目前在国内外的重症监护室中存在着急性低血压,它的出现不单会影响患者治疗的效果,甚至会对患者的生命安全产生极大的威胁。随着近年来医学技术和信息技术的飞速发展,也促进了研究人员对急性低血压预测的研究。在美国PhysioNet的MIMICII(Multiparameter Intelligent Monitoringin Intensive Care)数据库中包含了大量的重症监护室中患者的生理数据,这些生理数据包括有动脉血压值、心率、血液含氧量等等,这些数据都是从美国重症监护室中获得的,并经过医生的确认和患者的许可,可供研究人员下载并用于研究。　　在这里使用从MIMICII数据库中获得的患者的动脉血压值进行分析,预测患者在未来一段时间内是否出现急性低血压。我们采取的工作是先利用医学知识,将动脉血压值转化为更有利于分析的平均动脉血压值,再运用信号处理的知识,使用经验模态分解对数据进行分解,从而获得其本征模函数,观察和研究每个患者个体的本征模函数,总结出一定的规律,再利用统计学的原理抽取出两个特征值作为患者的特征向量,用于分类和预测。将数据分为训练集和测试集,使用训练集采用交叉验证的方法对支持向量机进行训练,得到最佳的支持向量机分类模型,最后使用测试数据对通过训练获得的支持向量机模型进行测试并讨论其分类结果。　　通过研究和实验,最终得到的支持向量机分类模型对急性低血压的分类正确率达到80％以上,其中对急性低血压患者的正确分类比例接近90%。这表明我们的研究在用于急性低血压的预测是可行的。