计组设计的GPA煤气厂塔楼(GPA Gasometer tower)以一种冲动的欲望创造动感建筑。贝尼施及其合伙人事务所在德国汉诺威设计的北德银行总部，尝试以堆砌般的叠加方式来否定传统高层建筑所强调的完整性和连续性。方案将支撑在几根立柱上的建筑体“撕裂”成许多不同部分，它们彼此争先恐后地向外悬挑，体块间相互穿插和拼接，仿佛稍微用力建筑就会“崩塌”下来。但对重力的颠覆在北京CCTV新址设计中达到了顶峰，其两座塔楼之间的横向“L”型连接体以极大的跨度向外出挑，以至于使人从外观上根本无法联想到平衡、稳定这些高层建筑的基本原则。正如库哈斯自己所说：“这种结构是对建筑界传统观念的一次挑战”。
当代高层建筑形态变异中的动态表现，是一种与古典建筑美学的形式美法则背道而驰的美学观，它提倡建筑形式中的冲突性和不稳定性，强调动态给人带来的“速度与激情”。然而无论是具象“运动”还是抽象“势动”的高层建筑，在建筑造型的构思过程中，建筑师绝对不能脱开建筑的结构逻辑和理性准则而任意发挥，否则这些高层建筑的构思只能是停留在纸面上的空想之作。高层建筑的动态造型创意不应该以结构的安全性和经济性为代价，而是应该建立在对结构概念设计更深层次的理解和应用之上，运用正确的工程经验与结构力学知识，发挥结构的最大力学性能，真正做到以合理、有效、雅致的结构体系为基础的建筑创新。
三、结论
当代高层建筑动态表现的积极意义是毋庸置疑的，它充分实现了高层建筑本身所具有的城市美学价值、商业美学价值和技术美学价值。然而这种“非理性”的建筑形式并不能违背理性的结构原则，而应该发挥结构的最大力学性能。正是因为有了最理性、最精密的结构设计才能真正实现突破传统美学的建筑造型。正如奈尔维：“技术上的正确性构成了建筑语言的一种语法。而在建筑领域中，技术的正确作用对一座建筑作品的形式、效果的影响，要较之于其对文学语法的影响大得多。事实上语法仅限于防止错误，而技术上的正确性，即忠实于结构要求和材料使用特性等，在今天就如同在遥远的古代一样，能提供一种无穷无尽的灵感的源泉。”[4]
参考文献
①Jean Nouvel,Torre Agbar.http:/www.jeannovel.com
②Jomakka,Kari:2002.Flying Dunchman,Burkhauser Basel
③参见:潘海迅,张伶伶,殷青.建筑曲线与人性化.华中建筑设计,2004(3):33
④参见:奈尔维著.黄运升译.建筑的艺术与技术.北京:中国建筑工业出版社,1981:51
动态变异 篇2
聚类分析作为数据挖掘方法的重要部分, 它将复杂的数据按其特征划分成不同的类, 其特征是“物以类聚”, 即要求同一类间具有较高的相似性, 而不同类间具有较大的差异性[1]。这种类别的划分界限是明确的, 但在现实中却有许多问题并没有严格的界限, 即它们在类属方面存在模糊性, 具有亦此亦彼的特点。因此, L. A. Zedeh提出用模糊集理论解决聚类问题, 即模糊聚类分析。它引入了模糊集理论, 具有更好的聚类性能。在众多的模糊聚类算法中, 应用最为广泛的是基于目标函数的模糊C均值FCM算法[2]。该算法简单, 几何意义直观, 已被应用于模式识别及计算机图像处理等众多邻域中。但它也有缺陷, 例如: ( 1) 聚类数难确定; ( 2) 只辨别团状的簇, 不能辨别不规则簇; ( 3) 易陷入局部最优解、对初始值敏感等。
针对问题 ( 1) 和 ( 2) , 文献[3]提出多中心结合DBSCAN算法在一定程度上进行了改进。近年来, 众多学者针对问题 ( 3) 提出改进算法, 如文献[4 - 6]等。这些算法用不同方法对FCM进行了改进, 取得了良好的效果。
文献[7]用蛙跳算法优化FCM, 并用在交通状态检测中, 效果良好。文献[8]先用线性递减的惯性权重引入蛙跳算法的更新策略中, 并按照一定的概率选择适应度值较优的青蛙代替较差青蛙, 并对较优青蛙以较小的概率变异, 而对较差青蛙以较大的概率变异。再用改进的蛙跳算法优化FCM算法, 取得了良好的效果, 即SMSFLA-FCM算法。受此启发, 本文先利用Tent映射构成的混沌序列初始化青蛙群体, 从而提高初始解的质量; 再根据每只青蛙适应度方差值选取不同的变异概率; 最后用改进的蛙跳算法优化FCM。通过人工数据和经典数据集的仿真实验, 表明这种改进是可行的。
1 FCM算法
FCM是迭代优化算法, 可简述为最小化指数函数。设特征空间RN上的一个有限数据集合为X = { x1, x2, …, xN} , 把i划分为C类 ( 2≤C≤N) , 设个数为C的聚类中心V = { v1, v2, …, vC} , N × C维矩阵s, s + 1[0, 1] ( i = 1, 2, …, N; j = 1, 2, …, C) 为样本的隶属度矩阵, FCM的最小化目标函数为:
约束条件为:
在式 ( 2) 约束条件下对式 ( 1) 应用拉格朗日乘法, 求导得:
式中, m为模糊加权指数。
FCM算法通过对式 ( 3) 和式 ( 4) 迭代完成数据集的聚类, 目标函数在迭代过程中是逐渐递减的。该方法在很大程度上依赖于初始聚类中心的选择, 如果初始聚类中心矩阵选择合理, 会取得良好的聚类结果。
2 蛙跳算法
Muzaffar Eusuff和Kevin Lansey在2003 年提出蛙跳算法, 该算法[9，10]中, 先将青蛙群体分成子群进行信息的传播, 即局部搜索, 它完成局部个体间信息的交换。当子群进化到一定阶段后, 执行混合策略完成局部间信息的交换, 继续前述操作, 直到求得最优解为止。
对于d维问题, 随机生成F只青蛙 ( 解) 组成初始群体, 第i只青蛙可以表示为Xi= ( xi1, xi2, …, xid) , 将种群内青蛙按适应度降序排列。将整个群体分为s个子群, 每个子群包含n只青蛙, 满足F = s × n。第1 只青蛙分到第1 个子群, 第2 只青蛙分到第2 个子群, …, 第s只青蛙分到第s个子群, 第s + 1 只青蛙分到第1 个子群。依次下去, 到所有青蛙分配完毕为止[11，12]。
每一个子群中, 适应度值最好的解记为Xb= ( x1b, x2b, …, xnb) 、最差的解记为Xw= ( x1w, x2w, …, xnw) ; 而群体中适应度值最好的解记为Xg= ( x1g, x2g, …, xng) 。每次迭代中, 对子群中的最差青蛙进行更新, 最差青蛙更新策略为:
式中, rand ( ) 是0 到1 的随机数, Dmax是青蛙移动的最大距离。
更新后, 若得到的解Xw优于原来的解Xw, 则代替原种群中的解; 否则用Xg取代Xb, 重复执行更新策略式 ( 5) 和式 ( 6) ; 如果仍无改进, 则随机产生一个新解代替原来的Xw。重复此操作, 直到设定的迭代次数, 就完成一轮各子群的局部搜索。然后将所有子群的青蛙混合排序, 重新划分子群, 进行下一轮的局部搜索, 如此直到满足终止条件。
3 CMSFLA-FCM算法
3. 1 用混沌序列产生青蛙群体
初始群体的分布情况严重影响算法的收敛效果。在SFLA中, 随机生成的青蛙初始群体都集中在解空间的某局部范围, 可使算法陷入局部最优。因此, 本文利用混沌的遍历性初始化青蛙群体以增强群体的多样性, 从而提高初始解的质量。
混沌是非线性系统中一种普遍的现象, 且混沌运动能在一定范围内按其自身的“规律”不重复遍历所有状态, 这种遍历性可作为搜索过程中避免陷入局部最优的一种有效的优化工具, 因而, 混沌优化搜索比随机搜索更具优越性[13]。其优化算法的主要思想是: 首先产生一组与优化变量数目相同的混沌变量, 将混沌运动的遍历范围放大到优化变量的取值范围, 然后利用混沌变量的遍历性、随机性进行搜索。
一个好的混沌模型能提高混沌变异的概率, 本文用能产生均匀序列且迭代速度快的Tent映射构造混沌模型, 可以提高初始解的速度和精度, Tent序列的迭代公式表示为:
式中, Zm为混沌变量, m为迭代次数。
在[0, 1]范围内, 随机产生一个Q维的向量Z1= ( Z11, Z12, …, Z1Q) , 应用式 ( 7) 得到M个分量Z1, Z2, …, ZM, 将Zi用式 ( 8) 表示, 通过计算适应度值, 从M个初始种群中选择适应度值较优的F个 ( 青蛙) 作为初始解。
式中, i = 1, 2, …, M; j = 1, 2, …, Q。
3. 2 群体适应度方差
各青蛙的位置可通过其适应度值来体现, 由适应度值可知群体中青蛙的聚集程度, 所以引入群体适应度方差来衡量解的质量。
设群体青蛙总数为F, 第i只青蛙的自适应度值为fi, 群体适应度值的平均值为favg, 适应度方差 δ ( t) 2定义为:
式中, f是限制适应度方差的大小, 它的取值随式 ( 10) 变化;δ ( t) 2为第t次迭代的适应度方差。
由式 ( 9) 和式 ( 10) 可知, 群体适应度方差反映群体中所有青蛙的“收敛”程度, δ ( t) 2越小, 则青蛙群体越趋于收敛; 当 δ ( t) 2= 0时, 则群体各青蛙的自适应度值几乎相同, 算法陷于局部最优或达到全局最优; 反之, 青蛙群体处于随机搜索阶段。
3. 3 动态变异操作
为了让青蛙在算法陷入局部最优之前找到新的搜索方向, 动态变异操作应根据青蛙聚集程度来确定, 即变异操作的概率应随群体的适应度方差的大小而改变, 表示为:
式中, P ( t) 为第t次迭代中群体全体极值的变异概率; Pmax为当前变异概率的最大值; Pmin为当前变异概率的最小值; F为群体青蛙总数。
从式 ( 11) 可知, 当群体的适应度方差较小时, 变异概率取值较大; 反之, 当群体的适应度方差较大时, 变异概率取值较小。算法可根据各青蛙的位置来动态调整变异概率的大小, 即若青蛙在最优解附近, 群体适应度方差较小, 则应取较大的变异概率进行变异操作; 反之, 若青蛙距最优解较远, 群体适应度方差较大, 则应取较小的变异概率进行变异操作, 从而使算法达到跳出局部最优的目的。
对于Xg的变异操作, 变异方程表示为:
式中, ξ 为变异参数; N ( 0, 1) 是均值为0 且方差为1 的随机变量; X'g为变异后的全局最优解。
3. 4 适应度函数
个体的聚类效果可用适应度函数较大的准则来衡量, 对聚类对象而言, 若聚类结果对应目标函数值越小, 个体适应度值越大, 则聚类效果越优。
设样本空间X = { x1, x2, …, xN} , 其中xi为d维向量, SFLA算法中每个青蛙代表一个聚类中心集合C = { c1, c2…, cC} , 其中cj和xi是同维向量, 要定义个体适应度函数 ( 式13) 来评价蛙跳算法中各个解 ( 聚类中心) 的优劣。
式中, J是式 ( 1) 的目标函数, J越小, f ( xi) 就越高, 聚类效果越好。
3. 5 CMSFLA-FCM算法描述
CMSFLA-FCM算法的思想是先利用Tent映射构成的混沌序列初始化青蛙群体, 从而提高初始解的质量。再通过引入群体适应度方差可知各青蛙的聚集程度, 对于适应度方差较小的青蛙, 取较大的变异概率进行变异操作; 反之, 对于适应度方差较大的青蛙, 取较小的变异概率进行变异。然后用改进的蛙跳算法来优化FCM算法, 最后求得全局最优解。算法的步骤为:
Step1 参数初始化, 聚类数C, 允许误差 ε, l = 1, 模糊指数m; 青蛙总数F, 每个子群的青蛙数n, 子群数s, 子群内迭代总次数it, 混合迭代总次数tit; 变异参数 ξ, 变异概率Pmin和Pmax;
Step2 利用式 ( 7 ) 和式 ( 8 ) 混沌Tent序列初始化青蛙群体;
Step3 用式 ( 4) 计算每只青蛙的隶属度矩阵U;
Step4 用式 ( 13) 计算每只青蛙的适应度值f ( xi) , 对青蛙群体依据f ( xi) 按照降序排列, 并进行子群划分;
Step5 确定青蛙子群中的Xb、Xw及群体全局最优Xg, 对每个子群的最差青蛙依据式 ( 5) 和式 ( 6) 更新, 直到迭代总次数it为止, 将更新后的子群混合, 代替原来的群体;
Step6 利用式 ( 9) 和 ( 10) 计算群体的适应度方差;
Step7 利用式 ( 11) 计算变异概率, 并按照式 ( 12) 对全局最优解Xg进行变异操作, 得到全局最优解X'g;
Step8 用X'g代替群体中的全局最优解Xg;
Step9 如果当前迭代次数达到设定的最大次数tit, 则迭代停止, 在最后一代找到最优解, 并输出最优解的信息, 即聚类中心的集合, 否则转到Step3, l = l + 1;
Step10 用式 ( 4) 更新每只青蛙的隶属度矩阵值;
Step11 用式 ( 3) 更新群体的聚类中心, 计算相邻两代隶属度矩阵之差E, 若E < ε, 则计算并输出聚类结果, 算法结束; 否则, 转到Step10。
4 实验结果与分析
为检验CMSFLA-FCM算法的聚类效果, 选用人工数据、经典数据集分别测试, 并与SMSFLA-FCM、SFLA-FCM和FCM算法比较。本实验采用内存为4 GB, 主频为3 200 MHz的IntelCPU, 操作系统为XP, 实验环境为Matlab 7. 6。各算法中允许最小误差 ε = 10- 3, 模糊指数m = 2。CMSFLA-FCM算法采用文献[10]的参数设置: 青蛙种群总数F = 150, 子群数s = 5, 每个子群内青蛙数n = 30, 子群内迭代总次数it = 50, 混合迭代总次数tit= 1 000; 变异概率Pmin= 0. 01, Pmax= 0. 1; 变异参数 ξ = 0. 5。
4. 1 人工数据实验
图1 是二维空间中两类非线性可分、空间分布差别较大的数据, 第一类抛物线y = ( x - 2) 2, 顶点在 ( 2, 0) , x∈ ( 0, 4) , y∈ ( 0, 4) 对称分布的100 个点; 第二类是100 个分布在二维空间 ( x, y) 的点, x∈ ( 0. 5, 4) , y∈ ( 1, 6) 。四种算法分别运行30 次, 聚类结果如表1 所示, 如图2 所示抛物点数据运行30 次平均适应度迭代曲线。
由表1 和图2 的聚类结果可知, CMSFLA-FCM算法的寻优能力优于其他三种算法, SFLA-FCM和FCM在迭代过程中都不同程度地陷入了局部最优。而CMSFLA-FCM采用混沌Tent序列初始化群体, 因此可得较好的初始解 ( 初始适应度值较大) , 聚类效果优于SMSFLA-FCM算法, 提高了算法跳出局部收敛的能力。
4. 2 经典数据集实验
为测试算法对多样本、高维数据的聚类效果, 将四种算法分别对Multiple Features高维数据集[14]、Breast Cancer Wiscon-sin ( Diagnostic) 多样本高维数据集[14]运行30 次进行聚类。
Multiple Features数据集的聚类结果如图3 所示, 由图3 可知, FCM收敛速度最快且易出现早熟, SFLA-FCM算法在初始过程, 适应度变化较快; 在后期限于局部空间范围, 易陷入局部最优。而引入CMSFLA, 在迭代早期, 采用混沌Tent序列初始化群体, 能获得良好的初始解; 在进化中期, 引入了动态变异操作, 根据个体青蛙的群体适应度方差值选取不同的变异概率, 有效增强了SFLA跳出局部最优解的能力 ( 比SMSFLA优化效果好) , 故使算法能很快地获得最优解。
Breast Cancer Wisconsin ( Diagnostic) 数据集的聚类结果如图4所示, 由图可知, FCM快速迭代后陷入了局部最优。而SFLA-FCM在搜索初始时有很强的全局搜索能力, 但在搜索中后期仍会陷入局部最优。而CMSFLA-FCM算法可根据群体适应度方差动态调整变异概率, 即对于适应度方差较小的青蛙, 取较大的变异概率进行变异操作; 反之, 对于适应度方差较大的青蛙, 取较小的变异概率进行变异操作。故使算法能很快地获得最优解, 从而使迭代次数较少, 提高收敛速度。从表2 可知, CMSF-LA-FCM算法的聚类效果优于SMSFLA-FCM、SFLA-FCM和FCM, 显示出该算法有较好的稳定性和鲁棒性。
5 结语
动态变异 篇3
传统GEP一般采用轮盘赌方式选择个体，但轮盘赌选择是一种强性择优选择，易导致个体多样性降低，产生“近亲繁殖”。函数发现实验表明，加大变异概率的方法不能有效解决该问题。因而本文引入轮盘赌选择与随机选择相结合的混合选择，其既可将适应性高的个体以较大概率复制到下一代，保证进化的高效性，又可避免“近亲繁殖”。
GEP经常用来求解缺乏先验知识的问题。传统GEP根据经验值来设置变异概率，包括突变率、移位率和重组率。经验值设定后，在进化过程中不再变动，因而具有盲目性和非动态适应性。动态变异根据当代最优个体适应度与上一代最优个体适应度的比较结果，动态调整变异概率。若当代最优个体适应度比上一代高时，适度降低变异概率，让优良基因片段较为完整地保留到下一代;反之，提高变异概率，消除不良基因片段，产生新的优良基因片段。
1 GEP原理
1.1 GEP基础概念
GEP中最重要的概念是基因型(染色体)和表现型(表达式树)。染色体是承载遗传信息的实体，直接参与遗传操作;表达式树作为染色体中遗传信息的表达形式，可简洁地将遗传信息表示为具有数学意义的图形。
传统GEP中，染色体由若干个基因通过连接运算符(如‘+’、‘*’等)相接组成。这种人为设定的连接运算符会限制染色体结构，不利于遗传。因此，本文采用单基因结构染色体，以较长的基因长度来弥补单基因携带遗传信息量少的缺陷。基因由头部和尾部组成。头部含有终结符和函数符，尾部只含有终结符。终结符是数值变量，函数符是运算符号。尾部长度t=h*(n-1)+1，这里h是头部长度，n是运算符最大运算目数。文献[7]证明了在此公式约束下，GEP遗传操作总能产生有效基因。表达式树是由终结符和函数符组成的树形结构。表达式树与染色体通过编码和解码规则相互进行无歧异的转化，使遗传操作简单、进化结果直观。
Candida提出了两种适应度评价函数[1]：一种是基于绝对误差的适应度评价函数(如1式)，另一种是基于相对误差的适应度评价函数(如2式)。
这里fi表示第i号个体的适应度;常数M表示选择带宽;Cij表示将第j号测试样本代入第i号个体所得函数值;Tj表示第j号测试样本的目标值;Ct表示测试样本总数。
1.2 GEP编解码规则
GEP编解码规则是GEP精髓所在。编码规则描述为：将数学表达式根据其语义构造成一棵表达式树，然后从根结点开始，对树进行层次遍历，所得到的结点就是基因编码的有效部分(K-表达式[1])。基因长度固定，所以基因由K-表达式和尾部填充的冗余字符组成。看似冗余的字符串为基因变异提供了空间结构。解码规则描述为：根据基因中字符的语义，由左往右将字符串表示为一棵表达式树。
1.3 GEP算法流程
先初始化一个种群，对种群中的个体进行适应度评价，适应度高的个体有较大机率被复制到下一代种群，反之亦然;在进化过程中，对每一代种群的个体进行变异操作，再进行适应度评价，如此重复，直到出现预期适应度个体或达到预定进化代数为止。算法流程如图1所示。
2 混合选择
轮盘赌选择以个体适应度占总适应度之和的比例作为个体被选择的概率,即。个体适应度越高，被选留到下一代的机会就越大。随机选择是完全随机性的选择方式。如何将两种选择方式搭配使用是混合选择的关键。本文采用轮盘赌主随机辅混合选择：进化过程中，若当代最优个体适应度高于或等于上一代，采用轮盘赌选择，否则采用随机选择，即：
3 动态变异
3.1 动态变异的基本思想
变异包括突变、移位和重组三种形式。动态变异根据每一代进化效果来动态地调整变异概率。动态变异描述为：进化过程中，变异率(突变率、移位率和重组率)等于初始变异率乘以上代最优个体适应度与当代最优个体适应度的商，即P=PInit*(best[g-1]/bes[g])。这样，若当代最优个体适应度比上代最优个体适应度高时，变异率会降低，有利于保存适应度高的基因片段;若当代最优个体适应度比上代低时，变异率会提高，有利于消除低适应度的基因片段，产生新的高适应度基因片段。
3.2 突变、移位和重组
突变是一种较为简单的变异。本文采用的点突变可直接对基因中任何位置的字符进行替换。动态突变应用了动态变异的思想，突变概率会实时调整;移位是对基因中的片段先进行复制，再插入基因头部其他位置的操作;重组是对两个不同基因的同位置片段进行调换，从而得到两个新基因的操作。动态移位、动态重组的思想与动态突变相似。
4 实验验证与分析
4.1 实验概况
实验是在进化相同代的条件下，比较最优个体适应度的平均值。为方便比较，将各改进的GEP简称规定如下：GEP(传统GEP)、Mixed-GEP(混合选择GEP)、Dyn-GEP(动态变异GEP)和Mixed-Dyn-GEP(动态变异混合选择GEP)。实验平台为：Pentium 42.8G,512M,Java开发。设计的三组实验如下。前两组实验的运行参数如表1所示。
1)简单函数a3+a2+a的发现;2)Schaffer函数的发现3)太阳黑子预测。
4.2 简单函数a3+a2+a发现
四种GEP算法各运行20次，统计出各种GEP进化得到最优个体适应度的平均值，如图2所示。从图中可看出：改进后GEP的性能均比传统GEP有一定程度的提高。Mixed-GEP提高了7%，Dyn-GEP提高了3.6%，Mixed-Dyn-GEP提高了28%。可见，将混合选择与动态变异两项改进相融合的Mixed-Dyn-GEP表现最好。
4.3 Schaffer F6函数发现
各GEP运行10次所得到最优适应度的平均值如图3所示。各改进的GEP均比传统GEP的性能有所提高。Mixed-GEP提高了2.7%，Dyn-GEP提高了2.4%，Mixed-Dyn-GEP提高了6%。
4.4 太阳黑子预测
太阳黑子是时间序列预测的经典测试数据。本实验采用文献[6]的太阳黑子数据集和实验参数，选择1756年到1859年的数据作训练集，1860年到1864年的数据做预测，适应度评价函数采用式(1)。实验选用10维相关度，即当年太阳黑子数据与其前10年的数据有关。用各GEP进化出最优预测模型，见表2所示(X0-X9表示当年的前10年太阳黑子数据)。然后根据模型来预测1860年到1864年的数据值，并与实际值比较，见图4所示。
通过用式(3)计算各模型预测值与实际值间的累计绝对误差。可看出，混合选择或动态变异单独作用时效果不好，但两项改进融合时可起到明显的改善作用。GEP模型的预测误差是43.15，而Mixed-Dyn-GEP模型的预测误差是37.93，误差减小了12.18%。
py表示预测值，ty表示实际值式(3)。
5 结论与展望
通过实验，本文验证了两项改进的有效性，并总结了改进的GEP所适用的求解问题类型：两项改进独立作用时，均能明显改善函数发现的结果，但不适合模型预测;当两项改进融合作用时，对两类实验均有较好的改进效果。
本文仍有不足之处，作者会继续探究以下方面工作：考虑更合理的混合选择策略，更精确地调整动态变异率，建立更完善的太阳黑子模型。
参考文献
[1]Ferreira C.Gene Expression Programming:A New Adaptive Algorithm for Solving Problems.Complex Systems,2001,13(2):87-129.
[2]FERREIRA C.Gene Expression Programming in Problem Solving[A].6th Online World Conference on Soft Computing in Industrial Ap-plications[C].2001.
[3]张文修,梁怡.遗传算法的数学基础[M].西安:西安交通大学出版社,2000:13-26.
[4]唐常杰,彭京,张欢,等.基于基因表达式编程的知识发现的三项新技术——转基因,重叠基因表达和回溯进化[J].计算机应用,2005(09).
[5]陈宇.基于基因表达式编程函数挖掘和时间序列分析关键技术研究[D].四川大学,2006.
[6]陈宇,唐常杰,钟义啸,等.一个基于基因表达式编程的时间序列预测新方法[J].计算机科学,2005(增刊B):269-271,2005.
[7]ZUO J,TANG C J,LI C,et al.Time Series Prediction based on Gene Expression Programming[A].International Conference for Web In-formation Age2004[C].Lecture Notes in Computer Science,2004.
[8]Ferreira C,Function Finding and the Creation of Numerical Constants in Gene Expression Programming[A].the7th Online World Conference on Soft Computing in Industrial Applications[C].England:September23-October4,2002.
动态变异 篇4
本文研制一种基于手机的便携式监护系统,并提出一种DPRV信号的提取方法。将该方法应用于所研制的系统,从动态脉搏信号中获取DPRV信号,评估所提出方法的实时性和准确性。同时在线对DPRV进行时域和频域以及采用非线性方法处理,提取相关的参数,实现DPRV信号的在线提取与分析。
1系统总体结构
图1为系统总体结构图。脉搏传感器拾取人体脉搏信号,经过调理电路放大、滤波转换为电压信号。 经单片机内部的A/D转换器转换为数字信号,通过蓝牙模块无线发送至手机。在手机终端上,Android应用程序驱动蓝牙模块接收脉搏信号,并进行预处理, 从中实时提取和处理DPRV信号;同时,对DPRV信号提取的参数设定阈值,评估人体的状态,当人体发生异常时,发出声光报警,通过3G/4G/Wi Fi网络向家属或医院以自动发送短信和连续拨打求救电话的方式求救,并将被监护者的数据发送到云端数据库备份。家属通过短信获取被监护者的状态和位置,及时施救。医院通过收到的数据分析被监护者状态,进行远程救治,必要时根据获取的短信赶赴现场进行救助。
2系统设计与实现
2.1脉搏信号采集与无线发送前端的设计与实现
以单片机为核心设计了脉搏信号采集与无线发送前端装置(以下简称前端),主要由反射式脉搏传感器、信号调理电路、信号A/D转换和无线发送模块组成,如图2所示。
本文设计并制作了绿光反射式脉搏传感器,其通过光线反射的方式采集脉搏信号,可测量人体多部位的脉搏信号。设计信号调理电路,经过I/V转换电路、 低通滤波器降低、高通滤波器和放大电路将生理脉搏信号调理为电压信号。选用PIC16F887A型单片机,其内部集成8路10位A/D转换器,满足信号采样需求。通过串口外扩蓝牙模块与手机终端实现无线通信。
2.2Android手机终端应用程序设计与实现
以Eclipse软件为平台,开发Android手机应用程序,实现动态脉搏信号的检测,以及动态脉率变异性信号提取与分析,对人体健康状态进行在线监护与预警。该应用软件运行环境为:Android 2.2版本以上手机系统,256 MB缓存,2 GB以上硬盘用于存储24 h数据,含有三轴加速度传感器用于跌倒检测。
3动态脉率变异性信号的提取和处理
3.1动态脉搏信号预处理
动态脉搏信号的采集过程中,会引入许多干扰, 主要为工频干扰、基线漂移和肌电干扰等,这些干扰的存在会影响脉搏信号峰值提取结果。针对这些干扰的特点,分别设计0 Hz和50 Hz整系数陷波器滤除基线漂移和工频干扰,截至频率为62.5 Hz的低通滤波器抑制肌电干扰[4]。滤波器传递函数分别为:
分别求得式(1)式(2)的差分方程写入手机, 通过迭代实现动态脉搏信号的实时滤波。
为了消除动态脉搏信号幅度变化对峰值提取结果准确性的影响,对滤波后的信号进行幅度归一化,公式如下:
在手机采集动态脉搏信号的过程中,只缓存有限长度的数据,长度记为N。最新的采样点放在缓冲区最高位,记为ylp(N),其它采样点向低位移动一位, 移除最低位采样点。式(3)中s(N)为新采样点归一化结果,max(ylp)、min(ylp)分别为滤波后缓存区信号的最大和最小值。
3.2动态脉率变异性信号提取
根据动态脉搏信号的特点,提出一种自适应幅度阈值法,从动态脉搏信号实时地提取DPRV信号,图3为所提出方法的示意图和流程图。首先,根据手机缓存数据的长度及脉搏信号的特点设定一个固定窗, 含有2~5个周期的脉搏波,保证初始幅度阈值的准确性,经过实验选用2fs采样点长度为窗宽。对于幅度阈值T,初始值取0,之后根据固定窗内数据的均值和的极大值,实时地更新和修正阈值。当缓冲区数据长度小于窗宽时,计算当前所有数据的均值;当长度大于窗宽时,由于窗宽固定,通过迭代的方式计算窗口采样点数值总和,先加上新采样值s(N),再减去最早的采样值s(0),之后除以窗宽N计算均值。然后,给均值加上修正值μ产生幅度阈值,初始μ=0。判断当前脉搏信号采样值是否大于阈值T,若大于阈值,则此采样点位于脉搏信号的上半部分,可能为波峰。对于大于阈值的采样点,判断其是否为极大值,如果不是则认为不是波峰,如果是则认为是疑似波峰。为了防止噪声引起的极大值及重搏前波的影响,继续判断此极大值是否为最大的极值点,如果是则认为此极大值为波峰,存储极大值及位置,并计算阈值修正值。 采用峰值与均值差值的一半作为修正值,将阈值限定在波峰与均值曲线之间,可有效地降低重搏前波对峰值检测准确性的影响。修正阈值之后,返回处理新的采样点,直到采样值小于阈值,此周期的波峰检测完毕,与上一个周期检测的峰值位置作差,求出相邻周期脉搏信号的波峰间期,即为DPRV信号。
3.3动态脉率变异性信号处理
在动态脉搏信号的采集过程中,因采集对象体动、传感器移动等因素会使提取的DPRV信号中含有奇异点,对DPRV信号的分析结果影响很大。在对DPRV信号分析前,需去除这些奇异点,方法如下[5]:
(1) 对于PRV信号的第一个数据点PRV(1),若:
则P R V ( 1 ) 为异常点 , 需要剔除 。 其中 , mean(PRV),std(PRV)为PRV信号的均值和标准差。
(2) 对于PRV信号中的其它数据点PRV(i),若:
则PRV(i)为异常点,需要剔除。其中,PRV(i-1) 为PRV(i)的前一个数据点。
获取动态脉率变异性信号后,提取其时域、频域指标,以及通过非线性分析方法计算熵值和洛仑兹散点图,对这些指标设定阈值,实现人体异常状态的监测[2]。
时域指标为:SDANN、RMSSD、p NN50。其中,SDANN是指24 h内288段(每段5 min)脉率变异性信号均值的标准差,反映心脏搏动的长期慢变化成分的大小,正常范围:127±35 ms;RMSSD是指相邻PRV信号差值的均方根,反映心脏搏动快变化成分的大小,正常范围:24±12 ms;p NN50是指相邻PRV数据点差值>50ms个数占整个PRV信号个数的比例,反映心脏搏动的突变情况,正常范围: 16.7±12.3%。
频域指标:LF、HF和LF/HF。通过对获取的DPRV进行FFT变换,获得其频谱,将频谱化为不同的频段,获得频域指标。其中,LF为DPRV信号的低频段:0.04 Hz~0.15 Hz,反映交感和副交感神经的相互作用,正常范围:1 170±416 ms×ms;HF为高频段:0.15 Hz~0.4 Hz,反映迷走神经的兴奋度,正常范围:975±203 ms×ms;LF/HF为低频成分与高频成分的比值,反映自主神经系统的平衡状态,正常范围:1.5~2.0。
非线性分析:SSE、Lorenz Plot。其中,SSE是指符号序列熵[6],可以反映心脏搏动的变化规律,随着年龄的增大SSE值会增加,但某些疾病患者,如心血管疾病患者的SSE值显著小于正常人。Lorenz Plot为洛仑兹散点图[7],分别以相邻PRV数据点作为横纵坐标绘制的图像,通过散点分布的形状来分析心脏的搏动状况。健康人的散点图呈“彗星状”或“棒球拍状”,患者呈特殊的图形,如轻度心衰病人呈 “鱼雷状”、严重心衰患者或房颤患者散点图呈 “扇形”等。
4实验测试与结果
4.1动态PRV信号提取结果
设计实验验证所提出算法提取DPRV的准确性和实用性。先让实验对象原地匀速跑步5 min;然后, 佩戴所设计的系统,在静坐状态下实时采集并存储脉搏信号,同时,手机终端提取并存储DPRV信号;脉搏信号采样频率250 Hz,采样时间为16 min。实验结束后,将手机终端存储的DPRV和脉搏信号通过USB接口传至PC,通过Matlab软件从离线脉搏信号中提取PRV信号,并通过人工校对,作为标准脉搏信号, 与手机终端得到的DPRV信号比较。手机终端提取的DPRV信号如图4(a)所示,离线提取的标准PRV信号如图4(b)所示,通过对比可以看出,所提出的方法可以准确地提取DPRV信号。
同时,采用均方根误差(Mean Square Error, MSE)计算DPRV信号与标准PRV信号之间误差,即:
式中,PRV(i)为离线提取的标准PRV信号, DPRV(i)为手机提取的DPRV信号,n为信号的长度。 两种方法的MSE为0.58%,表明所提出方法可以准确地提取DPRV信号。
4.2动态PRV信号分析
将所提出的DPRV信号提取及处理算法应用于手机终端,结果如图5所示。其中,图5(a)为DPRV实时显示界面,上半部分显示脉搏信号,下半部分显示DPRV信号。通过对DPRV信号进行时域、频域及采用非线性方法分析,实现人体健康状态监护与预警, 结果如图5(b)所示。
4.3系统预警功能测试
手机终端设置了报警求救功能,当人体处于异常状态,如跌倒不能爬起、心梗等,可通过手动或系统自动方式触发。通过循环打开和关闭手机闪光灯以及交替改变手机屏幕背景颜色(黑白色交替)实现光报警,通过扬声器播放报警声音,实现声报警,引起周围行人注意,如图5(c)。在向周围行人求救的同时, 自动开启GPS定位功能,实时更新被监护者所处经纬度和具体地址,以短信形式向监护人或医院求救,如图5(d)。在发送短信的同时,每间隔20秒循环拨打两个求救电话,引起施救方的注意,使其能够根据短信内容及时施救。
5结论与讨论
本文研制了一种基于手机的便携式监护系统,提出一种可从动态脉搏信号提取DPRV信号的方法。将该方法应用于所研制的系统,结果表明其可以准确地提取DPRV信号,且系统能够实时处理与分析DPRV信号,提取相关指标,为进一步实现疾病的在线监护与预警提供硬件平台和方法。
动态变异 篇5
1 资料和方法
1.1 一般资料
选取我院2014年4月~2015年10月收治的68例变异性心绞痛患者, 其中男38例, 女30例;年龄36~80 (57.9±4.6) 岁;伴冠心病危险因素:吸烟21例, 高血压30例, 高脂血症22例, 糖尿病9例, 冠心病家族史20例;所有患者均表现为典型变异型心绞痛症状, 多于夜间休息时发作, 每次发作可持续数分钟, 经硝酸脂制剂含服可缓解或无法缓解;并排除冠心病治疗史、颅内出血、高钾血症、严重肝肾功能障碍者。
1.2 方法
68例患者均行动态心电图和常规心电图检查。动态心电图采用C3000动态心电图监测仪 (美国BMS公司) , LL、RL分别置于左、右肋弓, LA、RA电极分别置于患者左、右中线锁骨下, 常规放置V1~V6电极, 应用12导联对患者心绞痛发作情况和活动日志进行同步记录。常规心电图采用1250P心电图机 (日本光电公司) , 行12导联心电图检查。ST段抬高的诊断依据以下标准:V1~V3导联ST段呈弓背形或上斜型抬高>0.3m V, V4~V6导联和肢体导联ST段呈弓背形或上斜型抬高>0.1m V, 持续时间超过1min。
1.3 观察指标
观察两种检查方式对室性早搏、房室传导阻滞、ST段抬高、T波高耸及U波倒置的检出率, 进行统计分析。
1.4 统计学处理
数据采用SPSS 17.0统计学软件进行分析。计数资料采用例 (百分率) 表示, 行χ2检验。P<0.05为差异有统计学意义。
2 结果
68例患者采用动态心电图对室性早搏、房室传导阻滞、ST段抬高、T波高耸及U波倒置的检出率明显高于常规心电图, 两组比较差异具有统计学意义 (P<0.05) 。见附表。
3 讨论
变异型心绞痛约占心绞痛患者总数的2.0%~3.0%, 主要是由冠状动脉痉挛引起的心肌缺血综合征, 或是在冠状动脉硬化狭窄的基础上发生痉挛所致, 进而造成大片心肌急性缺血, 导致心电图相应导联ST段的抬高[2]。变异性心绞痛常发生于患者熟睡时, 表现为剧烈胸痛, 持续时间长, 易发展为心肌梗死或猝死, 预后不良。该病发作时心电图表现为部分导联出现一过性ST段损伤性抬高, 相对性的导联呈现ST段压低, 部分患者T波直立增高, 少数患者可出现左胸导联U波倒置;另外, 发作时半数患者可伴心律失常, 以室性最多见[3]。
由于变异型心绞痛发作时上述特点, 采用常规心电图难以捕捉到, 而动态心电图能连续记录24h心电图变化, 且不受时间及地点的限制, 在变异性心绞痛的发现和诊断中具有独特优势[4]。研究表明, 动态心电图检测变异性心绞痛能有效记录患者的ST段抬高、T波高耸、房室传导阻滞及室性早搏等变化等[5]。本研究中, 68例患者采用动态心电图, 发现室性早搏36例、房室传导阻5例、ST段抬高20例、T波高耸25例、U波倒置21例, 检出率明显高于常规心电图 (P<0.05) , 与上述研究结果基本一致。
综上所述, 动态心电图应用于变异性心绞痛能准确、完整记录患者发作时的心电图改变, 具有较高的临床价值。
参考文献
[1]吴帅.36例变异性心绞痛动态心电图监测分析[J].医学理论与实践, 2012, 25 (2) :127-128.
[2]王焕霞.变异性心绞痛动态心电图监测分析[J].中国现代药物应用, 2014, 8 (8) :73-74.
[3]苗书芳.动态心电图监测在变异性心绞痛中的应用[J].临床医学, 2011, 31 (3) :37-38.
[4]程慧磊.12导联动态心电图对变异性心绞痛诊断的重要价值[J].中国医药指南, 2013, 11 (27) :404-405.
动态变异 篇6
关键词：血液透析,高血压,血压变异性,左心室肥厚
高血压是维持性血液透析患者最常见的并发症,也是导致心血管事件的危险因素。血压变异性(blood pressure variability,BPV)表示血压在一定时间内波动的程度,是一种对高血压患者靶器官损害监测与预后评估的指标[1]。本研究通过观察血液透析患者动态血压变异性和左心室肥厚情况,探讨其对左心室肥厚的影响。
1 对象与方法
1.1 对象
选取在我科稳定血液透析治疗6个月以上的70例患者作为研究对象,每周透析2~3次,其中男32例,女38例,年龄21岁~83岁。原发病包括原发性慢性肾病38例,糖尿病肾病21例,高血压肾损害5例,多囊肾3例,梗阻性肾病2例,药物性肾损害1例。根据24 h收缩压BPV计算总变异系数(coefficient variation,CV),并分为2组:高CV组(CV>14.50%)和低CV组(CV<14.50%)。2组年龄、性别比例、生化指标、透析时间等资料无显著性差异(P>0.05)。
1.2 动态血压监测(ABPM)
所有患者采用美国Spacelab90217型动态血压监测仪于透析间期进行24 h ABPM,袖带固定于受检者非内瘘侧肢体。设定06:00~21:59为白昼,每间隔30min测压1次;22:00~05:59为夜间,每间隔60 min测压1次。有效血压读数标准为:收缩压70~260 mm Hg,舒张压40~150 mm Hg。收集24 h平均收缩压(24 h SBP)、24 h平均舒张压(24 h DBP)、白昼平均收缩压(d SBP)、白昼平均舒张压(d DBP)、夜间平均收缩压(n SBP)、夜间平均舒张压(n DBP)。
1.3 心脏彩色多普勒超声所有患者均由专业医师使用HP5500型彩色多普勒超声诊断仪行心脏彩色多普勒超声检查,平静状态左侧卧位取胸骨旁左心长轴切面在二尖瓣腱索水平测量舒张期室间隔厚度(IVST)、左心室后壁厚度(LVPWT)、左心室舒张末期内径(LVIDd),根据Devereux校正公式计算左心室质量(LVM):LVM(g)=0.8×1.04[(LVIDd+IVST+PWT)3-LVIDd3]+0.6,BSA(m2)=[0.006×身高(cm)+0.0128×体重(kg)]-0.1529,LVMI(g/m2)=LVM/BSA。心肌肥厚标准为男性>125 g/m2,女性>120 g/m2[2]。
1.4 透析超滤及体重增长率计算方法
调查1个月以来透析超滤量和透析间期体重增长率(增长体重/干体重),取其均值。
1.5 统计学方法
采用SPSS19.0软件进行数据分析,计量资料以±s表示,采用t检验,P<0.05为差异具有统计学意义。
2 结果
2.1 2 组动态BPV比较高CV组24 h SBP-BPV、d SBP-BPV、n SBP-BPV明显高于低CV组,差异显著(P<0.01);2 组间24 h DBP-BPV、d DBP-BPV和n DBP-BPV无明显差异(P>0.05)。见表1。
2.2 心脏彩色多普勒超声结果
高CV组IVST、LVPWT、LVIDd和LVMI均明显高于低CV组,差异有统计学意义(P<0.05)。见表2。
2.3 透析超滤及透析间期体重增长率
高CV组透析间期体重增长及透析超滤均明显高于低CV组,差异有统计学意义(P<0.05)。见表3。
3 讨论
血压水平与心血管疾病风险直接相关,越来越多的证据表明,除血压影响以外,BPV也可能是死亡和心血管事件的重要危险因素[3],并可导致慢性肾脏病的进展。
本研究通过对透析患者血压24 h动态监测观察到,透析患者收缩压变异性更明显,而舒张压变异性不具有统计学意义,提示透析患者收缩压波动明显,稳定控制收缩压可能更重要。透析患者高BPV机制仍不明确,可能的原因有:①血管钙化和硬化明显,脉压增大,血压调节能力下降。②全身慢性炎症状态[4]。③自主交感神经系统过度兴奋[5]。④降压药物的依从性差,钠摄入多。⑤透析水分清除,容量波动对机体造成的影响[6]。透析患者体重受饮食影响较大,通常透析间期体重不超过干体重的3%~5%,本研究观察到,高CV组透析间期体重增长较多,超滤量较大,提示透析患者体内水分的变化对血压有明显影响,一种影响是容量负荷快速下降导致透析低血压,另外一种影响是血管内水分减少,刺激肾素-血管紧张素-醛固酮系统(RAAS)兴奋而导致高血压。
近年研究认为,透析患者BPV与心血管事件和左心室肥厚相关,收缩压血压变异性所致心血管事件风险较非透析慢性肾脏患者更高[7]。本研究2组超声心动图结果均观察到左心室肥厚,且高CV组较低CV组更明显。BPV所致左室肥厚的病理生理机制尚未充分阐明,但可能与血压波动、组织缺氧和血管剪切力变化,RAAS系统兴奋,诱导心血管细胞肥大,间质胶原增生及内皮细胞凋亡有关。
总之,血液透析患者存在着明显的血压波动和较高的心血管发病率和病死率,动态血压变异性大者所致左心室肥厚更明显。ABPM能够提供24 h内多次血压测量数据,为了解患者全天的血压水平、波动趋势和血压变异提供了极有价值的信息,有助于调整药物剂量与给药时间,恢复机体正常的血压节律,避免或减轻高血压对靶器官的损伤。
参考文献
[1]MIAO C Y,XIE H H,ZHAN L S,et al.Blood pressure variability is more important than BP level in determination of end-organ damage in rats[J].J Hypertens,2006,24(6):5125-5135.
[2]张新荣.高血压患者动态血压、血压负荷值及血压变异性与左心室肥厚的关系[J].新医学,2008,39(1):33-34.
[3]MUNTNER P,SHIMBO D,TONELLI M,et al.The relationship between visit-to-visit variability in systolic blood pressure and all-cause mortality in the general population:findings from NHANESⅢ,1988to 1994[J].Hypertension,2011,57(2):160-166.
[4]TATASCIORE A,ZIMARINO M,RENDA G,et al.Awake blood pressure variability,inflammatory markers and target organ damage in newly diagnosed hypertension[J].Hypertens Res,2008,31(3):2137-2146.
[5]VINK E E,DE JAGER R L,BLANKESTIJN P J.Sympathetic hyperactivity in chronic kidney disease:pathophysiology and(new)treatment options[J].Curr Hypertens Rep,2013,15(2):95-101.
[6]JENNIFER E,FLYTHE,STEVEN MB RUNELLI.Blood pressure variability among chronic dialysis patients:recent advances in knowledge[J].Curr Opin Nephrol Hypertens,2015,24(2):163-169.
动态变异 篇7
1 资料与方法
1.1一般资料
选取该院2012年7月—2013年7月收治的老年糖尿病合并高血压患者30例设为实验组,同时选取单纯高血压患者30例设为对照组,实验组中男12例,女18例 ,年龄40~70岁 ,平均年龄 (54.6±3.3) 岁 , 病程3~ 15年,平均病程 (7.2±3.9)岁 ,平均体质量(71.3±6.8) kg。 对照组中男17例,女13例,年龄45~75岁,平均年龄 (59.2±5.3)岁 ,病程5~17年 ,平均病程 (8.2±4.2)岁, 平均体质量(72.4±5.7) kg。 两组患者均排除冠心病以及肾性高血压等其他疾病。 两组患者在性别、年龄、病程、平均体质量等一般资料方面无明显差异(P>0.05),具有可比性。
1.2 方法
两组患者入院后均进行降压治疗, 血压控制在理想范围(140/90)mm Hg以下。实验组患者同时配合控制血糖治疗。 将动态血压监测仪缚于患者左上臂,通过间断性的自动充气配合振荡法对两组患者进行24 h的进行24 h的动态血压监测,早上6时~晚上22时,每半个小时测量一次,晚22时~次日早上6时,每一个小时测量一次。 获取动态血压与血压变异性各相关血压指标及系数。
1.3 统计方法
所有采集数据通过SPSS 18.0软件进行处理,计量资料进行 χ2检验,组间数据指标差异进行t检验,以P< 0.05表示差异具有统计学意义。
2 结果
2.1 两组患者的 动态血压比较
实验组患者的日间平均收缩压(137.2±4.9)mm Hg、 日间平均 舒张压 (77.1±4.7)mm Hg、夜间平均 收缩压 (113.7±2.4)mm Hg、 夜间平均舒张压 (64.3±4.6)mm Hg; 对照组患者的日间平均收缩压(127.5±3.7)mm Hg、日间平均舒张压(74.6±5.2)mm Hg、夜间平均收缩压(108.3± 4.4)mm Hg、夜间平均舒张压 (63.5±5.1)mm Hg,实验组患者的平均收缩压明显高于对照组患者的平均收缩压,差异有统计学意义(χ2=3.416,P<0.05)。实验组患者日间脉压差 (70.3±3.5)mm Hg、 夜间脉压 差 (63.87±14.26) mm Hg 、24 h平均脉压差(76.2±2.7) mm Hg;对照组患者日间 脉压差 (61.4 ±5.4)mm Hg、 夜间脉压 差 (58.42 ± 11.28)mm Hg 、24 h平均脉压差 (72.7±2.5) mm Hg, 实验组患者的日间脉压差、24 h平均脉压差明显高于对照组,差异具有统计学意义(χ2=2.597,P<0.05)。
2.2 两组患者的 血压变异性比较
实验患者日间收缩压标准差9.36、日间收缩压标准差变异系数6.6,24 h收缩压标准差7.42;对照患者日间收缩压标准差4.09、日间收缩压标准差变异系数2.9,24 h收缩压标准差3.75。 实验组明显高于对照组,差异有统计学意义(χ2=6.536,P<0.05)。 如表1所示。
3 讨论
高血压作为糖尿病临床合并并发症之一, 老年患者的发病率较高, 随着生活质量的提高糖尿病合并高血压的发病率正在逐年增加。 由于老年患者身体素质差,因此糖尿病合并高血压容易造成其代谢紊乱,造成其它器官损害,出现严重的并发症,甚至危及生命。 因此,在治疗老年患者2糖尿病时,控制血压和控制血糖同样重要。 临床实践表明,糖代谢异常与糖尿病和高血压存在着密切的关系, 采取血糖和血压同时控制的治疗方式, 有助于降低糖尿病以及高血压疾病的伴随风险,提高治疗效果[2]。 高血压与糖尿病之间相互影响,若不经过有效的治疗会导致患者的血糖和血压同时升高。 目前,2型糖尿病的发病机理尚不明确,遗传、胰岛素升高和周边环境影响都可能引起糖尿病, 部分可导致血压升高造成高血压[3]。 糖尿病患者的动脉弹性指数呈明显下降趋势,低于血糖正常情况下的患者。 这说明糖尿病对血管弹性具有直接影响,且与血压无关。 而与高血压的相关的因素为胰岛素抵抗, 其可以造成心血管自主神经出现功能紊乱和结构异常。 该研究中,选取该院收治的老年糖尿病合并高血压患者30例设为实验组, 同时选取单纯高血压患者30例设为对照组,对两组患者进行24 h的动态血压监测。 结果显示,实验组患者的日间平均收缩压(137.2±4.9)mm Hg,夜间平均收缩压(113.7±2.4)mm Hg;对照组患者的日间平均收缩压(127.5±3.7)mm Hg,夜间平均收缩压 (108.3±4.4)mm Hg。 实验组平均收缩压明显高于对照组, 差异有统计学意义(P<0.05)。 实验组患者日间脉压差(70.3±3.5)mm Hg、 24 h平均脉压差(76.2±2.7) mm Hg;对照组患者日间脉压差(61.4±5.4)mm Hg、24 h平均脉压差(72.7±2.5) mm Hg, 实验组明 显高于对 照组 ,差异具有 统计学意 义 (P< 0.05)。 实验患者日间收缩压标准差9.36、日间收缩压标准差变异系数6.6,24 h收缩压标准差7.42;对照患者日间收缩压标准差4.09、日间收缩压标准差变异系数2.9,24 h收缩压标准差3.75。 实验组明显高于对照组 , 差异有统计学意义(P<0.05)。 说明糖尿病合并高血压较单纯的高血压患者更易引起动脉弹力顺应性下降,因此对血压的影响主要体现为收缩压而非舒张压, 以显示脉压差增大。