预测型体温计原理

目录


电子体温计有实测型和预测型两种。实测型需要花 5 ~ 10 分钟才能测定体温,而预测型只需要不到 30 秒就能测定体温。预测型体温计究竟是利用什么样的原理来测量体温的呢?

预测型体温计以测量开始时的体温变化为基础,通过微分法计算出 10 分钟后的体温。


微分法

当我们把电子体温计夹在腋下时,体温就会使安装在电子体温计尖端的传感器升温。冰冷的物体遇到温暖的物体时,温度会迅速上升。

电子体温计内置了用于解微分方程的程序,能够计算出传感器温度上升的速度,同时预测出10 分钟后人体的温度。

可以把这个过程想象成:"看趋势,猜终点"。


第一步:先测量几个点(收集数据)

复制代码
体温计就像个聪明的机器人,它不会只测一次温度。在刚开始的短短一分钟里,它会非常快速地测量很多次:
  • 第0秒:测出你的初始体温是 36.5°C。(假设传感器还没热起来,测的是腋下初始温度)
  • 第10秒:测出温度变成了 36.8°C。
  • 第20秒:测出温度变成了 37.0°C。
  • 第30秒:测出温度变成了 37.1°C。

第二步:分析趋势(计算速度)

复制代码
机器人开始分析了:
  • 从 0秒 到 10秒,温度上升了 0.3°C。速度是 0.3°C / 10秒
  • 从10秒到20秒,温度上升了 0.2°C。速度是 0.2°C / 10秒
  • 从20秒到30秒,温度上升了 0.1°C。速度是 0.1°C / 10秒

它发现了一个规律:温度上升的速度正在慢下来。这就像你爬坡,越爬越累,速度自然就慢下来了。

第三步:做出预测(猜终点)

复制代码
机器人根据这个"速度越来越慢"的趋势,开始进行预测:
  1. 它想: "照这个速度降下去,可能再过10秒,速度就变成 0.05°C / 10秒 了,再往后可能就更慢了,最后会几乎停下来。"
  2. 它模拟计算: 它会把这些一点点变慢的速度加起来,算出一个最终大概会稳定在的温度。这个过程就像画一条曲线,这条曲线开始很陡(升得快),然后慢慢变平(升得慢直到停止)。
  3. 它得出结论: "根据现在的趋势,温度最后大概会稳定在 37.4°C 左右。"

但是,我们想要的是 10分钟(600秒)后 的温度。机器人知道,根本不需要真的等10分钟,因为体温在头一两分钟就基本达到平衡了。所以它预测的"最终温度"37.4°C,其实就是你10分钟后的稳定体温。

第四步:显示结果

复制代码
于是,仅仅过了30秒,体温计在内部完成了微分计算,就"嘀"的一声,在屏幕上显示出预测的最终结果:37.4°C。

总结:

  1. 快速采样:在最初很短的时间内,密集测量温度变化。
  2. 发现规律:不是看单个温度值,而是看温度上升的速度和速度的变化(是不是越来越慢)。
  3. 趋势外推:根据"速度越来越慢"这个规律,画出一条虚拟的"温度-时间"曲线,并计算出这条曲线最终会平缓在哪个温度值。
  4. 提前报告:把这个计算出的最终稳定温度,作为预测结果显示出来。

预测型体温计的核心秘密就是:

它测量的不只是温度,更是温度变化的速度,并且利用速度变化的规律来"预见"未来。


自己模拟的图像

模拟的前10秒测量数据:

第0秒: 24.96°C

第1秒: 25.80°C

第2秒: 26.66°C

第3秒: 27.22°C

第4秒: 27.94°C

第5秒: 28.56°C

第6秒: 29.15°C

第7秒: 29.65°C

第8秒: 30.23°C

第9秒: 30.58°C

第10秒: 31.04°C

经过一系列的计算:

TODO

预测结果:

预测的10分钟后体温: 36.59°C

估计的真实体温 (T_body): 36.59°C

估计的温度变化速率 (k): 0.074

估计的初始温度: 24.98°C

真实体温: 37.00°C

预测误差: 0.41°C

输出图像(AI生成代码所运行的结果):


总结:

预测的核心就是:

  • 分析短期数据:获取初期温度上升的曲线。
  • 识别变化模式:计算其上升速度及其衰减的规律。
  • 拟合推断长期:根据该规律拟合出完整的曲线模型,并找到这条曲线最终无限逼近的那个值(渐近线)。

越早开始"平缓"的物体,预测其最终值就越容易、越快速(如体温计)。

上升动力越强、过程越长的物体,预测其最终值就需要更长的观察时间和更复杂的模型(化工反应)。

这个图像和原理不仅适用于体温计,也广泛应用于金融预测、环境建模、工程控制等领域,是数据分析和预测科学的基础。


用数学语言描述过程

需要一定功底,先TODO


升级版体温计

为了提高电子体温计的预测精确度,人们还做了其他努力,比如以过去实际测量到的大量数据为基础,根据统计学预测数值。

相关推荐
西西弗Sisyphus16 天前
微积分中 为什么 dy/dx 有时候拆开,有时候是一个整体?
微积分·极限·导数·微分
韩曙亮18 天前
【人工智能】AI 人工智能 技术 学习路径分析 ① ( Python语言 -> 微积分 / 概率论 / 线性代数 -> 机器学习 )
人工智能·python·学习·数学·机器学习·ai·微积分
程序员大雄学编程1 个月前
定积分的几何应用(一):平面图形面积计算详解
开发语言·python·数学·平面·微积分
程序员大雄学编程1 个月前
用Python来学微积分34-定积分的基本性质及其应用
开发语言·python·数学·微积分
程序员大雄学编程1 个月前
用Python来学微积分30-微分方程初步
开发语言·python·线性代数·数学·微积分
程序员大雄学编程2 个月前
用Python来学微积分23-微分中值定理
人工智能·python·数学·微积分
程序员大雄学编程2 个月前
用Python来学微积分22-费马定理
人工智能·python·数学·微积分
程序员大雄学编程2 个月前
「用Python来学微积分」17. 导数与导函数
开发语言·python·数学·微积分
程序员大雄学编程2 个月前
「用Python来学微积分」18. 微分
开发语言·python·数学·微积分
程序员大雄学编程2 个月前
「用Python来学微积分」16. 导数问题举例
开发语言·python·数学·微积分